Systemen die gedachten kunnen verwerken en vertalen naar opdrachten om objecten te verplaatsen zijn erg handig voor mensen die niet kunnen praten of bewegen, maar ze hebben een nadeel: ze veroorzaken mentale vermoeidheid.
De Mexicaanse wetenschapper heeft een intelligente interface ontwikkeld die tot 90% van de gebruikersinstructies kan leren om autonoom te werken en vermoeidheid te verminderen.
Het project, Automating the Brain-Machine Interface System, is een initiatief van Christian Isaac Peñalosa Sánchez, PhD in Applied Robotics Cognitive Neuroscience aan de Osaka University, Japan.
“Ik werk nu drie jaar aan dit project, het is gebaseerd op een brain-machine interface. Zijn functie is om de activiteit van neuronen te meten om een signaal te ontvangen dat door het denken wordt gegenereerd, dit te verwerken en om te zetten in een opdracht om bijvoorbeeld een robotprothese, een muis of huishoudelijke apparaten te verplaatsen”, zegt de wetenschapper.
Hij legt uit dat dit systeem bestaat uit elektroden die zich op de menselijke hoofdhuid bevinden. Ze meten hersenactiviteit in de vorm van EEG-signalen. Signalen worden gebruikt om patronen te detecteren die worden gegenereerd door verschillende gedachten en mentale toestanden van de gebruiker.
Het systeem bevat ook een grafische interface met beschikbare apparaten of objecten die EEG-signalen interpreteren en gebruikersopdrachten ontvangen.
Promotie video:
Bovendien worden draadloze sensoren in de kamer verspreid en worden omgevingsgegevens (temperatuur en verlichting) verzameld; mobiele hardwareschijven die apparaten in- en uitschakelen, en een algoritme voor kunstmatige intelligentie.
"Deze laatste verzamelt gegevens van draadloze sensoren, elektroden en gebruikerscommando's om de correlatie tussen de omgeving van de kamer, de mentale toestand van een persoon en zijn activiteiten te onthullen", aldus Christian Peñalosa.
Hij voegt eraan toe dat het systeem onafhankelijk moet worden om gebruikers te verlichten van de mentale vermoeidheid en frustratie als gevolg van hoge concentratie gedurende de lange perioden die onvermijdelijk zijn met dergelijke systemen. Dit is wat Christian probeerde te doen.
“We hebben het systeem leermogelijkheden geboden door intelligente algoritmen te implementeren die geleidelijk de voorkeuren van gebruikers leren. Op een gegeven moment kan het systeem de controle over de meeste apparaten overnemen, waardoor de gebruiker zich op een ander doel kan concentreren."
Een persoon kan het bijvoorbeeld gebruiken om een elektrische rolstoel te besturen terwijl hij naar een woonkamer gaat met behulp van basiscommando's (vooruit, achteruit, links en rechts) die het systeem al heeft geleerd. De volgende keer dat de gebruiker dezelfde route wil nemen, hoeft hij alleen maar op een knop te drukken of na te denken, de kinderwagen brengt hem naar zijn bestemming.
Zodra het systeem automatisch werkt, hoeft de gebruiker zich niet langer te concentreren op het beheren van verschillende apparaten. Het systeem blijft echter EEG-gegevens verzamelen om het foutsignaal te detecteren. Het ontstaat als mensen gealarmeerd zijn: het systeem of ze hebben zelf iets verkeerd gedaan.
Als de kamertemperatuur bijvoorbeeld vrij hoog is, wil de gebruiker dat het raam automatisch opengaat en schakelt het systeem de tv in. Het menselijk brein registreert deze handeling als onjuist. Het systeem ontvangt een signaal over de fout en probeert deze te corrigeren.
Peñalosa's inspanningen leidden tot significante resultaten: bij een aantal proefpersonen nam hun niveau van mentale vermoeidheid inderdaad af na het werken met het systeem. Het leerniveau van dergelijke systemen is ook aanzienlijk toegenomen.
