Brain Computer Interface (BCI) ermöglicht die Zusammenarbeit zwischen Gehirn und Maschine. Diese Schnittstelle wurde entwickelt, damit verlorene sensorische Informationen an das Gehirn übertragen werden können oder das Gehirn durch künstliches Erzeugen elektrischer Signale  stimuliert wird. Aber auch vice versa, d.h. dass die Signale eines aktiven Gehirns genutzt werden können, um eine Maschine das machen zu lassen, was man will. BCI kann nicht dafür genutzt werden um Gedanken zu lesen. Aber es kann das Leben von Menschen mit körperlichen Einschränkungen dramatisch verbessern.

 

Das Gehirn ist sehr komplex. Es besteht aus ca. 100 Milliarden Neuronen, die ständig Signale empfangen und/oder senden. Dadurch entsteht eins der komplexesten Netzwerke die wir kennen. Hinzu kommen noch diverse chemische Prozesse die wir erst nach und nach zu verstehen lernen.

Wir bei SNAP messen diese Signale mittels nichtinvasiver Elektroenzephalographen (EEG). Das sind Elektroden, die das Potential auf unserem Kopf messen. Die so gewonnenen Spannungsunterschiede auf dem Kopf geben Aufschluss darüber, ob man gerade sieht, hört, fühlt, aktiv ist oder schläft.

Die Möglichkeit nicht-invasive BCI‘s zu verwenden, für die keine Operation erforderlich ist, macht den Einsatz dieser Technologie auch über rein medizinische Zwecke hinaus möglich und interessant. In diesem Fall gibt es zwei Haupttechnologien: fMRI und EEG. Die erste erfordert eine riesige Maschine, die zweite mit handlichen Headsets ist für ein allgemeineres Publikum benutzbar.

 

BCI kann daher auch ein vielversprechendes Interaktionswerkzeug für gesunde Menschen sein, mit mehreren potenziellen Anwendungen im Bereich Multimedia, VR oder Videospielen neben vielen anderen weiteren potenziellen Anwendungssmöglichkeiten.

 

Die EEG-Hardware ist für den Benutzer absolut sicher, die empfangenen Signale werden jedoch häufig durch Störungen überlagert.

Dadurch ergeben sich mitunter Probleme bei der Interpretation von EEG-Daten, da die Daten viele Störgeräusche enthalten, welche z. B. durch Zähneknirschen, Augenbewegungen oder Netzrauschen ausgelöst werden. Diese Störsignale müssen erkannt und herausgefiltert werden.

Danach können diese Daten zur Auswertung der tatsächlichen Signale verwendet werden.

Ein Beispiel, dieser vom Gehirn erzeugten Signale, ist die P300-Welle, ein sogenanntes ereignisbezogenes Potenzial, das sich zeigt, wenn ein seltener aufgabenrelevanter Reiz erzeugt wird. Diese Welle wird in dem Datenverlauf als großer Peak angezeigt und verschiedene Techniken des maschinellen Lernens können genutzt werden, um solche Peaks zu erkennen.

 

Wurden die interessanten Signale aus den Daten herausgefiltert, sollen diese auch maximal effizient genutzt werden. Die möglichen Anwendungsszenarien lassen sich zur Zeit nur erahnen. Mit steigender Digitalisierung wächst aber auch die Anzahl verschiedenster Steuerungsanwendungen.

 

 

Wie funktioniert ein Brain-Computer-Interface

 

Vereinfacht dargestellt ist das Gehirn in zwei Hauptabschnitte unterteilt:
Das limbische System und der Neocortex.

Das limbische System ist verantwortlich für unsere Urtriebe sowie für das Überleben, wie das Essen und die Fortpflanzung.

 

Unser Neocortex ist der am weitesten fortgeschrittene Bereich und ist für logische Funktionen verantwortlich, die uns zur Nutzung von Sprachen, Technologie, Geschäft und Philosophie befähigen.

Das menschliche Gehirn enthält ungefähr 86 Billionen-Nervenzellen, die als Neuronen bezeichnet werden und jeweils einzeln mit anderen Neuronen über Verbindungselemente, die als Axonen und Dendriten bezeichnet werden, verknüpft sind. Jedes Mal, wenn wir denken, uns bewegen oder fühlen, sind Neuronen aktiv. Tatsächlich erzeugt das Gehirn sehr viele neuronale Aktivitäten. Grundsätzlich sind kleine elektrische Signale, die sich von Neuron zu Neuron bewegen, für die kognitiven Prozesse verantwortlich.

Es gibt viele Signale, die für BCI`s verwendet werden können. Diese Signale können in zwei Kategorien unterteilt werden: Spikes und Feldpotentiale.
Diese können erkannt, interpretiert und zur Interaktion mit einem Gerät verwandt werden.

Künstliche Intelligenz oder maschinelles Lernen hat in Bezug auf die Entwicklung von BCI-Anwendungen zur Lösung schwieriger Probleme in verschiedenen Bereichen, insbesondere im medizinischen und dem der Robotik, große Aufmerksamkeit erfahren.

AI / ML ist seitdem das effizienteste Werkzeug für BCI-Systeme.

Gefördert durch:

SNAP GmbH - Universitätsstr. 136 - 44799 Bochum

© 2018 by SNAP GmbH