mały|Demonstracja interfejsu mózg-komputer Interfejs mózg–komputer (ang. brain-computer interface, BCI) – interfejs pozwalający na bezpośrednią komunikację między mózgiem a odpowiednim urządzeniem zewnętrznym. Celem badań nad interfejsem mózg-komputer są usprawnienie lub naprawa ludzkich zmysłów albo czynności ruchowych. W komercyjnych celach technologia dostępna jest np. jako zamienniki joysticka lub klawiatury.
Historia
Historia interfejsów mózg-komputer rozpoczyna się od odkrycia przez Hansa Bergera aktywności elektrycznej w mózgu człowieka oraz rozwoju elektroencefalografii. W 1924 roku Berger był pierwszym, który zarejestrował aktywność ludzkiego mózgu za pomocą elektroencefalografu (EEG). Analizując wyniki EEG, Berger był w stanie zidentyfikować aktywność mózgu taką jak fale alfa (8–12 Hz) znane również jako fale Bergera.
Pierwsze urządzenie stworzone przez naukowca było niezwykle proste. Berger umieszczał srebrne przewody pod czaszkami pacjentów. Przewody te zostały później zastąpione przez srebrne folie umieszczone na czaszce pacjenta pod gumowymi bandażami. Te czujniki Berger łączył z elektrometrem Lippmanna, lecz jego badania nieodmiennie kończyły się niepowodzeniem. Bardziej wyrafinowane urządzenia, takie jak galwanometr Siemensa z podwójną cewką, który pokazywał napięcie elektryczne rzędu jednej tysięcznej volta, doprowadziły do sukcesu.
Berger analizował powiązania wyników z EEG jego mózgu z mózgami osób chorych psychicznie. EEG umożliwiło wytyczenie wielu nowych ścieżek w badaniach nad aktywnością ludzkiego mózgu i ogromnie przyczyniło się do rozwoju diagnostyki medycznej.
Badania na zwierzętach Kilku laboratoriom udało się nagrać sygnał kory mózgowej małpy oraz szczura, aby za pomocą BCI pobudzić ruch. Małpy nawigowały kursorem na ekranie komputera oraz posługiwały się robotycznymi ramionami w zakresie prostych ruchów, po prostu myśląc o danej czynności i obserwując reakcje urządzenia. W maju 2008 roku fotografie ilustrujące małpy z Centrum Medycznego Uniwersytetu w Pittsburghu poruszające ramionami robotów przy użyciu wyłącznie myśli zostały opublikowane w wielu znanych naukowych czasopismach i magazynachBaum, Michele (6 września 2008). „Monkey Uses Brain Power to Feed Itself With Robotic Arm”. Pitt Chronicle. Odzyskano 2009-07-06.
Początkowe badania W 1969 roku badania nad warunkowaniem instrumentalnym Fetza oraz jego kolegów z Regionalnego Centrum Badań i Wydziału Fizjologii i Biofizyki na Waszyngtońskim Uniwersytecie Medycznym w Seattle pokazały po raz pierwszy, że małpy są w stanie opanować zginanie ramion robota wyposażonego w biologiczne sprzężenie zwrotne przy pomocy aktywności neuronalnejFetz, E. E. (1969). „Operant Conditioning of Cortical Unit Activity”. Science 163 (3870): 955–8. Podobna praca opublikowana w latach 70. ustaliła, że małpy potrafią w szybkim tempie nauczyć się rozmyślnie kontrolować aktywnością zarówno pojedynczych, jak i tych znajdujących się w grupach neuronów pierwotnej kory ruchowej, jeżeli były nagradzanie za generowanie odpowiednich wzorców aktywności neuronalnejSchmidt, EM; McIntosh, JS; Durelli, L; Bak, MJ (1978). „Fine control of operantly conditioned firing patterns of cortical neurons”. Experimental neurology 61 (2): 349–69.
Badania, których celem było opracowanie algorytmów służących do rekonstrukcji ruchów z neuronów kory ruchowej, datowane są na lata 70. W latach 80. Apostolos Georgopoulos, wywodzący się z Uniwersytetu Johnsa Hopkinsa, odkrył matematyczny związek między elektrycznymi sygnałami neuronów kory ruchowej małp makaków rezusów i kierunkiem ruchu ich ramion (bazując na funkcji cosinusa). Odkrył on również, że rozproszone grupy neuronów, w różnych obszarach mózgów małp, wspólnie kontrolowały polecenia ruchu. Niestety, z uwagi na panujące wówczas ograniczenia techniczne, był on w stanie rejestrować aktywność tylko jednego obszaru zapłonów neuronów jednocześnieGeorgopoulos, A.; Lurito, J.; Petrides, M; Schwartz, A.; Massey, J. (1989). „Mental rotation of the neuronal population vector”. Science 243 (4888): 234–6.
W połowie lat 90. pojawił się, trwający do dziś, gwałtowny wzrost zainteresowania badaniami BCILebedev, MA; Nicolelis, MA (2006). „Brain-machine interfaces: past, present and future”. Trends in neurosciences 29 (9): 536–46. Kilku zespołom udało się przechwycić skomplikowane sygnały kory ruchowej mózgu rejestrując stan zespołów neuronów i używając ich do kontroli urządzeń zewnętrznych. Ważniejsze grupy badawcze były prowadzone przez Richarda Andersena, Johna Donoghueego, Philipa Kennedy’ego, Miguela Nicolelisa i Andrew Swartza.
Kennedy i Yang Dan Philip Kennedy (który odkrył sygnał neuronowy w 1987 roku) i jego koledzy stworzyli pierwszy dokorowy interfejs mózg-komputer poprzez wszczepienie neurotropowych stożków elektrod do mózgów małp. W 1999 roku badacze prowadzeni przez Yanga Dana z Uniwersytetu Kalifornii w Berkeley zdekodowali impulsy neuronowe, co umożliwiło im odtworzenie obrazów widzianych przez koty. Zespół użył siatki elektrod usytuowanych na wzgórzu ciała kolankowatego (które integruje wszystkie bodźce zmysłowe mózgu) kotów. Badacze nakierowali elektrody na 177 komórek mózgowych w obszarze wzgórza ciała kolankowatego bocznego, który dekoduje obrazy z siatkówki. Kotom pokazano osiem krótkich filmów, następnie nagrano impulsy neuronowe z ich mózgów. Korzystając z matematycznych filtrów, badacze zdekodowali sygnały, by utworzyć filmy z tego, co widziały koty i udało im się odtworzyć rozpoznawalne sceny i poruszające się obiektyStanley, GB; Li, FF; Dan, Y (1999). „Reconstruction of natural scenes from ensemble responses in the lateral geniculate nucleus”. Journal of Neuroscience 19 (18): 8036–42. Podobne sukcesy w badaniach nad ludźmi odnieśli później badacze z Japonii.
Nicolelis mały|Diagram BCI rozwijany przez Nicolelisa i współbadaczy do użytku przez małpy rezus Miguel Nicolelis, profesor Uniwersytetu Duke’a w Durham w Karolinie Północnej, był orędownikiem korzystania z wielu elektrod rozmieszczonych na większym obszarze mózgu, w celu uzyskania sygnałów neuronowych do kierowania BCI. Takie zespoły neuronowe zwiększają precyzję i ułatwiają kontrolę interfejsu mózg-komputer. Po przeprowadzeniu wstępnych badań na szczurach w 1990 Nicolelis i jego koledzy opracowali BCI, które dekodowało aktywności mózgu małp sowich i używało zewnętrznego urządzenia do odtworzenia ruchów małp w ramionach robotów. Małpy mają zaawansowane umiejętności chwytania i sięgania i dobre umiejętności manipulacyjne rąk, co czyni je idealnymi obiektami badań do tego rodzaju pracy. W 2000 roku grupa zbudowała BCI, które odtwarzało ruchy małp sowich w czasie gdy te operowały joystickiem lub sięgały rękoma po jedzenieNicolelis, Miguel A. L.; Wessberg, Johan; Stambaugh, Christopher R.; Kralik, Jerald D.; Beck, Pamela D.; Laubach, Mark; Chapin, John K.; Kim, Jung et al. (2000). „Real-time prediction of hand trajectory by ensembles of cortical neurons in primates”. Nature 408(6810): 361–5. Interfejs ten działał w czasie rzeczywistym i mógł także przesyłać dane zdalnie do innego robota, korzystając z protokołu internetowego. Małpy jednak nie widziały robota ani nie otrzymywały żadnej odpowiedzi od interfejsu, nazwano więc go BCI z otwartą pętlą. Późniejsze eksperymenty Nicolelisa na małpach rezus zaowocowały w zamknięciu pętli BCI i pozwoliły odtworzyć ruchy małp na ramionach robotów. Małpy rezus uznawane są za lepsze obiekty do badań ze względu na ich budowę mózgu zbliżoną do ludzkiego. Małpy wstępnie operowały ramieniem używając joysticka i widząc obraz na ekranie komputeraCarmena, JM; Lebedev, MA; Crist, RE; O’Doherty, JE; Santucci, DM; Dimitrov, DF; Patil, PG; Henriquez, CS et al. (2003). „Learning to control a brain-machine interface for reaching and grasping by primates”. PLoS Biology 1 (2): E42Lebedev, M. A.; Carmena, JM; O’Doherty, JE; Zacksenhouse, M; Henriquez, CS; Principe, JC; Nicolelis, MA (2005). „Cortical Ensemble Adaptation to Represent Velocity of an Artificial Actuator Controlled by a Brain-Machine Interface”. Journal of Neuroscience 25 (19): 4681–93. Później pokazano im robota bezpośrednio i nauczono kontrolować ramię poprzez obserwowanie jego ruchów. BCI wykorzystało prognozy prędkości z poprzedniego badania, by kontrolować zasięg uchwytu, a także siłę zacisku „dłoni”.
Donoghue, Schwartz i Andersen Inne laboratoria, które zbudowały BCI zdolne odtworzyć sygnały neuronowe, prowadzone były między innymi przez Johna Donoghue z Uniwersytetu Browna, Andrew Swartza z Uniwersytetu Pittsburga oraz Richarda Andresena z Caltech. Badacze ci byli w stanie odtworzyć sygnały neuronowe z dużo mniejszej liczby neuronów niż Nicolelis (15-30 w porównaniu do 50-200 u Nicolelisa). Grupa Donoghue'a nauczyła małpy rezus, by te używały interfejsu mózg-komputer do śledzenia obiektów na ekranie komputera (zamknięta pętla) z oraz bez używania joystickaSerruya, MD; Hatsopoulos, NG; Paninski, L; Fellows, MR; Donoghue, JP (2002). „Instant neural control of a movement signal”. Nature 416 (6877): 141–2. Grupa Schwartza stworzyło BCI pozwalające na śledzenie obiektów w przestrzeni trójwymiarowej i odtworzenie ruchów w ramieniu robotaTaylor, D. M.; Tillery, SI; Schwartz, AB (2002). „Direct Cortical Control of 3D Neuroprosthetic Devices”. Science 296 (5574): 1829–32. Udało im się dokonać przełomu, pokazując, że ich małpy potrafiły nakarmić się kawałkami owoców, używając ramienia robota sterowanego wyłącznie przez myśli tych małp., Pittsburgh Tribune Review, 5 September 2006YouTube – Monkey controls a robotic arm. Youtube.com. Retrieved on 2012-05-29Velliste, M; Perel, S; Spalding, MC; Whitford, AS; Schwartz, AB (2008). „Cortical control of a prosthetic arm for self-feeding”. Nature 453 (7198): 1098–101 Grupa Andersena używała nagrań ruchów wstępnych z tylnej kory ciemieniowej w ich BCI, w tym sygnałów mózgu zwierząt, które oczekiwały na nagrodęMusallam, S.; Corneil, BD; Greger, B; Scherberger, H; Andersen, RA (2004). „Cognitive Control Signals for Neural Prosthetics”. Science 305 (5681): 258–62.
Neuralink Eksperymenty w tym zakresie prowadzi również firma Neuralink, założona m.in. przez Elona Muska. Celem firmy jest stworzenie implantu, który pozwoliłby na obsługę komputerów i innych urządzeń elektronicznych za pomocą myśli. Wszczep łączyłyby z mózgiem elastyczne nici (o średnicy 4–6 mikrometrów) z elektrodami. 16 lipca 2019 Elon Musk poinformował, że Neuralink doprowadził do tego, iż małpa, dzięki specjalnemu wszczepowi, mózgiem obsługiwała komputer.
Inne badania Oprócz przewidywania kinematycznych i kinetycznych parametrów ruchów kończyn rozwijane są interfejsy mózg-komputer do przewidywania elektromiograficznej lub elektrycznej aktywności mięśni naczelnychSantucci, David M.; Kralik, Jerald D.; Lebedev, Mikhail A.; Nicolelis, Miguel A. L. (2005). „Frontal and parietal cortical ensembles predict single-trial muscle activity during reaching movements in primates”. European Journal of Neuroscience 22 (6): 1529–40. Takie BCI może być stosowane w celu przywrócenia mobilności w sparaliżowanych kończynach przez elektryczną stymulację mięśni.