47、神经自适应技术研究进展与应用探索

神经自适应技术研究进展与应用探索

1. 神经自适应的定义

神经自适应被定义为计算机的一种属性。当计算机通过脑机接口获取隐式输入并利用该输入进行控制时，它就具备了神经自适应特性。这里涉及的几个关键术语，如计算机、隐式输入、脑机接口和控制，都有各自独立的定义，同时还包含了数据、信息、通信等更小的组成术语。

隐式输入指的是接收单元获取的、源端并不打算让接收单元获取的信息。这一概念引发了关于在正式定义中使用“意图”这类词汇的问题，例如，很难明确界定人类或计算机在何时“意图”让某事物被接收。不过，这是区分隐式和显式输入的关键问题。该定义在一般情况下做出了区分，但无法为判断个别实例提供完整的指导。

用户则被定义为与计算机进行通信或交互，并且已经给予且未撤销该通信或交互许可的人类。这体现了将伦理考量纳入人机交互核心的提议，鉴于认知探测等技术的发展，这种做法是审慎的。

2. 神经自适应镇痛游戏

在医疗环境中，痛苦经历往往令人痛苦且难以避免。使用药物进行疼痛管理存在缺陷，接受阿片类等镇痛药物治疗的患者常出现副作用。通过镇痛技术而非药物来减轻疼痛体验，既能降低个体的疼痛感，又能减少药物使用带来的副作用。

疼痛具有中断功能，它能够超越个体的任务目标。但要使疼痛体验具有中断性，个体首先必须有足够的注意力来感知这种疼痛。由于注意力是有限资源，如果个体将最大注意力用于完成一项无关任务，那么疼痛体验和感知可能会降低。

计算机游戏是一种有效的分散注意力的任务，部分原因在于其具有主动性，完成任务需要认知和身体上的努力。动态难度调整（DDA）用于实时游戏适配，它通常依据当前游戏得分、生命值、武器等信息来确定玩家的技能水平，然后调整游戏难度以匹配该技能水平。DDA 能有效提高沉浸感，因为与玩家技能水平相匹配的游戏能吸引并保持玩家的注意力，鼓励他们持续投入精力。

为了探索神经自适应增强计算机游戏沉浸能力的假设，研究人员创建了一款神经自适应驾驶游戏。游戏目标是获得高分，通过避开驶向玩家车辆的交通来实现。游戏难度受汽车速度影响，其难度调整通过实时分类确定。研究人员创建了一个生物控制循环来开发该神经自适应游戏，该循环接收功能性近红外光谱（fNIRS）信号和游戏得分数据，在 MATLAB 中进行预处理和分类，并使用支持向量机（SVM）分类来确定游戏难度的变化方向。

研究将神经自适应游戏与随机自适应版本的同一游戏进行比较，随机自适应版本不使用数据分类来指导游戏变化方向。实验使用冷压试验诱发疼痛。结果表明，虽然在无游戏条件和两种游戏条件之间，疼痛耐受性存在显著的主效应，但随机自适应游戏和神经自适应游戏之间没有统计学上的显著差异。这意味着神经自适应游戏和对比游戏都需要进一步研究，同时也引发了一个问题：为了全面考察神经自适应游戏的效果，应该将其与什么进行比较？

3. RSVP 显示参数对工作记忆负荷的影响

快速串行视觉呈现（RSVP）已成为一种流行的文本呈现方法，它可以提高阅读速度，适应屏幕空间有限的可穿戴设备，并且据称可以减少所需的认知努力。RSVP 包含空间和时间两个基本设计维度，空间由文本对齐等空间属性表示，时间由呈现速度等时间参数表示。然而，目前尚不清楚这些参数如何影响基于 RSVP 的文本表示的有效性和可用性。

研究人员进行了一项研究，探讨操纵文本对齐和呈现速度如何影响文本理解、自我感知的工作量和皮质活动。研究的目标是全面评估每个设计参数在这些因素上的成本和/或收益，为 RSVP 的部署提供依据。

在研究中，18 名参与者在基线条件下阅读常规文档，并使用 RSVP 阅读九篇文档。研究确保这些文本经过优化，以评估 RSVP 显示参数和文本理解。研究采用了受试者内设计，通过居中单词表示和围绕最佳识别点（ORP）定位单词来操纵文本对齐。ORP 通常不在中心位置，在 RSVP 过程中也可以用红色突出显示以提高可读性。此外，呈现速度设置为每分钟 200 个单词（WPM）、350 WPM 和 500 WPM。参与者使用 NASA-TLX 问卷对自我主观工作量进行评分，并回答与文本相关的问题。在整个实验过程中测量脑电图（EEG），并以偏离大脑静息状态（即阿尔法功率）和参与度（即西塔功率）来衡量。

研究结果表明，使用 350 WPM 和 500 WPM 的 RSVP 阅读速度能显著节省时间，但 200 WPM 时阅读速度较慢。随着呈现速度的增加，文本理解呈线性下降趋势，自我感知的工作量呈线性上升趋势。研究人员将西塔 - 阿尔法比率作为皮质活动的指标，发现 200 WPM 与 350 WPM 以及 200 WPM 与 500 WPM 之间存在显著差异。而文本对齐在所有测量指标上均未显示出显著影响。研究结论认为，呈现速度是在考虑文本对齐之前应优先考虑的关键因素，并且 EEG 可以为 RSVP 参数的可用性提供可靠估计，可根据用户需求调整呈现速度。

以下是 RSVP 研究的实验设置表格：
| 实验条件 | 文本对齐方式 | 呈现速度（WPM） |
| — | — | — |
| 基线条件 | 常规对齐 | - |
| RSVP 条件 1 | 居中单词、围绕 ORP 定位 | 200 |
| RSVP 条件 2 | 居中单词、围绕 ORP 定位 | 350 |
| RSVP 条件 3 | 居中单词、围绕 ORP 定位 | 500 |

mermaid 流程图展示神经自适应镇痛游戏开发流程：

graph LR
    A[创建神经自适应驾驶游戏] --> B[设定游戏目标：获高分]
    B --> C[确定难度影响因素：汽车速度]
    C --> D[建立生物控制循环]
    D --> E[接收 fNIRS 信号和游戏得分数据]
    E --> F[在 MATLAB 中预处理和分类]
    F --> G[使用 SVM 分类确定难度变化]

4. 构建神经自适应阅读应用

神经自适应技术旨在通过持续评估神经生理活动，自动使机器适应操作者状态的变化。快速串行视觉呈现（RSVP）阅读应用是神经自适应技术的一个应用领域，在这种应用中，文本以一次一个单词的形式显示在固定屏幕位置，通常用于便携的小屏幕设备（如智能手机）。与传统的连续文本阅读相比，目前可用的 RSVP 阅读应用总体上可以实现更快的阅读速度。然而，阅读速度的改变需要手动调整，这会分散读者对实际文本阅读的注意力，且操作繁琐。

读者特定的最佳阅读速度可能取决于多个因素，如当前阅读文本部分的难度、读者的一般阅读技能、当前环境以及读者的当前心理状态。如果能够在特定情况下持续评估这些因素，特别是读者的心理状态，就可以建立并随时间更新读者的用户模型。基于这个模型，可以实现对阅读速度或所呈现文本材料难度等的个性化神经自适应调整，从而为特定读者创造最佳的阅读环境，同时考虑到用户状态和文本可读性的变化。

研究人员研究了一种与任务无关的心理工作量分类器是否可以用于识别单个受试者中不同可读性水平和文本呈现速度的文本材料。他们记录了 13 名受试者在两个实验阶段的脑电图（EEG）数据：第一阶段是诱导低和高工作量阶段的心理工作量范式；第二阶段是 RSVP 文本阅读范式，受试者阅读 12 篇文本，分为三组，每组具有特定的文本难度（简单 vs. 困难）和速度（自我调整 vs. 快速（增加 40%））。研究人员根据第一阶段记录的数据校准了个体分类器，并将其应用于第二阶段的相应数据，以检查分类器是否反映了由文本难度和阅读速度引起的心理工作量差异。

结果表明，在单个受试者水平以及考虑所有受试者的数据时，简单文本的工作量预测值低于困难文本（F(1,11)=5.04, p=.046）。同样，以正常速度呈现的文本的工作量预测值在统计上低于以增加速度呈现的文本（F(1,11)=11.64, p=.006）。研究还发现，个体大约需要阅读 130 个单词才能可靠地估计阅读该文本所引起的平均工作量（“单词稳定位置”）。这表明心理工作量分类器的预测可以用于评估单个受试者水平上文本可读性水平和呈现速度的差异。结合统计学习，可以随着时间的推移建立读者的用户模型，从而实现个性化的神经自适应阅读系统。

以下是实验阶段和参数设置的表格：
| 实验阶段 | 具体范式 | 文本难度 | 文本速度 |
| — | — | — | — |
| 第一阶段 | 心理工作量范式 | - | - |
| 第二阶段 | RSVP 文本阅读范式 | 简单、困难 | 自我调整、快速（增加 40%） |

5. 基于视觉 - ERP BCI 的计算机辅助建筑设计建模

这项研究通过利用判别性神经模式（如事件相关电位（ERP）），并通过基于视觉脑电图（EEG）的脑机接口（BCI）和快速串行视觉呈现（RSVP）技术实现神经反馈，为设计和建筑特征的逐步生成做出了贡献。这些技术用于主动调制所实施的生成模型。

建筑环境无疑会聚合和调节来自外界的各种刺激，并且必然参与推断生理和心理状态。该研究将关注点反转，探讨这些状态在设计和建筑制品的计算建模中能提供什么。通过引入这一跨学科知识体系，可以通过“设计信念”的概念来探索一种新的建筑建模方法，与计算机辅助建筑设计（CAAD）的生成方法中广泛使用的“设计语法”形成对比。

在这种 BCI 方案中，与视觉辨别相关的神经现象被推广并应用于计算闭环中，以利用人类在快速处理和辨别丰富视觉上下文方面的认知能力，并推断所呈现形状、部件集合或空间描绘的生成状态。为了开发这种能力以在生成的设计解决方案中产生变化，研究提出了一种将视觉理解为逆图形学的基础原理模型，该模型贯穿于整个实验过程。在 CAAD 背景下，“逆”意味着该模型用于搜索图像或视觉状态的组成特征，通过推断不断演变的设计信念来逐步呈现这些特征。

在基于 ERP - 奇偶数范式等支持下逐步开发编码设计和建筑特征的过程中，该研究将继续完善所描述的视觉上下文更新，通过为建筑和设计模型开发离散 - 连续视觉线索和设计信念集合的通用视觉表达策略。最终目标是在互补的研究领域引发兴趣。

mermaid 流程图展示基于视觉 - ERP BCI 的 CAAD 建模流程：

graph LR
    A[利用判别性神经模式和 RSVP 技术] --> B[实现神经反馈]
    B --> C[主动调制生成模型]
    C --> D[推广神经现象到计算闭环]
    D --> E[利用人类认知能力推断生成状态]
    E --> F[提出逆图形学模型]
    F --> G[完善视觉上下文更新]
    G --> H[开发通用视觉表达策略]

综上所述，神经自适应技术在多个领域展现出了巨大的应用潜力和研究价值。从镇痛游戏到阅读应用，再到建筑设计建模，这些研究不仅为解决实际问题提供了新的思路和方法，也为未来神经自适应技术的进一步发展和应用奠定了基础。随着研究的不断深入，我们有望看到更多基于神经自适应技术的创新应用，为人们的生活和工作带来更多的便利和改善。