Достижения в изучении нейрокогнитивных процессов и в расшифровке психических состояний по сигналам мозга породили целый ряд потенциальных их нейротехнологических приложений.
В обзоре, опубликованном в журнале Frontiers in Neuroscience в ноябре 2016 года, авторы рассматривают все эти разработки в широком диапазоне и оценивают их ближайшие и далёкие перспективы. В основном, речь идет о немедицинском применении нейроинтерфейсов, где они выступают в том числе в качестве удачных исследовательских инструментов для достижения тех или иных целей. Однако, учёные здесь также обсуждают причины, по которым требуется приложить ещё немало усилий, чтобы такие системы могли справляться со всей сложностью реального мира.
Шесть лет назад авторы уже делали обзор немедицинского использования интерфейсов мозг-компьютер, но за эти годы количество исследований выросло во много раз, и в настоящей статье авторы из Берлина делают фокус в основном на собственные разработки (недаром статья названа The Berlin Brain-Computer Interface: Progress Beyond Communication and Control – «Берлинский ИМК: прогресс за рамками коммуникации и управления»).
Как можно использовать нейроинтерфейсы?
Во-первых, их можно использовать в качестве инструмента для исследований и проводить с их помощью различные оценки, в том числе мгновенную оценку психического статуса и текущий процесс в эксперименте. Например, изучать то, как происходит обработка музыки в мозге. Современные технологии позволяют добиться большой точности получаемой информации и перейти от искусственной среды, где даются определённые звуковые стимулы, к естественным условиям обычного прослушивания музыкальных композиций.
Целевая группа здесь – исследователи, а все эксперименты проводятся в лабораториях. Спектр всевозможных действий со стороны экспериментатора здесь широкий, и не страшно, даже если у кого-то из участников что-то сломается или выйдет из строя – всегда можно повторить.
Во-вторых, они могут выступать в качестве апгрейда других устройств, интерфейсов или целой инфраструктуры. Например, человек изучает какой-то продукт или взаимодействует со средой, а в этот момент его мозговая активность фиксируется, и можно в соответствии с ней проводить какие-то настройки, позволяющие систему улучшить. Так можно тестировать и оптимизировать, скажем, навигацию автомобилей в зависимости от того, насколько на неё отвлекается водитель. Эти данные трудно получить с помощью анкетирования, а с помощью интерфейсов – не проблема. Таким же образом можно анализировать безопасность перекрестков, мостов и других оживленных городских объектов, требующих внимания и маневренности.
Здесь целевая группа – компании, разрабатывающие то или иное устройство, или учреждения, ответственные за инфраструктуру. В основном, им также некритично полагаться на режим реального времени, хотя зачастую сценарии носят среднесрочных характер, требуя исследовать параллельно и когнитивные, и перцептивные процессы. Но при этом они не требуют легкие и максимально мобильные экспериментальные установки, поэтому могут выбирать любую в зависимости от целей исследования.
В-третьих, интерфейсы могут служить своеобразным усилением «мощности» самого человека, его действий, используя анализ предполагаемого действия и его исполнения, например, экстренного торможения при аварии. Потенциально такую реакцию можно ускорить, но тут появляется некоторый риск, что действие тогда воплотится в качестве преждевременного намерения, что исключит случайность ситуации и возможность её оценки именно «в последний момент».
Это наиболее прогрессивная область, где требования повышены как к точности получаемой информации, так и к простоте эксплуатации интерфейса, для чего он должен подходить любому человеку и быть максимально легким, удобным в использовании. На данный момент эта концепция пока не готова к применению в режиме реального мира со всей его динамичностью, но работы ведутся.
Нейротехнологии для вождения автомобиля
Нейрофизиологический мониторинг может сыграть очень неплохую роль для анализа мозга во время вождения машины. Исследование мозговой активности водителя позволяет обнаружить какие-то специфические состояния мозга прежде, чем они достигнут сознания и вызовут поведенческие действия. Такие нейроэргонометрические подходы представляют немалый интерес, позволяя понять физиологию в моменты времени, критичные с точки зрения безопасности. Иными словами, потенциально опасную ситуацию можно выявить прежде, чем пользователь её осознает и будет в состоянии (или нет) среагировать на неё.
Для этого проводится ЭЭГ-мониторинг работы мозга при реальном или моделируемом вождении, исследование усталости и внимания при монотонном движении по дороге, а также время реакции, когда задача резко сменяется, и нужно найти новое решение. Работы некоторых авторов (Khaliliardali et al., 2015; Zhang et al., 2015) показали, что при этом возможно обнаружить ошибку и опережающий потенциал, которые могут использоваться для того, чтобы повысить безопасность вождения.
В чрезвычайных ситуациях, вызванных препятствиями на дороге, водители должны быстро реагировать торможением. Такие события приводят к каскаду нервно-психических реакций от восприятия и оценки чрезвычайной ситуации к активизации мышц нижних конечностей, которые отпускают педаль газа и жмут на педаль тормоза. Из-за задержки, которая присуща любой двигательной реакции, и из-за сложности требуемого движения время между стимулом и началом эффективного торможения транспортного средства достигает порядка 1 секунды, даже если решение о тормозе делается на несколько сотен миллисекунд раньше. Для этого исследователи (Haufe et al. (2014) пытались как можно раньше выявлять тормозное намерение водителей и с помощью этого настраивать автомобиль таким образом, чтобы он сам начинал автоматически тормозить или мог смягчать последствия аварии, затягивая ремни безопасности.
Качество видео, рабочая нагрузка и взаимодействие человека с компьютером
Ряд исследователей (Bosse et al. (2014, 2015) , Acqualagna et al. (2015) и другие) занимался оценкой параметров мозга для того, чтобы измерять качество видео и на основе этих данных разрабатывать максимально реальную «картинку». Скорее всего, это покажется наиболее полезным индустрии видеоигр и компаниям, которые выпускают продукты, так или иначе использующие виртуальную реальность. Еще одно важное применение ИМК, которое удостоилось отдельной главы в обзоре – это использование их в исследовании восприятия музыки человеком. Эта тема достойна отдельного обзора, и, вероятно, мы посвятим ей отдельную статью.
Другой аспект применения – оценка нагрузки, которую несут сотрудники разных предприятий, в особенности рабочие производств. К примеру, высокий уровень автоматизации требует от операторов выполнения монотонной работы с сохранением внимания и высокой концентрации типа управления воздушным движением или промышленными установками. В таких рабочих средах постоянно высокий уровень бдительности может приводить к перегрузке человека-оператора, что, в свою очередь, потенциально имеет критические последствия для здоровья, безопасности и эффективности труда.
Оценки рабочей нагрузки могут использоваться для того, чтобы предотвращать нервную или эмоциональную перегрузку и создавать адаптивные системы, которые автоматически смогут регулировать уровень взаимодействия человека и машины. Ещё одна задача – подготовка интерфейса, отображающего текущую загруженность тренера или человека, занимающегося самостоятельным обучением, который облегчит процесс обучения или, например, выровняет уровни сложности, чтобы достичь большего прогресса. Методики также могут быть использованы для улучшения инфраструктуры и маневров, которые могут вызывать повышенную нагрузку.
Помимо этого, интерфейсы позволяют компьютеру лучше «понять» человека во время того, когда он показывает какие-то навыки (soft skills) или выполняет задачи, например, по поиску лиц в толпе. Взаимодействие со сложным интерфейсом облегчается, если система способна использовать неявную информацию о когнитивном состоянии своих пользователей через оценку физиологических сигналов. Движения глаз, размер зрачка, электродермальная активность, электромиография лица (считывание работы мимических мышц), и другие периферические сигналы позволяют «заглянуть в мысли» пользователя, выясняя его текущее внимание, погружённость или намерения.
Это можно использовать во многих областях: видеоиграх, повышении эффективности труда и более внимательному взаимодействию нейроинтерфейсов с пациентами, нуждающимися в помощи.
Таким образом, как говорят авторы, интерфейсы мозг-компьютер на основе электроэнцефалографии уже выходят за рамки классического определения Джонатана Вольпоу («технология, которая позволяет человеку научиться передавать коммуникационные и управляющие команды внешним объектам без участия нервов и мышц»), и этот выход сулит значительную пользу человеку.
Текст: Анна Хоружая