用意念寫出想法

用意念寫出想法

編譯/賴佳昀

在大腦和機械之間建個橋樑

對於全身癱瘓的病患來說,如何和外界溝通是個很大的問題。由於無法手寫,甚至連說話都有困難,若沒有外界輔助道具,那麼想要和別人交流就是天方夜譚,但如果可以靠「想」,就把想說的寫下來呢?

腦機介面(Brain-Computer Interface)的相關研究已經發展近五十年了,正如其名:透過監控、解讀大腦神經活動(例如腦波)來理解對象的意圖,在腦(中樞神經系統)以及外部裝置之間建立起通訊網路。目前已有成功使用腦機介面幫助患者回復視覺、聽覺,或是用來操控機械手臂,甚至是玩遊戲的例子

寫你所想

聊天寫字是健康人生活中毫無難度的動作,但對於中風或罹患其他腦神經疾病的患者而言,他們想要說好、寫好一個簡單的句子都是難題。科學家們為了幫助這些患者可以和外界交流,利用腦機介面,在病患腦中的運動皮層分區植入電極,讓患者可以用意念來移動滑鼠游標,選擇螢幕上的字母,拼寫成單字,最後完成一句完整句子。患者平均每分鐘可以輸入39個字母,但相較於正常手寫,效率仍慢上三倍。

在2019年,最新的一次神經科學學會年會中,來自史丹佛大學的研究團隊用機器學習來輔佐解讀神經活動,讓一位從脖子以下癱瘓的患者,可以達到每分鐘輸入66的字母的紀錄,正確率高達95%。他們讓患者想像自己可以自由移動手臂書寫,並以患者的腦部活動訊號來訓練神經網路,追蹤患者想像中的筆尖軌跡、解讀欲拼寫出的字母。

AI讓人寫得更快

在這項研究中,研究團隊使用兩種演算法來幫助解讀神經活動,其一為樸素貝葉斯分類器(naïve Bayes classifier),可以達到87%的正確率,而循環神經網路(recurrent neural network classifier)則可以達到92%的正確率。

樸素貝葉斯會給出一個分類的機率,舉例來說:它可以指出一個句子「a good game」會有多少機率被分類到遊戲取向還是體育取向,然而無法考量到不同測試之間的時間變異性。

至於循環神經網路,因其演算法本身即考慮數據輸入的先後順序,所以書寫時的筆劃快慢、直筆或曲線的先後順序,也會影響到神經網路的判斷。在這項應用中,循環神經網路演算法最容易出錯的地方,則是筆劃相近的兩個字母q和g。

研究人員指出輸入速率會隨著更豐富的數據加快,而這項技術同時也能讓科學家們更了解大腦運動皮層如何控制細微動作(例如書寫)。

 

參考資料

  1. K. Servick, “AI allows paralyzed person to ‘handwrite’ with his mind“, Science, 2019.
  2. F. Willett, D. Avansino, D. Deo, L. Hochberg, J. Henderson and K. Shenoy, “Motor cortical representation and decoding of attempted handwriting in a person with tetraplegia“, in Neuroscience 2019, Chicago, IL, 2019.

(本文由教育部補助「AI報報─AI科普推廣計畫」執行團隊編譯)

views