腦機(jī)接口AI計(jì)算平臺(tái)Mind ++ 能否打通腦機(jī)從實(shí)驗(yàn)室原型到產(chǎn)業(yè)規(guī)模化應(yīng)用最后一公里？

    近日由國內(nèi)頭部人工智能腦機(jī)接口科技公司 姬械機(jī)（Maschine Robot）推出了面向行業(yè)服務(wù)的通用腦機(jī)接口AI計(jì)算平臺(tái)Mind++, 旨在通過標(biāo)準(zhǔn)化的腦機(jī)AI算法服務(wù)平臺(tái)為各行業(yè)腦機(jī)應(yīng)用提供標(biāo)準(zhǔn)化算法服務(wù)，從而打通腦機(jī)接口技術(shù)從實(shí)驗(yàn)室原型產(chǎn)品到規(guī)模化應(yīng)用最后一步。

Mind++腦機(jī)AI計(jì)算平臺(tái)

    此前姬械機(jī)曾推出了搭載在其自主腦機(jī)品牌產(chǎn)品上的腦機(jī)夢(mèng)境生成大模型Dreamer，腦機(jī)情感識(shí)別算法Lover，腦機(jī)音樂Musician，腦機(jī)控制Controller等不同交互方向的AI算法模型。除此之外還推出了面向行業(yè)服務(wù)的1-16通道不等的多款腦機(jī)接硬件腦機(jī)產(chǎn)品X-BCI系列和可集成的單元類型腦機(jī)接口產(chǎn)品U-BCI系列，以及發(fā)起了定向包含多類腦機(jī)交互任務(wù)的 Mind大規(guī)模腦機(jī)數(shù)據(jù)集項(xiàng)目。

X-BCI腦機(jī)硬件平臺(tái)

U-BCI 腦機(jī)單元平臺(tái)

Mind 腦機(jī)交互數(shù)據(jù)集

    腦機(jī)接口產(chǎn)品在規(guī)�；瘧�(yīng)用過程中長(zhǎng)期面臨3大核心挑戰(zhàn)：一是用于腦機(jī)AI算法訓(xùn)練數(shù)據(jù)稀缺性與多樣性不足；二是用于腦機(jī)交互的AI算法模型不夠成熟，魯棒性不好；三是腦機(jī)AI 算法模型在不同設(shè)備、不同個(gè)體、不同場(chǎng)景間的泛化能力不足和嚴(yán)重受限。

    “Mind++腦機(jī)AI算法服務(wù)平臺(tái)”定位作為連接腦機(jī)接口設(shè)備與人工智能大規(guī)模、多模態(tài)、高通量腦機(jī)數(shù)據(jù)與規(guī)�；�、工程化、高魯棒性應(yīng)用之間的橋梁，基于腦機(jī)交互數(shù)據(jù)集MIND、腦機(jī)運(yùn)動(dòng)操作數(shù)據(jù)集Action兩大數(shù)據(jù)集項(xiàng)目所構(gòu)建的海量、多源、標(biāo)準(zhǔn)化數(shù)據(jù)基座，并通過高效的AI算法架構(gòu)（如自監(jiān)督學(xué)習(xí)、遷移學(xué)習(xí)、Transformer等），使用經(jīng)典的機(jī)器學(xué)習(xí)（Machine Learning）范式（如XGBoost、隨機(jī)森林、支持向量機(jī)等）與前沿的深度學(xué)習(xí)（Deep Learning）架構(gòu)（如卷積神經(jīng)網(wǎng)絡(luò)CNN、循環(huán)神經(jīng)網(wǎng)絡(luò)RNN、圖神經(jīng)網(wǎng)絡(luò)GNN及Transformer等）。訓(xùn)練并封裝一系列具備高度泛化能力的腦機(jī)解碼模型，并針對(duì)對(duì)腦機(jī)信號(hào)的低信噪比、高時(shí)序性、高維空間特性進(jìn)行了深度優(yōu)化，從而提供高魯棒性與高泛化性的解碼能力。

    Mind++腦機(jī)AI算法服務(wù)平臺(tái)模型主要包括：

    01. 通用基礎(chǔ)模型

    探索性提供基于Transformer架構(gòu)的自監(jiān)督預(yù)訓(xùn)練模型（如Brain-MAE）。該模型在MIND及Action海量無標(biāo)簽數(shù)據(jù)上進(jìn)行預(yù)訓(xùn)練，旨在學(xué)習(xí)腦電信號(hào)的通用表征。下游開發(fā)者僅需使用少量自有數(shù)據(jù)進(jìn)行微調(diào)（Fine-tuning），即可快速適配特定下游任務(wù)，實(shí)現(xiàn)高效的遷移學(xué)習(xí)，解決“小數(shù)據(jù)、大模型”的訓(xùn)練難題。

    02. 狀態(tài)類模型

    實(shí)時(shí)監(jiān)測(cè)與評(píng)估用戶的認(rèn)知與生理狀態(tài)。主要任務(wù)包括疲勞度監(jiān)測(cè)、注意力水平評(píng)估、情緒（正/負(fù)性、效價(jià)）識(shí)別、清醒-睡眠狀態(tài)分期、運(yùn)動(dòng)感知狀態(tài)解碼等。

    03. 交互類模型

    解碼用戶的主動(dòng)交互意圖，將其轉(zhuǎn)化為明確的控制或通信指令。主要任務(wù)包括運(yùn)動(dòng)想象（MI，如左/右手、肢體運(yùn)動(dòng)）、聽覺誘發(fā)解碼、意念控制等。

    04. 神經(jīng)反饋類模型

    建立特定大腦活動(dòng)模式與外部刺激/反饋之間的關(guān)聯(lián)，用于神經(jīng)調(diào)控與康復(fù)訓(xùn)練。主要任務(wù)包括： 實(shí)時(shí)解碼特定腦區(qū)/頻段的活動(dòng)并將其量化為反饋信號(hào)、解碼多感官（視覺、聽覺、觸覺等）刺激所引發(fā)的大腦響應(yīng)等。

    05. 精神與神經(jīng)類模型

    輔助篩查、評(píng)估和監(jiān)測(cè)精神健康狀態(tài)及神經(jīng)系統(tǒng)相關(guān)的生物反饋。主要任務(wù)包括： 昏迷等級(jí)、體感及痛覺、睡眠障礙、以及精神相關(guān)的健康識(shí)別等。

    據(jù)悉其發(fā)展計(jì)劃將秉承MIND生態(tài)“開放共享、協(xié)同演進(jìn)”的理念，Mind++算法平臺(tái)將同步推出一系列開源服務(wù)，以培育開發(fā)者社區(qū)、促進(jìn)學(xué)術(shù)透明與技術(shù)迭代。

    基線模型開源

    開源算法平臺(tái)中用于基準(zhǔn)測(cè)試的經(jīng)典算法及部分深度學(xué)習(xí)模型（如EEGNet, FBCSP-LDA）的標(biāo)準(zhǔn)化實(shí)現(xiàn)代碼，促進(jìn)社區(qū)對(duì)算法的理解、復(fù)現(xiàn)與改進(jìn)。

    數(shù)據(jù)預(yù)處理與適配庫

    開源用于處理MIND數(shù)據(jù)集及適配不同設(shè)備的預(yù)處理（濾波、偽跡去除、通道插值、重采樣）工具庫。

    開發(fā)者文檔與教程

    提供詳盡的API/SDK文檔、入門教程、Jupyter Notebook示例，以及針對(duì)特定應(yīng)用場(chǎng)景（如“如何用Mind++平臺(tái)構(gòu)建一個(gè)情緒反饋系統(tǒng)”）的最佳實(shí)踐指南。

    同時(shí)該平臺(tái)未來將會(huì)向全球的BCI科研機(jī)構(gòu)、開發(fā)者及企業(yè)提供標(biāo)準(zhǔn)化的算法接口（API）、軟件開發(fā)工具包（SDK）及預(yù)訓(xùn)練模型，極大降低BCI應(yīng)用的開發(fā)門檻，賦能并加速從實(shí)驗(yàn)室研究到真實(shí)場(chǎng)景應(yīng)用的“最后一公里”轉(zhuǎn)化。