Ein Forschungsteam der Yale University in den Vereinigten Staaten gab kürzlich bekannt, dass es erfolgreich ein neues Gehirn-Computer-Schnittstellensystem (BCI) entwickelt hat, das virtuelle Charaktere in Videospielen in Echtzeit steuern kann, indem es sich ausschließlich auf die Gehirnaktivität des Benutzers verlässt, ohne herkömmliche Griffe oder Controller. Die Forscher sagten, dass dieses System durch die „Einhaltung“ der inhärenten neuronalen Aktivitätsstruktur des menschlichen Gehirns eine schnelle Inbetriebnahme in sehr kurzer Trainingszeit erreicht und viele Bereiche wie medizinische Rehabilitation, Interventionen im Bereich der psychischen Gesundheit und Mensch-Computer-Interaktion voraussichtlich neu gestalten wird.
Die Studie nutzte die funktionelle Magnetresonanztomographie (fMRT), um die Gehirnaktivität der Probanden in Echtzeit zu überwachen und diese Signale in Spielanweisungen umzuwandeln. Die Forschungsergebnisse wurden kürzlich in der Fachzeitschrift Nature Neuroscience veröffentlicht. Das Team stellte fest, dass Benutzer deutlich schneller lernen können, das System mit „Gedanken“ zu steuern, wenn das Design der Gehirn-Computer-Schnittstelle zu den vorhandenen Nervenbahnen und Aktivitätsmustern des Gehirns passt, und auch die Aktivitäten des Gehirns selbst werden adaptiv neu organisiert.
Die Erstautorin der Arbeit, Erica Busch, die gerade ihr Doktoratsstudium in Yale abgeschlossen hat, wies darauf hin, dass die Gehirnaktivität nicht chaotisch ist, sondern entlang einer etablierten „neuronalen Mannigfaltigkeit“ abläuft. Wenn die Gehirn-Computer-Schnittstelle dieser natürlichen Struktur entspricht, wird der Lernaufwand erheblich reduziert und der Benutzer kann in kurzer Zeit stabile Kontrollfähigkeiten erlangen; im Gegenteil, wenn das System vom Gehirn unnatürliche Aktivitätsmuster verlangt, wird der Lerneffekt kaum wesentlich verbessert.
Gehirn-Computer-Schnittstelle ist eine Technologie, die es Menschen ermöglicht, über Gehirnaktivitäten direkt mit Computern zu interagieren. Die Forschung im Zusammenhang mit dem Menschen wird schon seit vielen Jahren betrieben, doch die Praktikabilität und Lerneffizienz vieler Systeme ist immer noch begrenzt. Früher erforderten Gehirn-Computer-Schnittstellen auf Basis von Echtzeit-fMRT in der Regel bis zu zehn lange Trainingseinheiten, die Leistungssteigerung war jedoch sehr begrenzt. Ungefähr einem Drittel der Teilnehmer gelang es trotz intensiver Übung nicht, die effektive Steuerung des Systems zu erlernen. Das Busch-Team glaubt, dass dies größtenteils auf die Art und Weise zurückzuführen ist, wie traditionelle Systeme konzipiert sind: Sie ignorieren oft die inhärente Organisationsstruktur des Gehirns und zwingen Benutzer dazu, „gegen die natürlichen Gewohnheiten des Gehirns“ zu lernen.
Um die Idee der „Einhaltung der geometrischen Struktur des Gehirns“ zu überprüfen, rekrutierte das Forschungsteam eine Gruppe gesunder junger Probanden und arrangierte für sie die Teilnahme an vier fMRT-Experimenten. In der ersten Versuchsrunde steuerten die Teilnehmer mit physischen Joysticks eine virtuelle Figur im Scanner, um sich in der Szene zu bewegen, während die Forscher ihre Gehirnaktivität aufzeichneten. Das Team konzentrierte sich auf Gehirnbereiche, die mit Navigation und räumlicher Bewegung in Zusammenhang stehen, und führte dann einen Algorithmus „T-PHATE“ ein, der in früheren Forschungen entwickelt wurde, um die individuelle „neuronale Mannigfaltigkeit“ jedes Teilnehmers zu extrahieren, d. h. die natürliche strukturelle Flugbahn seiner Gehirnaktivität.
Basierend auf dieser „Gehirnaktivitätskarte“ konstruierten die Forscher für jedes Subjekt drei verschiedene Sätze von „Gehirnkontroll-Spiel-Mapping“-Systemen. Der erste Satz ist „intuitives Mapping“, das eine Verbindung zu den stärksten und natürlichsten Aktivitätsmustern im Gehirn herstellt; die zweite Gruppe ist die „intra-manifold perturbation“, die immer noch auf der inhärenten Struktur des Gehirns beruht, sich aber auf relativ geringfügige Aktivitätsmuster verlagert; und die dritte Gruppe ist die „extra-manifold perturbation“, bei der das Gehirn Aktivitätsmuster erzeugen muss, die es selten auf natürliche Weise erzeugt. Mit anderen Worten, diese drei Systeme repräsentieren jeweils drei unterschiedliche Designideen: „mit dem Trend gehen“, „widerwillig mit dem Trend gehen“ und „völlig gegen den Trend gehen“.
In den folgenden drei Experimenten baute das Forschungsteam ein geschlossenes System auf, das alle zwei Sekunden neue Gehirnscandaten sammelte und diese Informationen sofort in Bewegungsanweisungen für die virtuelle Figur umwandelte. Die Teilnehmer verließen sich ausschließlich auf „Ideen“, um zu versuchen, das Spiel zu steuern, wobei jedes Experiment einer Zuordnungsmethode entsprach. Die Ergebnisse zeigen, dass Probanden in der Regel in weniger als einer Stunde lernen können, die Figur relativ gut zu kontrollieren, wenn die Gehirn-Computer-Schnittstelle der natürlichen Mannigfaltigkeit des Gehirns folgt, und manche Menschen sind sogar deutlich schneller; Unter der Bedingung einer „Out-of-Manifold-Störung“ kann fast niemand in der gleichen Zeit wirklich die Kontrolle erlangen.
Neben der Verhaltensleistung zeigt auch das Gehirn selbst erhebliche adaptive Veränderungen. Wenn die Teilnehmer nach und nach die „Gedankenkontrolle“ beherrschen, werden die Aktivitätsmuster relevanter Gehirnbereiche neu organisiert, um den Bedürfnissen des Systems besser zu entsprechen. Unter bestimmten Umständen hängt der Grad dieser Reorganisation stark von der operativen Ebene des Teilnehmers ab; Gleichzeitig beschränkt sich diese Veränderung nicht auf den zunächst anvisierten Bereich des Navigationshirns, sondern breitet sich auf ein breiteres neuronales Netzwerk aus. Forscher glauben, dass die „neuronale Mannigfaltigkeit“ sowohl eine Einschränkung als auch eine Chance für das Lernen darstellt – sie bestimmt, was Menschen lernen können und wie schnell sie lernen können.
Diese Entdeckung bietet auch eine neue Perspektive für das Verständnis des Erlernens menschlicher Fähigkeiten. Das Forscherteam wies darauf hin, dass der Grund dafür, dass bestimmte Fähigkeiten relativ leicht zu erlernen sind, möglicherweise nicht nur von der persönlichen Anstrengung oder dem Talent abhängt, sondern auch eng damit zusammenhängt, ob die Aufgabe selbst mit der vorhandenen Struktur des Gehirns „übereinstimmt“. Menschen neigen dazu, schnell für Aufgaben zu lernen, die den natürlichen Mustern des Gehirns sehr nahe kommen; Wenn die Aufgabengestaltung jedoch erheblich von diesen Mustern abweicht, wird kein Training viel bewirken.
Auf angewandter Ebene gehen die potenziellen Auswirkungen dieser Forschung weit über das Labor hinaus. Im Bereich der psychischen Gesundheit glauben Forscher, dass Interventionen bei Krankheiten wie Depressionen und Angstzuständen möglicherweise wirksamer sind, wenn sie „Schritt für Schritt“ entlang der bestehenden Aktivitätsmuster des Gehirns angepasst werden können, anstatt zu versuchen, die Schaltkreise des Gehirns völlig neu zu gestalten. Bei Patienten mit Bewegungs- oder Kommunikationsstörungen soll dieses an die Gehirnstruktur angepasste Designkonzept auch zu einer stabileren und zuverlässigeren nicht-invasiven Gehirn-Computer-Schnittstelle führen, die es ihnen ermöglicht, externe Geräte auf natürlichere Weise über Gehirnsignale zu steuern.
Im weiteren Sinne könnte der Ansatz auch zur Verbesserung der kognitiven Fähigkeiten gesunder Menschen eingesetzt werden. Durch die Gestaltung von Trainingsprogrammen rund um die natürliche Organisation des Gehirns können Menschen möglicherweise neue Fähigkeiten effizienter erlernen und ihre Aufmerksamkeit und Gedächtnisleistung optimieren. Wie Busch sagte, investieren Menschen viele Ressourcen in Bildung, Ausbildung und Behandlung, in der Hoffnung, eine „bessere Version ihrer selbst“ zu werden. Ein wirkliches Verständnis der Struktur ihres eigenen Gehirns könnte der Schlüssel zu einer erheblichen Verbesserung der Effizienz dieses Prozesses sein.
Die Forschung wurde gemeinsam von Erica L. Busch, E. Chandra Fincke, Guillaume Lajoie, Smita Krishnaswamy, Nicholas B. Turk-Browne und anderen durchgeführt. Der Artikel trägt den Titel „Menschliches Lernen nichtinvasiver Gehirn-Computer-Schnittstellen über vielfältige Geometrie“. Die Forschung wurde von der U.S. National Science Foundation, den Canadian Institutes for Advanced Study, der Sloan Foundation und mit dem U.S. Department of Health and Human Services verbundenen Agenturen finanziert.