Guia para Principiantes de Interface Cérebro-Computador e Redes Neurais Convolucionais

P>Pode a mente ligar-se directamente à inteligência artificial, robots e outras mentes através de tecnologias de interface cérebro-computador (BCI) para transcender as nossas limitações humanas?

Para alguns, é uma necessidade para a nossa sobrevivência. Na verdade, precisaríamos de nos tornar ciborgues para sermos relevantes numa era de inteligência artificial.

Definição

Interface cérebro-computador (BCI): dispositivos que permitem aos seus utilizadores interagir com computadores apenas por meio de actividade cerebral, sendo esta actividade geralmente medida por ElectroEncephaloGraphy (EEG).

Electroencefalografia (EEG): método fisiológico de escolha para registar a actividade eléctrica gerada pelo cérebro através de eléctrodos colocados na superfície do couro cabeludo.

Ressonância magnética funcional (fMRI): mede a actividade cerebral detectando alterações associadas ao fluxo sanguíneo.

p>Espectroscopia Quase Infravermelha Funcional (fNIRS): a utilização da espectroscopia Quase Infravermelha (NIRS) para efeitos de neuroimagem funcional. Usando fNIRS, a actividade cerebral é medida através de respostas hemodinâmicas associadas ao comportamento neuronal.

Convolutional Neural Network (CNN): um tipo de rede neural artificial usada no reconhecimento e processamento de imagens, especificamente concebida para processar dados de pixel.

Córtex Visual: parte do córtex cerebral que recebe e processa impulsos nervosos sensoriais dos olhos

História

Sarah Marsch, jornalista do Guardian, disse “As interfaces cérebro-computador (BCI) não são uma ideia nova. Já estão disponíveis várias formas de BCI, desde as que se situam no topo da cabeça e medem os sinais cerebrais aos dispositivos que são implantados no tecido cerebral”. (fonte)

Mais BCIs foram inicialmente desenvolvidos para aplicações médicas. Segundo Zaza Zuilhof, Lead Designer da Tellart, “Cerca de 220.000 deficientes auditivos já beneficiam de implantes cocleares, que traduzem sinais de áudio em impulsos eléctricos enviados directamente para os seus cérebros”. (fonte)

O artigo chamado “The Brief History of Brain Computer Interfaces” dá-nos muitas informações relacionadas com a história do BCI. De facto, o artigo diz: “Nos anos 70, a investigação sobre BCIs começou na Universidade da Califórnia, o que levou ao surgimento da expressão interface cérebro-computador. O foco da investigação e desenvolvimento do BCI continua a ser principalmente as aplicações neuropróteses que podem ajudar a restaurar a visão, a audição e o movimento danificados. Os meados da década de 1990 marcaram o aparecimento dos primeiros dispositivos neuropróteses para o ser humano. BCI não lê a mente com precisão, mas detecta a menor das alterações na energia irradiada pelo cérebro quando se pensa de uma certa forma. Um BCI reconhece padrões específicos de energia/frequência no cérebro.

Junho de 2004 marcou um desenvolvimento significativo no campo quando Matthew Nagle se tornou o primeiro humano a ser implantado com um BCI, Cyberkinetics’s BrainGate™.

Em Dezembro de 2004, Jonathan Wolpaw e investigadores do Wadsworth Center do Departamento de Saúde do Estado de Nova Iorque apresentaram um relatório de investigação que demonstrou a capacidade de controlar um computador utilizando um BCI. No estudo, foi pedido aos pacientes que usassem uma tampa que continha eléctrodos para capturar sinais EEG do córtex motor – parte do cérebro que rege o movimento.

BCI tem uma longa história centrada em aplicações de controlo: cursores, partes do corpo paralisadas, braços robóticos, marcação telefónica, etc.

Recentemente Elon Musk entrou na indústria, anunciando um investimento de 27 milhões de dólares no Neuralink, um empreendimento com a missão de desenvolver um BCI que melhore a comunicação humana à luz da IA. E Regina Dugan apresentou os planos do Facebook para um jogo que altera a tecnologia BCI que permitiria uma comunicação digital mais eficiente”

De acordo com John Thomas, Tomasz Maszczyk, Nishant Sinha, Tilmann Kluge, e Justin Dauwels “Um sistema BCI tem quatro componentes principais: aquisição de sinal, pré-processamento de sinal, extracção de características, e classificação”. (fonte)

Por que importa?

De acordo com Davide Valeriani, Investigador Pós-Doutor em Interfaces Cérebro-Computador na Universidade de Essex, “A combinação de seres humanos e tecnologia poderia ser mais poderosa do que a inteligência artificial. Por exemplo, quando tomamos decisões com base numa combinação de percepção e raciocínio, as neurotecnologias poderiam ser utilizadas para melhorar a nossa percepção. Isto poderia ajudar-nos em situações como quando vemos uma imagem muito desfocada de uma câmara de segurança e temos de decidir se devemos intervir ou não”. (fonte)

De que são realmente capazes estas interfaces cérebro-computador?

Para Zaza Zuilhof, depende de quem se pergunta e se se está ou não disposto a ser operado. “Para efeitos desta experiência de pensamento, vamos supor que as pessoas saudáveis apenas utilizarão BCIs não invasivos, que não requerem cirurgia. Nesse caso, existem actualmente duas tecnologias principais, fMRI e EEG. A primeira requer uma máquina maciça, mas a segunda, com fones de ouvido de consumidores como o Emotiv e o Neurosky, tornou-se de facto disponível para um público mais geral”. (fonte)

Source

No entanto, O BCI também pode ser uma ferramenta de interacção promissora para pessoas saudáveis, com várias aplicações potenciais no campo dos multimédia, VR ou videojogos, entre muitas outras aplicações potenciais.

Davide Valeriani disse que “O hardware EEG é totalmente seguro para o utilizador, mas regista sinais muito ruidosos. Além disso, os laboratórios de investigação têm-se concentrado principalmente na sua utilização para compreender o cérebro e propor aplicações inovadoras sem qualquer seguimento em produtos comerciais, até agora… mas vai mudar.(fonte)

A empresa do Musk é a mais recente. A sua tecnologia de “renda neural” envolve a implantação de eléctrodos no cérebro para medir sinais. Isto permitiria obter sinais neurais de muito melhor qualidade do que o EEG – mas requer cirurgia. Recentemente, declarou que as interfaces cérebro-computador são necessárias para confirmar a supremacia do ser humano sobre a inteligência artificial”. (fonte)

Esta tecnologia ainda é perigosa! De facto, fizemos computadores e sabemos exactamente como funcionam e como “modificá-los”. No entanto, não fabricámos os nossos cérebros e ainda não sabemos realmente muito bem como funcionam. Muito menos como “invadi-los” em segurança e com sucesso. Fizemos grandes progressos, mas ainda não o suficiente.

Como o seu cérebro funciona agora, E o que está por vir

Em termos simples, o seu cérebro está dividido em duas secções principais:

  • O sistema límbico
  • O neocórtex.

O sistema límbico é responsável pelos nossos impulsos primários, bem como pelos relacionados com a sobrevivência, tais como comer e reproduzir-se. O nosso neocórtex é a área mais avançada, e é responsável por funções lógicas que nos tornam bons em línguas, tecnologia, negócios, e filosofia.

O cérebro humano contém cerca de 86 biliões de células nervosas chamadas neurónios, cada uma delas ligada individualmente a outros neurónios através de conectores chamados axónios e dendritos. Cada vez que pensamos, nos movemos ou sentimos, os neurónios estão a funcionar. De facto, o cérebro gera uma enorme quantidade de actividades neuronais. Basicamente, pequenos sinais eléctricos que se movem de neurónio para neurónio estão a fazer o trabalho.

Há muitos sinais que podem ser usados para BCI. Estes sinais podem ser divididos em duas categorias:
– Espigões
– Potenciais de campo

Podemos detectar esses sinais, interpretá-los e utilizá-los para interagir com um dispositivo.

Segundo Boris Reuderink, Consultor de Aprendizagem Mecânica na Cortext, “Um dos maiores problemas nas interfaces cérebro-computador é que os sinais cerebrais são fracos e muito variáveis. É por isso que é difícil treinar um classificador, e usá-lo no dia seguinte, quanto mais usá-lo sobre um assunto diferente”. (fonte)

Para inserir a Renda Neural, uma pequena agulha contendo a malha enrolada é colocada no interior do crânio. A malha é então injectada e revelada aquando da injecção, abrangendo o cérebro.

A inteligência artificial ou aprendizagem de máquinas tem recebido grande atenção para o desenvolvimento de aplicações BCI para resolver problemas difíceis em vários domínios, em particular, nos campos médico e robótico. Desde então, a IA/ML tornou-se a ferramenta mais eficiente para os sistemas BCI. (fonte)

Tentemos elaborar sobre estes aspectos um pouco mais abaixo. Cada um destes aspectos tem o seu próprio campo de investigação.

Produção de sinais
Existem duas formas de produzir estes sinais cerebrais:

Segundo Sjoerd Lagarde, Engenheiro de Software na Quintiq, “A geração activa de sinais tem a vantagem de que a detecção de sinais é mais fácil, uma vez que se tem controlo sobre os estímulos; sabe, por exemplo, quando eles são apresentados. Isto é mais difícil no caso em que está apenas a ler as ondas cerebrais do sujeito”

p>Detecção de sinais
Existem diferentes formas de detectar sinais cerebrais. As mais conhecidas são EEG e fMRI, mas também existem outras. O EEG mede a actividade eléctrica do cérebro, fMRI o fluxo de sangue no cérebro. Cada um destes métodos tem as suas próprias desvantagens/vantagens. Alguns têm uma melhor resolução temporal (podem detectar a actividade cerebral à medida que esta acontece), enquanto outros têm uma melhor resolução espacial (podem identificar a localização da actividade).

A ideia permanece em grande medida a mesma para outros tipos de técnicas de medição.

Processamento de sinais
Uma das questões que iremos encontrar ao lidar com dados do cérebro, é que os dados tendem a conter muito ruído. Ao utilizar o EEG, por exemplo, coisas como a moagem dos dentes aparecerão nos dados, bem como movimentos dos olhos. Este ruído precisa de ser filtrado.

Os dados podem agora ser utilizados para detectar sinais reais. Quando o sujeito está a gerar sinais activamente, estamos normalmente cientes do tipo de sinais que queremos detectar. Um exemplo é a onda P300, que é um chamado potencial relacionado com eventos que irá aparecer quando for apresentado um estímulo pouco frequente e relevante para a tarefa. Esta onda aparecerá como um grande pico nos seus dados e poderá tentar técnicas diferentes da aprendizagem mecânica para detectar tais picos.

p>Transdução de Sinais
Quando tiver detectado os sinais interessantes nos seus dados, quer utilizá-los de alguma forma que seja útil para alguém. O sujeito poderia, por exemplo, utilizar o BCI para controlar um rato por meio de movimento imaginado. Um problema que encontrará aqui é que precisa de utilizar os dados que recebe do sujeito tão eficientemente quanto possível, ao mesmo tempo que tem de ter em mente que os BCI’s podem cometer erros. Os BCI actuais são relativamente lentos e cometem erros de vez em quando (por exemplo, o computador pensa que imaginou movimento à esquerda, enquanto na realidade imaginou movimento à direita)”. (fonte)

No caso da Renda Neural, ela integra-se com o cérebro humano. Cria uma simbiose perfeita entre o humano e a máquina.

Estas duas secções funcionam simbioticamente uma com a outra. Uma camada de IA ou terceira interface poderia estar em cima delas, ligando-nos a um mundo muito novo e avançado e dando-nos a capacidade de nos mantermos no mesmo nível dos nossos amigos robôs de IA.

Esta ligação poderia dar-nos acesso a um maior armazenamento de memória, capacidades incríveis de aprendizagem da máquina e sim, comunicação do tipo telepático com outra pessoa sem necessidade de falar.

“Tem uma extensão da sua máquina na forma do seu telefone e do seu computador e todas as suas aplicações . . de longe tem mais potência, mais capacidade do que o Presidente dos Estados Unidos tinha há 30 anos atrás,” Elon Musk

Tipos de BCI

Segundo Amit Ray, Autor de Inteligência Artificial Compassiva, “Os BCI mais sofisticados são os BCI “bidireccionais” (BBCIs), que podem tanto registar como estimular o sistema nervoso.
Interfaces de computadores do cérebro podem ser classificadas em três grupos principais:

div>

Em técnicas invasivas, Os dispositivos especiais têm de ser utilizados para capturar dados (sinais cerebrais), estes dispositivos são inseridos directamente no cérebro humano por uma cirurgia crítica. Em Semi-invasivos, os dispositivos são inseridos no crânio no topo do cérebro humano. Em geral, os não invasivos são considerados o tipo de dispositivos mais seguro e de baixo custo. No entanto, estes dispositivos só podem captar sinais “mais fracos” do cérebro humano, devido à obstrução do crânio. A detecção de sinais cerebrais é conseguida através de eléctrodos colocados no couro cabeludo.

Existem várias formas de desenvolver uma interface cérebro-computador não invasiva, tais como EEG (electroencefalografia), MEG (magnetoencefalografia), ou MRT (tomografia por ressonância magnética). Uma interface cérebro-computador baseada em EEG é o tipo de BCI mais preferido para estudo. Os sinais EEG são processados e descodificados em sinais de controlo, que um computador ou um dispositivo robótico percebe prontamente. A operação de processamento e descodificação é uma das fases mais complicadas da construção de um BCI de boa qualidade. Em particular, esta tarefa é tão difícil que de tempos a tempos instituições científicas e várias empresas de software organizam concursos para criar a classificação de sinais EEG para BCI.

Convolutional Neural Network e BCI

CNN é um tipo de rede neural de IA baseada no córtex visual. Tem a capacidade de aprender as características apropriadas a partir dos dados de entrada automaticamente, optimizando os parâmetros de peso de cada filtro através da propagação para a frente e para trás a fim de minimizar o erro de classificação.

Córtex auditivo humano é organizado em organização hierárquica, semelhante ao córtex visual. Num sistema hierárquico, uma série de regiões cerebrais executa diferentes tipos de computação sobre a informação sensorial à medida que esta flui através do sistema. Regiões anteriores ou “córtex visual primário”, reagem a características simples tais como cor ou direcção. As fases posteriores permitem tarefas mais complexas tais como o reconhecimento de objectos.

Uma vantagem de utilizar uma técnica de aprendizagem profunda é que requer um pré-processamento mínimo, uma vez que as definições óptimas são aprendidas automaticamente. Em relação às CNNs, a extracção e classificação de características são integradas numa única estrutura e optimizadas automaticamente. Além disso, os dados das séries temporais fNIRS de sujeitos humanos foram introduzidos na CNN. Como a convolução é realizada de forma deslizante, o processo de extracção de características da CNN retém a informação temporal dos dados das séries temporais obtidos pelo fNIRS.

Source

No entanto, uma das maiores questões na pesquisa do BCI é a não-estacionariedade dos sinais cerebrais. Esta questão torna difícil para um classificador encontrar padrões realistas nos sinais, resultando em maus desempenhos classificatórios”. (fonte)

Como pode começar a aprender sobre BCI do zero?

Hosea Siu, estudante de doutoramento em engenharia aeroespacial, disse que ” Para interfaces directas “cérebro”, é necessário um conjunto de eléctrodos EEG, e para interfaces do sistema nervoso periférico, são necessários eléctrodos EMG.

Após conseguir obter esses dados no seu computador, terá de fazer algum condicionamento de sinal. Coisas como filtrar a frequência do sinal que procura, filtrar o ruído ambiental (o ruído de 60 Hz das linhas eléctricas é comum nos EUA…).

Depois, precisa de pensar no que está realmente a tentar que o sistema faça. Precisa dele para detectar uma mudança particular nos seus padrões EEG quando pensa na cor azul? Ou precisa dele para detectar uma mudança no seu EMG quando está a mover um dedo? E quanto ao computador? Deverá executar um programa? Digite algum texto?

P>Pense em como vai rotular os seus dados. Como é que o computador saberá inicialmente que um determinado sinal é significativo?

Esta é uma aprendizagem supervisionada. Escolha o seu método de classificação preferido, obtenha muitos dados etiquetados, e treine o seu sistema. Pode usar métodos como a validação cruzada para verificar se os seus modelos treinados estão a fazer o que pensa que devem.

Depois de tudo isto, poderá ter algo que se pareça com uma interface cérebro-computador”. (fonte)

Onde posso encontrar conjuntos de dados para aprendizagem de máquinas em interfaces cérebro-computador?

Pode encontrar vários conjuntos de dados EEG disponíveis publicamente no seguinte website:

  • Base de dados EEG livre de dados ERP disponíveis publicamente
  • Interface cérebro-computador de Berlim

Avanços recentes em inteligência artificial e aprendizagem de reforço com tecnologia de interface neural e a aplicação de várias metodologias de processamento de sinais permitiram-nos compreender melhor e depois utilizar a actividade cerebral para interagir com computadores e outros dispositivos.

Para mais informações