研究人員利用生成對抗網絡改善腦機介面

南加州大學 (University of Southern California, USC) 的維特比工程學院 (Viterbi School of Engineering) 研究人員正在使用生成對抗網絡 (Generative Adversarial Networks, GANs) 來改善殘障人士的腦機介面 (Brain-Computer Interfaces, BCIs)。

GANs 也被用來創造深度偽造影片和逼真的人臉照片。

這篇研究論文發表在《自然生醫工程》 (Nature Biomedical Engineering) 上。

腦機介面的力量

研究團隊能夠教導人工智慧 (AI) 生成合成的腦部活動數據。這些數據以神經信號的形式存在，稱為尖峰列 (spike trains)，可以用來改善殘障人士的腦機介面。

腦機介面分析個體的腦信號，然後將神經活動轉換成指令，這樣使用者就能僅用思想來控制數位設備。這些設備可以包括電腦游標等，能改善運動功能障礙或癱瘓患者的生活品質。它們也能幫助被鎖定症候群 (locked-in syndrome) 影響的人，這種情況下，雖然完全清醒，但無法移動或溝通。

市場上已經有許多不同類型的腦機介面，例如測量腦信號的設備和植入腦組織的裝置。這項技術不斷進步，並應用於新的領域，包括神經康復和抑鬱症治療。然而，讓這些系統在現實世界中運行得更快仍然很困難。

腦機介面需要大量的神經數據和長時間的訓練、校準和學習，以理解它們的輸入。

洛朗·伊提 (Laurent Itti) 是計算機科學教授，也是這項研究的共同作者。

伊提表示：「獲得足夠的數據來支持腦機介面的算法可能很困難、昂貴，甚至如果癱瘓者無法產生足夠強的腦信號，這可能是不可行的。」

這項技術是針對每個用戶的，這意味著必須為每個人進行訓練。

生成對抗網絡

GANs 可以改善整個過程，因為它們能夠通過試錯過程創建無限量的新相似圖像。

由伊提指導的博士生溫世賢 (Shixian Wen) 決定研究 GANs，看看它們是否能通過生成與真實數據無法區分的合成神經數據來創建腦機介面的訓練數據。

研究團隊進行了一個實驗，訓練了一個深度學習尖峰合成器，使用從一隻猴子伸手取物的數據進行一次會話的記錄。然後，他們使用合成器生成大量相似但虛假的神經數據。

合成的數據然後與少量新的真實數據結合，以訓練腦機介面。通過這種方法，系統能夠比目前的方法更快地啟動。更具體地說，GAN合成的神經數據使腦機介面的整體訓練速度提高了多達20倍。

溫世賢表示：「不到一分鐘的真實數據與合成數據結合，效果相當於20分鐘的真實數據。」

他還說：「這是我們第一次看到AI通過創建合成尖峰列來生成思想或運動的配方。這項研究是使腦機介面更適合實際使用的重要一步。」

在第一次實驗會話後，系統能夠在有限的額外神經數據下適應新的會話。

伊提表示：「這是這裡的大創新——創造看起來就像這個人想像不同動作時產生的虛假尖峰列，然後也利用這些數據來幫助下一個人的學習。」

這些使用GAN生成的合成數據的新發展也可能在該領域的其他領域帶來突破。

伊提說：「當一家公司準備開始商業化機器人骨架、機器手臂或語音合成系統時，他們應該考慮這種方法，因為它可能幫助他們加速訓練和再訓練。至於使用GAN來改善腦機介面，我認為這僅僅是個開始。」