南加州大学维特比工程学院的研究人员正在使用生成对抗网络（GANs）--因创建深度伪造视频和逼真的人脸而最知名的技术--来改善残疾人的脑机接口。

在《自然-生物医学工程》上发表的一篇论文中，该团队成功地教导人工智能生成合成的大脑活动数据。这些数据，特别是称为尖峰序列的神经信号，可以被输入机器学习算法，以提高脑机接口（BCI）的可用性。

BCI系统通过分析一个人的大脑信号并将神经活动转化为指令来工作，允许用户只用他们的思想来控制计算机光标等数字设备。这些设备可以改善运动功能障碍或瘫痪患者的生活质量，甚至是那些与锁定综合症斗争的人--当一个人完全清醒但无法移动或交流时。

目前已经有各种形式的BCI，从测量大脑信号的帽子到植入大脑组织的设备。从神经康复到治疗抑郁症，新的用例一直在被发现。但是，尽管有这些承诺，要使这些系统在现实世界中足够快速和强大，已经被证明是一个挑战。

具体而言，为了理解其输入，BCI需要大量的神经数据和长时间的训练、校准和学习。

计算机科学教授、该研究的共同作者Laurent Itti说："如果瘫痪的人不能产生足够强大的大脑信号，那么为驱动BCI的算法获得足够的数据可能是困难的、昂贵的，甚至是不可能的。“

另一个障碍：该技术是针对用户的，必须为每个人从头开始训练。

生成合成神经学数据

如果你能创建合成神经数据--由计算机人工生成的数据--来 "替代 "从真实世界获得的数据，那会怎样？

进入生成式对抗网络。生成对抗网络以创造 "深度假象 "而闻名，它可以通过一个试错过程创造出几乎无限数量的新的、类似的图像。

首席作者温世贤是Itti指导的博士生，他想知道GANs是否也能通过生成与真实事物无异的合成神经数据来为BCI创造训练数据。

在论文中描述的一个实验中，研究人员用猴子伸手取物时记录的一节数据训练了一个深度学习的尖峰合成器。然后，他们用该合成器生成大量类似的--尽管是假的--神经数据。

然后，该团队将合成的数据与少量新的真实数据相结合--要么来自不同日子的同一只猴子，要么来自一只不同的猴子--以训练BCI。这种方法使系统的启动和运行比目前的标准方法快得多。事实上，研究人员发现，GAN合成的神经数据将BCI的整体训练速度提高了20倍。

Wen说："不到一分钟的真实数据与合成数据结合起来的效果与20分钟的真实数据一样好。这是我们第一次看到人工智能通过创建合成尖峰列车来生成思维或运动的配方。这项研究是使BCI更适合现实世界使用的关键一步。"

此外，在对一个实验环节进行训练后，该系统利用有限的额外神经数据迅速适应了新的环节，或科目。

Itti说："这就是这里最大的创新 -- 创建假的尖峰序列，看起来就像来自这个人的想象做不同的动作，然后也使用这个数据来协助学习下一个人。“

除了BCI之外，GAN生成的合成数据可以通过加快训练和提高性能，在人工智能的其他对数据要求较高的领域取得突破。

Itti说："当一家公司准备开始商业化机器人骨架、机械臂或语音合成系统时，他们应该看看这种方法，因为它可能帮助他们加速训练和再训练。"至于使用GAN来改善脑机接口，我认为这只是一个开始。"