脑机接口和卷积神经网络的初学指南分为两部分，第一部分主要介绍脑机接口和AI +研究论文的概貌；第二部分主要深入解释神经网络与BCI的结合

本篇是第一部分，介绍脑机接口和AI+研究论文的概貌。

大脑能否通过脑机接口(BCI)技术直接与人工智能，机器人和其他大脑建立联系，从而超越人类的局限性？

对于某些人来说，这是我们生存的必要条件。确实，我们需要成为机器人才能在人工智能时代发挥作用。

一些概念

脑机接口(BCI):使其用户仅通过脑活动与计算机交互的设备，该活动通常由脑电图(EEG)测量。

脑电图(EEG):通过放置在头皮表面的电极记录大脑产生的电活动的一种生理学方法。

功能磁共振成像(fMRI):通过检测与血液流动相关的变化来测量大脑活动。

功能性近红外光谱(fNIRS):将近红外光谱(NIRS)用于功能性神经成像。使用fNIRS，通过与神经元行为相关的血流动力学反应来测量大脑活动。

卷积神经网络(CNN):一种用于图像识别和处理的人工神经网络，专门用于处理像素数据。

视觉皮层:大脑皮层的一部分，接收和处理来自眼睛的感觉神经冲动

BCI历史

记者Sarah Marsch表示:“脑机接口(BCI)并不是一个新概念。已经有多种形式的BCI，从坐在您头顶上并测量大脑信号的BCI到植入脑组织的设备。”

大多数BCI最初是为医疗应用开发的。Tellart首席设计师Zaza Zuilhof表示：“大约22万听力受损的人已经从耳蜗植入中受益，耳蜗可以将音频信号转换成电脉冲直接发送到他们的大脑。”

关于脑机接口的历史，在文章““脑机接口简史”中有表述：“在1970年代，对BCI的研究始于加利福尼亚大学。BCI研究与开发的重点主要集中在神经修复术的应用上，以帮助恢复受损的视力、听力和运动。20世纪90年代中期出现了第一个用于人类的神经假体。BCI无法准确地读取思想，但是当人们以某种方式思考时，它会检测出大脑辐射能量变化中的最小变化。BCI可以识别大脑中特定的能量/频率模式。

2004年6月，当MatthewNagle成为第一个植入BCI的人时，预示了该领域取得了重大进展。

2004年12月，纽约州卫生部Wadsworth中心的Jonathan Wolpaw和研究人员提出了一份研究报告，证明了使用BCI控制计算机的能力。在这项研究中，患者被要求戴上一顶装有电极的帽子，以捕获来自运动皮层(控制运动的一部分)的脑电信号。

长期以来，BCI一直专注于控制应用:光标、瘫痪的身体部位、机械臂、电话拨号等。

前些年，埃隆•马斯克(ElonMusk)进入了这个行业，宣布向Neuralink投资2700万美元，该公司的使命是开发一种基于人工智能改善人类沟通的BCI。Regina Dugan介绍了Facebook改变游戏规则的BCI技术计划，该技术将允许更有效的数字通信。”

根据John Thomas,Tomasz Maszczyk, Nishant Sinha, Tilmann Kluge和Justin Dauwels的说法:“BCI系统有四个主要组成部分:信号采集，信号预处理，特征提取和分类。”

为什么这很重要?

University of Essex的脑机接口博士后研究员Davide Valeriani表示，“人类和技术的结合可能比人工智能更强大。例如，当我们基于感知和推理的组合做出决策时，可以使用神经技术来改善我们的感知。这在某些情况下可以帮助我们，例如从安全摄像机看到非常模糊的图像并必须决定是否进行干预。”

BCI的应用

除了在医疗领域的广泛应用，BCI在其他领域，比如多媒体、视频游戏等许多领域具有潜在的应用。

Davide Valeriani表示:“EEG硬件对用户来说是完全安全的，但是记录的信号非常嘈杂。”

马斯克公司的“neurallace”技术涉及在大脑中植入电极来测量信号。这将允许获得比脑电图质量更好的神经信号----但这需要手术。最近，他表示需要使用脑机接口来确认人类对人工智能的至高无上地位。”)

这项技术仍然很危险！确实，我们制造了计算机，并且确切地知道它们如何工作以及如何“修改”它们。然而，我们并没有造出我们的大脑，我们仍然不太了解它们的工作原理。更不用说如何安全、成功地“入侵”他们了。我们已经取得了很大进展，但还不够。

你的大脑现在如何运作以及将会发生什么？

简单地说，你的大脑分为两个主要部分:

大脑边缘系统

大脑皮层

边缘系统负责我们的原始冲动，以及那些与生存有关的冲动，如进食和繁殖。我们的大脑皮层是最先进的区域，负责逻辑功能，使我们擅长语言、技术、商业和哲学。

人类的大脑包含约860亿个被称为神经元的神经细胞，每个神经元通过轴突和树突相互连接。每当我们思考、运动或感觉时，神经元都在工作。实际上，大脑会产生大量的神经活动。基本上，从一个神经元到另一个神经元的微小电信号在起作用。

可用于BCI的信号有很多。这些信号可以分为两类:

——峰值(Spikes)

——场势(Fieldpotentials)

我们可以检测这些信号，解释它们，并使用它们与设备交互。

据Cortext的机器学习顾问Boris Reuderink说，“脑机接口的最大问题之一是大脑信号微弱且变化很大。这就是为什么很难训练分类器并在第二天使用它，更不用说将其用于其他受试者上了。”

为了插入“NeuralLace”，将包含卷起的网孔的细针放置在颅骨内。然后将网眼注射并在注射后露出大脑，从而覆盖整个大脑。

人工智能或机器学习在BCI应用的发展中受到了极大的关注，以解决一些领域(尤其是医疗和机器人领域)的难题。AI/ML已经成为BCI系统最有效的工具。

参考

https://towardsdatascience.com/a-beginners-guide-to-brain-computer-interface-and-convolutional-neural-networks-9f35bd4af948

文章来源于网络，仅用于学术交流，不用于商业行为，

若有侵权及疑问，请后台留言，管理员即时删侵！

更多阅读

DEAP:使用生理信号进行情绪分析的数据库(二、实验设计与主观分析)

脑电数据处理分析教程汇总(eeglab, mne-python)

P300脑机接口及数据集处理

快速入门脑机接口：BCI基础(一)

谷歌联合强脑科技进入脑机接口领域
Nature科学报告:根据大脑思维意图来生成对应匹配的图像

如何快速找到脑机接口社区的历史文章？

脑机接口BCI学习交流QQ群：515148456

微信群请扫码添加，Rose拉你进群

(请务必填写备注，eg. 姓名+单位+专业/领域/行业)

长按加群