PsiNet：理解脑-脑接口设计以增强脑间同步性

文献标题

PsiNet: Toward Understanding the Design of Brain-to-Brain Interfaces for Augmenting Inter-Brain Synchrony

文献信息

• 主题领域: 脑对脑接口 (BBI) 和人机交互 (HCI)，聚焦于增强群体间脑同步性
• 关键词: 脑对脑接口, EEG, tES, 神经同步性, 脑同步性, 用户体验, 可穿戴技术, 神经刺激, 人际关系, 自我意识

研究背景与问题

• 发现的问题或挑战:

  • 脑同步性对人类社会行为非常重要，涉及决策、团队协作、情感交互等，但现有研究主要在实验室开展，缺乏深入探讨用户体验和实际应用场景。
  • 脑对脑接口技术目前主要局限于低带宽信号传输（如二元信号），缺乏对复杂人类体验的支持。
  • 当前研究缺乏对脑同步性设备如何在人们的日常生活中发挥作用的理解。

• 重要性:

  • 研究脑同步性技术能帮助提高团队协同、促进人际关系发展、增强情感沟通，有助于社交互动技术的未来发展。
  • 脑对脑同步系统的实际应用将有助于推进人机交互领域的创新。

• 研究动机与相关工作:

  • 脑对脑接口（BBI）是新兴技术，相关研究尚处于初期阶段，多数集中于实验室环境及技术验证。
  • 本研究结合脑计算接口（BCI）和脑刺激技术，提出可在真实环境中增强脑同步性的可穿戴脑对脑系统，即 PsiNet。

解决方案

• 提出的解决方案:

  • PsiNet 设计为一种可穿戴脑对脑接口系统，通过脑电图 (EEG) 和经颅电刺激 (tES) 来增强群体的脑同步性。

• 创新之处:

  • 第一个旨在增强脑同步性的可穿戴脑对脑系统，支持在真实场景中进行开放式使用。
  • 系统使用强化学习算法，动态调节刺激类型和分配。
  • 提出了理论框架和设计策略以支持脑同步性体验的理解和设计。

• 实施步骤与关键技术:

  • 系统架构:
    • 使用通过 EEG 检测脑活动并通过 tES 调节脑活动的可穿戴设备。
    • 系统包含 EEG 和 tES 电极、Raspberry Pi 数据处理单元，以及云端服务器托管强化学习算法。
  • 数据处理与分类:
    • 使用事件相关去同步 (ERD) 方法对不同的脑活动状态（例如专注、压力、兴奋）进行实时分类。
    • 通过设定参与者的脑活动基线来消除个体差异。
  • 强化学习:
    • 系统使用权重矩阵评估组员状态，决定给予的刺激类型和目标，以增加组间脑同步性。
  • 脑刺激与安全性:
    • 系统选择多种 tES 模式（例如 tDCS 和 tACS），刺激位置和参数基于文献验证。
    • 考虑电流强度和时长的安全性，设置冷却时间以防止过刺激。
  • 脑同步性测量:
    • 使用循环相关系数 (Circular Correlation Coefficient, CCorr) 方法测量刺激前后组间脑同步性的变化。

研究成果

• 具体成果:

  • PsiNet 增强了参与者之间的脑同步性。
  • 提出了一套初步的框架，描述脑对脑接口相关的用户体验，包含三个主题：自我消融、超意识、关系交互。
  • 提供了三种设计策略，用于指导未来脑对脑系统的开发。

• 与现有解决方案的比较和优势:

  • 相较于过于依赖实验室环境的研究，PsiNet 展示了脑同步性系统在真实场景中的应用潜力。
  • 成功实现了脑对脑同步性的增强，并提供了丰富的用户体验洞察。

• 实验与评估结果:

  • 通过统计分析发现脑同步性显著增加，群体间的循环相关系数平均提高了 3.78%。
  • 参与者通过定性研究报告了深刻的情感联结和自我意识变化。

• 局限性与未来方向:

  • 系统的佩戴舒适性仍需改进（例如更轻便的设备和改良电极设计）。
  • 实验设计受限于非对照测试和小样本规模，建议未来研究结合双盲控制实验。
  • 进一步探索如何量化脑同步性与用户体验的关联，例如开发新的问卷工具。
  • 涉及更复杂的刺激类型或大规模群体同步性实验。

总结

本研究是脑对脑接口领域的重要探索，通过 PsiNet 系统尝试增强人际脑同步性，为人机交互设计提出了新的技术和理论可能性。PsiNet 的设计框架、用户体验发现和设计策略为未来开发脑对脑接口技术提供了指导，同时也揭示了促进人类联结的新途径。