Interfejsi mozak-mašina (BMI) omogućavaju osobama koje su ograničene u pokretima i govoru da komuniciraju putem misli. Ovaj tehnološki napredak omogućava prepoznavanje neuronskih signala povezanih sa određenim mislima i njihovu konverziju u kontrolne signale koji upravljaju računarima ili robotskim ekstremitetima. Na primer, osoba sa kvadriplegijom može zamisliti pomeranje kursora na ekranu računara, a taj signal se prenosi putem BMI kako bi se izvršila odgovarajuća akcija.
BMI tehnologija zahteva računar ili robotski uređaj, kao i implantat u mozgu osobe koja koristi ovu tehnologiju. Istraživači sa Caltech-a koriste implantate sa mikroelektrodama postavljenim na čipu u mozgu, koje snimaju aktivnost neurona. Međutim, performanse ovih mikroelektroda nisu konstantne i s vremenom se pogoršavaju.
Da bi prevazišli ove izazove, istraživači su primenili mašinsko učenje kako bi efikasno tumačili signale neurona. Novi pristup omogućava BMI da interpretira podatke iz neuronske aktivnosti čak i kada su signali manje jasni. Ovi rezultati su objavljeni u časopisu Nature Biomedical Engineering.
Algoritam nazvan FENet omogućava preciznije tumačenje moždanih signala, omogućavajući osobama poput Džej Džej-a, koji je izgubio pokretljivost usled nesreće, da i dalje koriste ovu tehnologiju. FENet se može prilagoditi različitim regionima mozga i tipovima elektroda, čineći ga veoma korisnim za različite korisnike.
Današnji BMI sistemi zahtevaju složenu povezanost elektroda sa računarom radi manipulisanja podacima. Cilj istraživača je da miniaturizuju ovaj sistem kako bi bio nosiv ili implantabilan, omogućavajući bežičnu komunikaciju.
