2026年10月19日
Technology Watch

研究室から産業へ。新しい技術の道筋を追う

← トップへ

arXiv

EEGは点滅するターゲットなしで望む対象を検出する

AI が描いたイメージ

通常の視覚的注意は機械を制御する信号になりうる。ただし、EEGシステムが統制されたテストとリアルタイム利用の隔たりを埋められる場合に限る。研究者は参加者それぞれの脳信号でモデルを訓練し、オフラインテストで97人全体の平均正解率93.22%に到達した。この信頼性が実験室の外でも保たれるなら、リハビリテーション中の患者は複数の対象を見るだけでよく、カーソルやロボット支援機器はシステムが関係があると推定した対象の上で停止する。

現在の非侵襲型ブレイン・コンピューター・インターフェース（BCI）は通常、人に特別な種類の精神的課題を行わせる。点滅するターゲットを見つめたり、普通ではない点滅を待ったり、決められた制御手順に従ったりする必要がある場合もある。こうした方法は、設計された信号が発生したことを機械に伝えられる。しかし、人が普通に見たものの中で、どれがその人にとって重要なのかを、機械に確実に伝えることはできない。追加の信号は疲労の原因にもなり、インターフェースを使える場所を制限する。

何かを見ることから、それを判断することへ

EEGは、頭皮上のセンサーを通して脳の弱い電気活動を測定する。手術なしで簡単に記録できる一方、動きや眼の活動、疲労、電極の変化、注意の移り変わりに簡単に乱される。

P3bと呼ばれる脳反応は、何かがその人の現在の目標に関係しているときに強くなることがある。これは、機械がその人の考えや計画を読み取ったことを意味しない。脳が情報を評価した痕跡、つまり「この対象は、いま自分が探しているものに合っているか」と判断した痕跡と考えるほうがよい。

この違いは重要である。動物を認識することと、動物がその人の行動したい対象だと知ることは同じではない。役立つインターフェースは、後者の問いを推定しなければならない。また、誤った推定によって機械が間違った対象を選ぶ可能性があるため、実験室での分類よりはるかに信頼性が高くなければならない。

Refer to caption
Figure 4: Posterior P3b modulation by intention relevance.(A) Grand-average ERPs at representative midline parietal-occipital electrodes (POz, CPPz, PPOz) show a pronounced P3b enhancement for intention-relevant (matched) relative to intention-irrelevant (mismatched) objects. (B) Scalp topographies depict the spatiotemporal evolution of ERPs for matched and mismatched conditions. (C) Matched-mismatched difference maps reveal a sustained posterior positivity in the canonical P3b time window. ### II-B Category-Cued Human Intention Paradigm 出典: Online Inference of Human Intention as a Latent Control State from Single-Trial EEG（arXiv）

点滅するターゲットなしの脳信号

研究者は各参加者に、動物、花、食べ物、乗り物などのカテゴリーを示す手がかりを与えた。その後、画像を1枚ずつ表示した。参加者は、それぞれの画像が示されたカテゴリーに合うかどうかを、頭の中で判断した。システムは、1回のEEG試行だけを使って、その一致または不一致を分類した。画像を点滅させたり、奇異な刺激信号を加えたりする必要はなく、カテゴリー自体を特定しようともしなかった。

重要な考え方は、通常の視覚的注意を制御信号の候補として扱うことだ。画像がその人の現在の目標に合っていると、脳によるその画像の評価が、EEGに異なるパターンとして残る。研究者のFuzz-PLIモデルは、ファジーなプロトタイプベースのモジュールを使って、そうした個人ごとのパターンを認識する。ここでいう「ファジー」とは、パターンが毎回完全に明瞭だったり同一だったりしなくても、システムが処理できるという意味である。

オフラインテストでは、モデルの訓練とテストを参加者ごとに分けて行った。97人全体で、平均正解率は93.22%に達した。これは、似た統制条件の下で、システムが個人の目標との関連性のパターンを学習できることを示す証拠である。同じモデルが新しい装着者にすぐ使えることを示す証拠ではない。

より難しいテストはオンライン利用だった。9人が訓練のためのセッションを1回、テストのためのセッションをもう1回行い、両セッションの間に再較正は行わなかった。正解率は70.11%に下がった。セッションごとのEEGの変化、タイミングの小さな違い、訓練セッションへの過学習が、リアルタイムの課題を難しくした。

Refer to caption
Figure 3: Category-cued human intention paradigm with offline and online variants. At the start of each sequence, a target category is cued at fixation (Target), followed by a fixation period (+). Four objects (Obj 1~Obj 4) are then presented sequentially at one of four possible locations (up, down, left, right) around fixation. In the offline paradigm, only the object images and fixation are shown, and participants internally judge whether each object matches the cued category. In the online paradigm, each object presentation is followed by a decision interval (Det 1~Det 4) in which the same object is re-displayed with a colored frame indicating the system’s current decision: a black frame denotes a predicted non-target, whereas a red frame denotes a predicted target. Relaxation periods separate successive sequences. The example on the right illustrates a sequence in which only Obj 4 is *intention-relevant* (red frame, Matched), and the remaining objects are *intention-irrelevant* (black frame, Mismatched).## II Methodology 出典: Online Inference of Human Intention as a Latent Control State from Single-Trial EEG（arXiv）

信頼できるようになれば、より静かなインターフェースに

この隔たりを埋められれば、人は候補の1つ1つを別々に選択する必要なく、複数の対象を見るだけで、機械がどれに関係があるかを推定できる。例えばリハビリテーション施設では、患者が画面上の対象を見ると、カーソルやロボット支援機器がシステムが重要だと考えた対象の上で停止するかもしれない。患者は、点滅するアイコンを見つめたり、選択のたびにスイッチを入力したりする必要がなくなる。

同じ考え方は、正確な身体動作による選択を簡単には行えない人の助けにもなる。人間とロボットのシステムに、作業者がどの目に見える対象を機械に優先させたいのかを示す信号を与えることもできる。通常の場面が信頼できる信号を提供できる場所では、点滅や奇異な刺激のタイミングを中心に作られたインターフェースの重要性は下がるだろう。

その未来には、統制された画像課題で良い結果を出す以上のことが必要である。EEGハードウェアは小型で信頼できるものでなければならない。システムは、日をまたいで、人が変わっても、目標が変わっても、さらに統制の緩い環境でも機能する必要がある。何より重要なのは、推定した関心が誤っていても、システムが毎回確認を求めずに済むほど無害でなければならないことだ。被験者をまたぐ適応、長期利用、意図の連続的なモデル化は、なお解決されていない。

出典

arXiv, 「Online Inference of Human Intention as a Latent Control State from Single-Trial EEG」