仅靠头环就能检测注意力?这跟量子波动速读一样胡扯

2019 年 11 月 3 日 腾讯科技


近日,浙江某小学采用了BrainCo公司(强脑科技)的一款脑机接口产品---赋思头环(Focus1)。说是可以通过这一款脑机接口头环,以及配套的APP,将头环收集的大脑信号传递到电脑或手机上,能实时检测并计算学生上课、做作业时的注意力分数,用以提升学生的注意力。


图|BrainCo


根据BrainCo官方网站信息,该公司是哈佛大学创新实验室孵化的华人团队,专注于研发脑科学产品。这款脑机接口头环还获得了各种各样的奖项,看来就差一个诺贝尔奖了。


图|BrainCo


看到众多媒体都在关注这款头环把孩子当成机器来监测是否不太人道,以及这些大脑信息数据是否保密等等,作为一名曾经因收集和处理数据头秃的认知神经科研工作者,看到这么“好”的产品,我却忍不住心动了。



要知道这款产品价格低廉(售价3500元)却便捷好用。配上便捷可携带式的设备(头环)、实时处理技术(所谓的NASA算法和专注指数算法),能够自动生成结果图表并得出结论。所有过程几乎都可以在一天甚至几个小时内完成。比起我们花一年半载才能从头到尾完成一个脑电实验,效率简直不能更高。


然而这款头环所采用的技术真的可以实时检测大脑注意力的变化吗?


本着科研工作者认真严谨的态度,我仔细分析了这款产品的基本原理和技术。



仅靠一个头环能收集脑电波吗?


当我们看见美丽的景色,聆听美妙的音乐,这些外部信息都会产生电信号,然后一路火花带闪电,通过漫长的神经纤维传达到大脑神经中枢,最终产生知觉和情感。大脑在活跃的时候,脑神经细胞会在大脑皮层或头皮表面产生自发性或诱发性电位,我们可以通过脑电仪记录下这些电波变化,称之为脑电波(Electroencephalogram,EEG),其示意图如下:


图|http://www.xjishu.com/zhuanli/05/201810565890.h


脑电波非常微弱,它引起的电压变化数量级是以微伏来计算的,所以我们平时根本感受不到它的存在,也很难采集到。加上脑电波非常容易受到干扰,当我们试图排除无关的脑电波,只提取有用的脑电波的时候,却很容易把想要的脑电波给过滤掉。


所以对于脑电波的采集和解码是并没有那么简单。科学家们在研究脑电波的时候往往采用专门的脑电仪来记录脑电波的变化。


脑电仪可以降低头皮与电极之间的电阻,同时放大脑电波的强度,这才能实现脑电波的采集和分析。


图|华南师范大学实验中心


我们都知道大脑不同区域的功能是不一样的。目前广泛使用的脑电仪为了定位到相应的大脑功能区域,采用了带有数十个电极的电极帽来采集电位,同时通过去除头皮上的角质和涂抹导电膏来减小电阻,此外还需要配置脑电放大器用来增强信号强度。这样收集的电信号才足够用来分析。


然后我们再来看BrainCo推出的这款头环,在视频宣传图中可见,它只有一个环加上两个电极。由于脑电波是一种电位差,必须要有一个参考电极,所以可推知这款头环的有效电极仅有一个。而且既没有采用减小电阻的措施,也没有配置相应的脑电放大器,这样真的可以采集到信号吗?我表示严重怀疑。


即使可以采集到信号,这些脑电波也是极其微弱的,根本无法用来解码。


除此之外,这款头环还声称是采用了非侵入式脑机接口技术(Brain Machine Interface,BMI)。这是一种可以实现大脑与机器之间的连接的技术,这项技术可以对脑电波信号进行解码,并将其翻译成机器能够读懂的指令,从而实现人脑与机器之间的交互。


但说到底这个技术仍然是基于脑电信号的记录和解码来进行的,由于脑电信号的衰弱性和分散性,所以信号的分辨率非常低,即使可以记录到信号,其解码也是既困难也不准确的。



脑电波的信号解码真的这么简单吗?


实时检测注意力是否集中,解码脑电波信号技术已经如此成熟了吗?从这款头环的设置来看,似乎脑电波的解码好像声卡对声音的解码和变声一样简单,但其实不然。目前对于脑电波的解码算法都类似于匹配法,也就是将某个时刻的脑电波与个体当时所做的活动匹配起来。


例如让被试连续看10张图片,然后分别记录下这10张图片对应的10个时间段的脑电波。匹配完成后,就可以通过脑电信号的解码来分析被试当前所观看的图片是哪一张。


当这些图片数量较少、内容比较简单的时候,匹配准确率大概可以达到70%-80%。但是随着图片数量增加、内容逐渐复杂的时候,匹配准确率就会骤降到随机水平以下。


也就是说,目前来说,面对复杂的情景,脑电波的解码是非常困难的。


图|Cauchoix et al., 2014


然而这款头环检测的是学生在上课做作业时的注意力集中情况,可想而知这比起单纯看图片要复杂很多。这时候仅仅依靠两三个电极采集的脑电信号,就要对注意力进行解码分析,这个分析结果根本就不可信。



这款头环解码的脑电信号到底是什么?


为了弄清楚这款头环解码的脑电信号到底是什么信号,我从BrainCo在京东的官方旗舰店的宣传视频中仔细研究了一下:


图|京东视频截图


从视频中可观察到的仅有两个电极。电极材质我们不予置评,结合产品宣传图,可以看出一个电极是位于使用者额头,一个电极是位于使用者耳后,不严谨地来说,前者的大脑区域定位是额叶,后者可以算是枕叶或颞叶。乍一看,这好像还挺有道理的,因为额叶跟人们的注意控制等功能有关,枕叶和颞叶则跟视觉功能是有关的。


但这个定位非常粗糙,无论是额叶还是枕叶、颞叶,这些对于大脑来说都是非常大的功能区,每一个区域都包含着非常多且复杂的功能,并不是整个额叶都只跟注意力有关系的,枕叶和颞叶除了视觉功能以外也还有很多别的功能,这个头环将电极定位到这些区域,根本无法说明这些脑电信号代表了大脑的哪些功能。


另外,从我们实验研究者的角度来看,这个头环的检测功能也是极其不靠谱的,因为当孩子在听课做作业的时候,不仅仅使用了注意功能,同时还调动了记忆、想象和言语等很多其他功能,而且这些功能都在短时间内同时发生,根本无法得知此时孩子的心理过程是什么,仅靠这几个电极,也无法将这些功能一一匹配到相应的脑电波上。


所以这款头环收集到的脑电信号,几乎可以说是无效的,我们无法从中分离出注意力相关的信号。


既然头环是无效的,那为什么使用头环教学的老师和学生又评价说:学生的成绩有提高呢?


这个其实不奇怪。想象一下如果你在学习的时候,老师一直站在你旁边监督你;工作的时候老板一直在你旁边观察你,你的一举一动都在他们眼中,你学习能不努力吗?工作能不尽职尽责吗?


这种效应我们把它称为“霍桑效应”,即当我们意识到自己正在被别人观察时,会刻意改变自己行为的倾向。社会心理学中也把这种效应称为“社会助长”或“观众效应”,即当他人在场旁观时,会提高当事人的活动效率。


学生成绩的提升,只能说明学生自身是具有潜力的,只要努力学习,成绩就会有相应的提升。而这款头环只是起到了监督的作用而已。


其实赋思头环跟最近出现的量子波动速读本质上都是一样的,人们对于自己不熟知的知识领域的敬畏,加上家长们和老师们对于孩子们的期望,共同导致了人们对于这些产品的迷信。


无知就是现代社会的封建迷信。在一项新技术出现在我们面前,声称可以改变社会的时候,一定要心存质疑,在了解这些技术背后的原理之后再作判断,否则只会坑了自己,害了孩子。 (出品:科普中国,制作:陈宇峰)


参考文献


1、Cauchoix, M., Barragan-Jason, G., Serre, T., & Barbeau, E. J. (2014). The neural dynamics of face detection in the wild revealed by MVPA. Journal of Neuroscience, 34(3), 846-854.


2、张海军 ,王浩川.多导联EEG信号分类识别研究[J]. 计算机工程与应用 ,2008 ,24.


3、(美)戴维.迈尔斯.社会心理学:人民邮电出版社,2006




点击图片阅读更多



点击在看,即刻变好看
登录查看更多
0

相关内容

脑机接口的英文名称是brain-computer interface,简称BCI,也称作brain-machine interface或direct neural interface。脑机接口(BCI)提供了大脑与计算机或其他外部设备之间的直接通信连接。通过加强或替代人类的工作能力,它们提供了更大的自由度,并在康复、情感计算、机器人、游戏和神经科学等各个领域有潜在的应用。脑机接口是一个多学科交叉形成的研究领域,涉及信息学、神经学、材料学、生物学、医学、心理学、工程学等,是各学科基础理论交叉的集合体。

知识荟萃

精品入门和进阶教程、论文和代码整理等

更多

查看相关VIP内容、论文、资讯等
【CVPR2020】时序分组注意力视频超分
专知会员服务
30+阅读 · 2020年7月1日
专知会员服务
142+阅读 · 2020年6月15日
【ICML2020-哈佛】深度语言表示中可分流形
专知会员服务
12+阅读 · 2020年6月2日
【MIT】Yufei Zhao《图论与加法组合学》,177页pdf
专知会员服务
48+阅读 · 2020年4月27日
【学科交叉】抗生素发现的深度学习方法
专知会员服务
23+阅读 · 2020年2月23日
专知会员服务
25+阅读 · 2020年2月15日
注意力机制模型最新综述
专知会员服务
260+阅读 · 2019年10月20日
注意力机制介绍,Attention Mechanism
专知会员服务
166+阅读 · 2019年10月13日
人工神经网络真的像神经元一样工作吗?
论智
9+阅读 · 2018年11月15日
SNN,像你的大脑一样工作
中国科学院自动化研究所
80+阅读 · 2018年11月7日
AI情绪识别技术背后:一场悄然来袭的“暴政”
大数据文摘
7+阅读 · 2018年10月11日
【质量检测】机器视觉表面缺陷检测综述
产业智能官
30+阅读 · 2018年9月24日
【机器视觉】表面缺陷检测:机器视觉检测技术
产业智能官
25+阅读 · 2018年5月30日
Arxiv
14+阅读 · 2018年5月15日
Arxiv
6+阅读 · 2018年3月29日
Arxiv
9+阅读 · 2018年2月4日
Arxiv
7+阅读 · 2018年1月24日
VIP会员
相关VIP内容
【CVPR2020】时序分组注意力视频超分
专知会员服务
30+阅读 · 2020年7月1日
专知会员服务
142+阅读 · 2020年6月15日
【ICML2020-哈佛】深度语言表示中可分流形
专知会员服务
12+阅读 · 2020年6月2日
【MIT】Yufei Zhao《图论与加法组合学》,177页pdf
专知会员服务
48+阅读 · 2020年4月27日
【学科交叉】抗生素发现的深度学习方法
专知会员服务
23+阅读 · 2020年2月23日
专知会员服务
25+阅读 · 2020年2月15日
注意力机制模型最新综述
专知会员服务
260+阅读 · 2019年10月20日
注意力机制介绍,Attention Mechanism
专知会员服务
166+阅读 · 2019年10月13日
相关资讯
人工神经网络真的像神经元一样工作吗?
论智
9+阅读 · 2018年11月15日
SNN,像你的大脑一样工作
中国科学院自动化研究所
80+阅读 · 2018年11月7日
AI情绪识别技术背后:一场悄然来袭的“暴政”
大数据文摘
7+阅读 · 2018年10月11日
【质量检测】机器视觉表面缺陷检测综述
产业智能官
30+阅读 · 2018年9月24日
【机器视觉】表面缺陷检测:机器视觉检测技术
产业智能官
25+阅读 · 2018年5月30日
相关论文
Top
微信扫码咨询专知VIP会员