GAN這回玩了票大的，把手伸向了“人腦思維”。
此項研究來自南加大華人博士溫士賢團(tuán)隊。
模型所需的訓(xùn)練數(shù)據(jù)，就是這位老爺子在腦中一筆一畫“寫”出來的字母：
最終他們只用不到1分鐘的真實數(shù)據(jù)加上合成數(shù)據(jù)，就能當(dāng)20分鐘的真實數(shù)據(jù)用。
沒錯，直接就是一個“合成思維”——生成用來喂給腦機(jī)接口的那種大腦活動數(shù)據(jù)。
作者表示，這是AI首次在該領(lǐng)域被應(yīng)用。
并且這項技術(shù)一舉把訓(xùn)練腦機(jī)接口系統(tǒng)提取、分析大腦信號的時間，提高了整整20倍。
此項研究來自南加大華人博士溫士賢團(tuán)隊。
論文已發(fā)表在Nature子刊上。
而在我們與作者溫士賢的深入交談中，他表示會繼續(xù)推進(jìn)相關(guān)研究：
這項研究成果未來可以用于諸多神經(jīng)解碼問題上，自己也會繼續(xù)在失眠、自閉癥、多動癥、阿茲海默癥等疾病的個性化的干預(yù)和阻斷上進(jìn)行研究。
首次用AI合成“思維”
可是問題就來了，為什么要用AI去“偽造”神經(jīng)活動數(shù)據(jù)呢？
直接用人類的不好嗎？
還真不一定好。
比如，今年5月份登上Nature封面的意念打字研究，這位代號T5，全身癱瘓的老爺子是唯一的受試者：
模型所需的訓(xùn)練數(shù)據(jù)，就是這位老爺子在腦中一筆一畫“寫”出來的字母：
在腦海中想象文字的軌跡和手動書寫本來就難度不同，而模型需要的還不僅是幾個字母，而是大量重復(fù)的書寫數(shù)據(jù)。
要讓一位殘疾人每天花幾個小時去做重復(fù)任務(wù)，不僅辛苦，數(shù)據(jù)收集的速度和數(shù)據(jù)集最終的大小自然都非常有限。
而在要讓算法解讀神經(jīng)活動信號的腦機(jī)接口，本身也是一個機(jī)器學(xué)習(xí)問題。
因此，算法效果當(dāng)然會依賴于巨量訓(xùn)練數(shù)據(jù)的支撐，而在實際實驗中，真不一定弄得到那么多數(shù)據(jù)。
就算有充足的可用數(shù)據(jù)，不同受試對象的神經(jīng)元信號也存在差異。
一個人的數(shù)據(jù)訓(xùn)練出來的解碼算法要應(yīng)用到另一個人身上，就必須重頭再來。
除此之外，就算是同主體上的解碼算法的效果，也會隨著時間推移而變差，需要定期重新校準(zhǔn)。
更何況，有些最需要腦機(jī)接口幫助的殘障人士，因神經(jīng)系統(tǒng)損壞已經(jīng)無法發(fā)送相應(yīng)的信號了。
那么，要如何解決或者改善上面這些問題呢？
溫士賢博士表示：
GAN就完事兒了。
讓猴子玩貪吃蛇
這次研究的被試者是兩只小猴子，它們需要完成的任務(wù)很簡單。
屏幕上會有物體在隨機(jī)位置出現(xiàn)，小猴子要用搖桿控制屏幕上的光標(biāo)去接觸這個物體。
結(jié)合論文的配圖一看，大概類似于貪吃蛇？
小猴子手臂處植入的電極陣列會采集神經(jīng)的運(yùn)動控制（Motor Control）信號。
初級運(yùn)動皮層的神經(jīng)元會以1-2毫秒間隔釋放100毫伏左右的間歇性脈沖，神經(jīng)元每次激發(fā)就會產(chǎn)生一個峰值。
這種活動模式被叫做峰電位序列 （Spike Train）。
△真實神經(jīng)元的峰電位序列
研究人員先用雙向LSTM網(wǎng)絡(luò)設(shè)計了GAN中的生成器和鑒別器，用采集到的神經(jīng)數(shù)據(jù)加上隨機(jī)高斯噪聲來合成新的數(shù)據(jù)。
研究要解決的關(guān)鍵問題，是如何只用少量真實采集的數(shù)據(jù)來生產(chǎn)可用的合成數(shù)據(jù)。
△合成的峰電位序列
對于神經(jīng)信號來說，合成數(shù)據(jù)的可用性面臨兩個問題：
不同個體產(chǎn)生的信號有不同模式，就連同一個體在不同時間的神經(jīng)信號也會不同。
而之前的步驟就相當(dāng)于預(yù)訓(xùn)練，下一步就是針對這些情況來微調(diào)。
結(jié)合另一只猴子或同一只猴子在不同時間采集的數(shù)據(jù)來作微調(diào)，最終產(chǎn)生大量可適用于不同情況的峰電位序列。
最后一步就是驗證用少量真實數(shù)據(jù)+大量合成的數(shù)據(jù)訓(xùn)練腦機(jī)接口解碼器，以驗證效果。
最終他們只用不到1分鐘的真實數(shù)據(jù)加上合成數(shù)據(jù)，就能當(dāng)20分鐘的真實數(shù)據(jù)用。
論文最后提到，雖然這次研究只實驗了猴子的運(yùn)動控制信號，不過研究所用的方法是純數(shù)據(jù)驅(qū)動的，不對運(yùn)動控制問題有額外的設(shè)計。
換句話說，這篇論文提出的方法是通用的，如果用于其他神經(jīng)的編碼解碼問題，只需要做最小限度的修改即可。
論文第一作者溫士賢在與杜克大學(xué)腦機(jī)接口專家Miguel Nicolelis合作的另一項研究中還做了讓小猴子玩跑步機(jī)的實驗。
溫士賢表示，這是AI第一次用于合成思維或運(yùn)動信號，能推進(jìn)腦機(jī)接口技術(shù)的進(jìn)一步應(yīng)用落地。
不過還有最后一個問題，以猴子為實驗對象做出來的方法能不能遷移到人類身上？
在與量子位的交流中，溫士賢認(rèn)為僅從解碼算法的角度來看問題不大，研究中已經(jīng)考慮到了這一點。
更多的問題是腦機(jī)接口硬件和材料的設(shè)計問題，比如設(shè)備和人類生物細(xì)胞的兼容度，還有采集芯片怎么快速和安全地植入到正確的位置等。
“腦機(jī)接口的重點還是科學(xué)”
論文的一作溫士賢本科畢業(yè)于北京交通大學(xué)，現(xiàn)在是一名南加州大學(xué)維特比工程學(xué)院的博士生，就讀于計算機(jī)系，主要研究方向是AI和神經(jīng)科學(xué)。
而他的導(dǎo)師是南加州大學(xué)的計算機(jī)科學(xué)，心理學(xué)和神經(jīng)科學(xué)的教授，CS系副主任Laurent Itti。
Laurent Itti主要研究視覺注意、場景理解、眼球運(yùn)動控制等領(lǐng)域，同時也是多個開源的神經(jīng)形態(tài)視覺軟件工具包的開發(fā)者。
腦機(jī)接口其實并不是導(dǎo)師Itti的主要研究方向，神經(jīng)科學(xué)一開始只是溫士賢自己的興趣。
在研究生期間，又一次他看到杜克大學(xué)腦機(jī)接口專家Miguel Nicolelis教授著名的TED演講，介紹了他們?nèi)绾斡媚X機(jī)接口幫助一個癱瘓青年用意念在巴西足球世界杯上開了第一球。
后來更是有機(jī)會到Nicolelis教授的實驗室實習(xí)。
這算是我第一次和腦機(jī)接口“結(jié)緣”。
而這次的論文是溫士賢自己拉來日內(nèi)瓦大學(xué)和美國西北大學(xué)的研究者一起合作完成。
現(xiàn)在，溫士賢即將博士畢業(yè)，而他也選擇繼續(xù)在AI+神經(jīng)科學(xué)的方向從業(yè)。
目前他已經(jīng)面試了一些國內(nèi)的大學(xué)和研究機(jī)構(gòu)，以及當(dāng)紅的腦機(jī)接口公司，已經(jīng)拿到一些不錯的Offer。
而關(guān)于腦機(jī)接口，神經(jīng)科學(xué)的行業(yè)現(xiàn)狀和趨勢，溫士賢表示：
腦科學(xué)的市場本身有巨大的需求，比如Neuralink的腦疾病治療、Apple的mental health評估、meta的Ctrl lab在元宇宙中改善人機(jī)交互的硬件等等。
所以它的重點還是科學(xué)，而不是比誰的市場化做得更好。
因此，這種商業(yè)模式是最有利于我們這種科研人員創(chuàng)業(yè)的。
