Дипфейки и мозговые нейрочипы: как связаны технологии

Созданные синтетические данные могут использоваться в алгоритмах машинного обучения для повышения удобства интерфейсов мозг-компьютер (BCI).

Системы BCI работают при помощи анализа сигналов мозга и переработки этой нейронной активности в команды. Такой подход позволяет пользователю управлять цифровыми устройствами при помощи силы мысли. Такие устройства помогут улучшить качество жизни людям с ограниченными способностями.

GAN могут создавать неограниченное количество новых похожих изображений, поэтому специалисты задались вопросом, как состязательные сети справятся с задачей создания обучающих данных для BCI путем генерации синтетических неврологических данных. Оказалось, что данные, созданные GAN, практически неотличимы от реальных.

Пациенты с параличом не могут обеспечить достаточно надежные мозговые сигналы для алгоритмов BCI. Команда специалистов провела эксперимент, в ход которого им удалось сгенерировать синтетические нейронные данные при помощи состязательных сетей.

Нейронные данные, синтезированные с помощью GAN, совмещенные в реальными данными, улучшили общую скорость обучения BCI до 20 раз. Такая система позволит лучше адаптировать интерфейсы мозг-компьютер к работе в реальных условиях.

Синтетические данные, сгенерированные GAN, могут привести к прорыву в других областях искусственного интеллекта, требующих больших объемов данных, за счет ускорения обучения и повышения производительности.