翻译需要将大脑信号转化为有用的信息一旦从大脑中提取数据,如何才能将其用于最佳效果? print-edition iconJan 4th 2018

日期:2017-09-01 01:00:26 作者:丁钐塘 阅读:

<p>对于那些认为大脑 - 计算机界面永远不会流行的人来说,有一个简单的答案:他们已经拥有全世界超过30万人已经将耳蜗植入物安装在他们的耳朵中严格来说,这种听力设备不直接与神经组织相互作用,但效果并不相似处理器捕获声音,转换成电信号并发送到内耳的电极,刺激耳蜗神经,以便在大脑中听到声音Michael Merzenich,一位帮助开发它们的神经科学家,解释植入物仅提供粗略的语言表达,“就像用拳头打肖邦一样”但是只要花一点时间,大脑就能找到信号,这为BCI方程的另一部分提供了线索:一旦你获得了什么就该做什么进入大脑正如人工耳蜗所示,一种选择是让世界上最强大的学习机器做它的东西在一个着名的20世纪中期的实验中,两个奥地利研究人员表明,大脑可以快速适应一副眼镜,将他们投射到视网膜上的图像颠倒过来</p><p>最近,科罗拉多州立大学的研究人员提出了一种将声音转换成电脉冲的装置</p><p>它产生不同种类的刺痛,大脑学会与特定的声音相关联然后,大脑非常善于处理工作然后,计算机也是如此</p><p>例如,助听器的一个问题是,它放大了每一个声音,进来了;如果你想在一个嘈杂的环境中专注于一个人,比如一个派对,那对哥伦比亚大学的Nima Mesgarani正在研究一种分离你想听的特定人的方法并不是很有帮助</p><p>这个想法是一个算法将区分不同的声音同时说话,创建频谱图,或声音频率的视觉表示,每个人的语音然后它看着大脑中的神经活动,因为助听器的佩戴者专注于特定的对话者这个活动可以也可以重建为谱图,匹配的谱图将被放大(见图)算法比大脑可塑性做得更好,使瘫痪的人能够单独使用思想将光标发送到目标在今年早些时候发表的研究中,例如,Shenoy博士和他在斯坦福大学的合作者在脑控制打字方面取得了很大的进步</p><p>这不是来自新的信号或更吵闹的接口来自更好的数学的一个贡献来自Shenoy博士使用他的算法的测试阶段期间生成的数据在训练阶段,用户被反复告知将光标移动到特定目标;机器学习程序识别与此运动相关的神经活动中的模式在测试阶段,用户被显示一个字母网格并被告知将光标移动到他想要的任何地方;测试算法预测用户意愿的能力用户打算攻击特定目标的意图也显示在数据中;通过重新调整算法以包含该信息,可以使光标更快地移动到目标但是虽然算法越来越好,但仍有很大的改进空间,尤其是因为数据依然薄弱尽管声称智能算法可以弥补不良信号,它们只能做很多事情“机器学习几乎可以做出神奇的事情,但它无法发挥魔力,”Shenoy博士说,考虑使用功能性近红外光谱来识别简单的是/否答案锁定患者给予真假陈述;他们在70%的时间都是正确的,在根本无法沟通方面取得了巨大的进步,但远远不足以对他们对生命终结讨论的回应充满信心,比如说更多,更清洁的数据需要更好地建立起来算法大脑如何工作的知识仍然是如此不完整即使有更好的界面,器官的非凡复杂性也不会很快被解开光标的移动有两个自由度,例如;一只人的手有27个视觉皮层的研究人员经常使用静态图像,而现实生活中的人必须应对连续运动的图像人类在抓住物体时所经历的感官反馈的工作几乎没有开始 虽然计算神经科学家可以依靠机器学习领域的更广泛进展,从面部识别到自动驾驶汽车,神经数据的噪音呈现出一个特殊的挑战运动皮层中的神经元可能以每秒100个动作电位的速度发射</p><p>有人考虑过一次移动他的右臂,但是另一次移动他的右手为了更糟糕的是,神经元的工作重叠所以如果一个神经元的平均发射率为100,右边是70,左边是70,那么85的比率意味着什么</p><p>至少运动皮层的活动以运动的形式具有可见的输出,显示与可以进行预测的神经数据的相关性但是其他认知过程缺乏明显的输出取消Facebook感兴趣的区域:沉默或想象,语音不能肯定大脑对想象语言的表现与实际(口头或听到的)语音的相似性足以被用作参考点进展受到另一个因素的阻碍:“我们有一个世纪以来关于运动如何的数据由神经活动产生的,“BrainGate的Hochberg博士说道</p><p>”我们对动物言语知之甚少“更高级别的功能,如决策,提出了更大的挑战BCI算法需要一个明确定义神经活动与神经活动之间关系的模型有问题的参数“问题始于定义参数本身,”匹兹堡大学的Schwartz博士说,“究竟是什么才是认知</p><p>你如何为它写一个等式</p><p>“这样的困难提出了两个问题:一个是关于全脑活动的一套算法还有很长的路要走</p><p>另一个是在脑机接口中进行信号处理的最佳途径是可能是机器学习和大脑可塑性的某种组合诀窍是开发一个两者合作的系统,