近日由國內(nèi)頭部人工智能腦機接口科技公司 姬械機(Maschine Robot)推出了面向行業(yè)服務的通用腦機接口AI計算平臺Mind++, 旨在通過標準化的腦機AI算法服務平臺為各行業(yè)腦機應用提供標準化算法服務，從而打通腦機接口技術從實驗室原型產(chǎn)品到規(guī)模化應用最后一步。
Mind++腦機AI計算平臺
此前姬械機曾推出了搭載在其自主腦機品牌產(chǎn)品上的腦機夢境生成大模型Dreamer，腦機情感識別算法Lover，腦機音樂Musician，腦機控制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)服務的1-16通道不等的多款腦機接硬件腦機產(chǎn)品X-BCI系列和可集成的單元類型腦機接口產(chǎn)品U-BCI系列，以及發(fā)起了定向包含多類腦機交互任務的 Mind大規(guī)模腦機數(shù)據(jù)集項目。
X-BCI腦機硬件平臺
U-BCI 腦機單元平臺
Mind 腦機交互數(shù)據(jù)集
腦機接口產(chǎn)品在規(guī)模化應用過程中長期面臨3大核心挑戰(zhàn)：一是用于腦機AI算法訓練數(shù)據(jù)稀缺性與多樣性不足;二是用于腦機交互的AI算法模型不夠成熟，魯棒性不好;三是腦機AI 算法模型在不同設備、不同個體、不同場景間的泛化能力不足和嚴重受限。
“Mind++腦機AI算法服務平臺”定位作為連接腦機接口設備與人工智能大規(guī)模、多模態(tài)、高通量腦機數(shù)據(jù)與規(guī)模化、工程化、高魯棒性應用之間的橋梁，基于腦機交互數(shù)據(jù)集MIND、腦機運動操作數(shù)據(jù)集Action兩大數(shù)據(jù)集項目所構建的海量、多源、標準化數(shù)據(jù)基座，并通過高效的AI算法架構(如自監(jiān)督學習、遷移學習、Transformer等)，使用經(jīng)典的機器學習(Machine Learning)范式(如XGBoost、隨機森林、支持向量機等)與前沿的深度學習(Deep Learning)架構(如卷積神經(jīng)網(wǎng)絡CNN、循環(huán)神經(jīng)網(wǎng)絡RNN、圖神經(jīng)網(wǎng)絡GNN及Transformer等)。訓練并封裝一系列具備高度泛化能力的腦機解碼模型，并針對對腦機信號的低信噪比、高時序性、高維空間特性進行了深度優(yōu)化，從而提供高魯棒性與高泛化性的解碼能力。
Mind++腦機AI算法服務平臺模型主要包括：
01. 通用基礎模型
探索性提供基于Transformer架構的自監(jiān)督預訓練模型(如Brain-MAE)。該模型在MIND及Action海量無標簽數(shù)據(jù)上進行預訓練，旨在學習腦電信號的通用表征。下游開發(fā)者僅需使用少量自有數(shù)據(jù)進行微調(diào)(Fine-tuning)，即可快速適配特定下游任務，實現(xiàn)高效的遷移學習，解決“小數(shù)據(jù)、大模型”的訓練難題。
02. 狀態(tài)類模型
實時監(jiān)測與評估用戶的認知與生理狀態(tài)。主要任務包括疲勞度監(jiān)測、注意力水平評估、情緒(正/負性、效價)識別、清醒-睡眠狀態(tài)分期、運動感知狀態(tài)解碼等。
03. 交互類模型
解碼用戶的主動交互意圖，將其轉化為明確的控制或通信指令。主要任務包括運動想象(MI，如左/右手、肢體運動)、聽覺誘發(fā)解碼、意念控制等。
04. 神經(jīng)反饋類模型
建立特定大腦活動模式與外部刺激/反饋之間的關聯(lián)，用于神經(jīng)調(diào)控與康復訓練。主要任務包括： 實時解碼特定腦區(qū)/頻段的活動并將其量化為反饋信號、解碼多感官(視覺、聽覺、觸覺等)刺激所引發(fā)的大腦響應等。
05. 精神與神經(jīng)類模型
輔助篩查、評估和監(jiān)測精神健康狀態(tài)及神經(jīng)系統(tǒng)相關的生物反饋。主要任務包括： 昏迷等級、體感及痛覺、睡眠障礙、以及精神相關的健康識別等。
據(jù)悉其發(fā)展計劃將秉承MIND生態(tài)“開放共享、協(xié)同演進”的理念，Mind++算法平臺將同步推出一系列開源服務，以培育開發(fā)者社區(qū)、促進學術透明與技術迭代。
基線模型開源
開源算法平臺中用于基準測試的經(jīng)典算法及部分深度學習模型(如EEGNet, FBCSP-LDA)的標準化實現(xiàn)代碼，促進社區(qū)對算法的理解、復現(xiàn)與改進。
數(shù)據(jù)預處理與適配庫
開源用于處理MIND數(shù)據(jù)集及適配不同設備的預處理(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，以及針對特定應用場景(如“如何用Mind++平臺構建一個情緒反饋系統(tǒng)”)的最佳實踐指南。
同時該平臺未來將會向全球的BCI科研機構、開發(fā)者及企業(yè)提供標準化的算法接口(API)、軟件開發(fā)工具包(SDK)及預訓練模型，極大降低BCI應用的開發(fā)門檻，賦能并加速從實驗室研究到真實場景應用的“最后一公里”轉化。
