决策脑机接口：利用脑机接口改善你的决策性能

我们每天都要做很多决策，比如早上吃什么？选择哪种交通工具出门？买什么菜？

有些决定是瞬间做出的，有些则需要反复权衡。有时候反复权衡虽然能一定程度保障决定的全面性，但未必很高效。

那有没有一种方法可以提高我们的决策性能呢？

我们人类在做决定时可以评估自己正确的可能性，而如果这种主观信心能够从大脑活动中可靠地解码出来，那么就有可以建立一个脑机接口（BCI），从而根据用户的信心自动向用户提供更多信息，提高决策性能。

但这种可能性依赖于用户的信心是否可以在刺激呈现后和反应之前立即解码，以便及时采取纠正行动。因此，尽管先前的研究表明决策信心表现在大脑信号中，但目前还不清楚该表征是刺激锁定的还是反应锁定的，以及刺激锁定的预反应解码是否足够准确地实现。

来自美国南加州大学电气与计算机工程系的研究团队最近提出了一种基于无创脑电图的BCI改善人类决策的可行性方案，通过收集在现实刺激下的知觉决策任务中的高密度脑电图来研究信心的神经关联。

为了分离刺激锁定和反应锁定的信心相关因素，研究人员通过收集主观信心报告，同时使用时间间隔将刺激处理与反应分开，从而使得刺激锁定效应在没有足够的刺激后间隙的情况下干扰反应锁定现象，随后进行事件相关电位（ERP）和源定位分析。

这项研究表明，信心的神经相关因素是刺激锁定的，而刺激后间隙的缺失可能会导致这些相关因素错误地表现为反应锁定。通过防止与反应相关的活动混淆刺激锁定活动，信心可以从单次试验刺激锁定的前反应脑电图中可靠地解码。

依靠高性能的分类算法，他们设计了一个模拟的BCI框架，以表明脑电图分类足够准确，可以建立BCI，在任务难度和错误成本较高的情况下，对于信心的解码可以用来提高决策性能。说明基于无创脑电图的BCI改善人类决策的可行性。

数据采集

研究人员通过实验设计解决了两个长期存在的问题：即（1）确定在用户做出决定之前是否可以可靠地解码信心，以及这种解码能有多准确；（2）这种预响应解码器的准确性是否足以使BCI能够提高用户的决策准确性，以及在什么任务条件下观察到这种改进。

首先，他们开发了一个实验范式，通过间隙任务和无间隙任务，以唤起对现实刺激的反应的不同水平的信心。

间隙任务：刺激物是一个戴着帽子或头盔的角色，在走廊的背景下显示了250 ms。在刺激后1.75秒的间隔后，受试者被问及他们看到的是帽子还是头盔。在刺激后的间隙之后，受试者通过鼠标点击报告他们的反应-左击头盔，右击帽子。这个响应没有时间限制。在1.5秒的反应间隔后，受试者被要求在1到10的范围内报告他们的信心，1表示随机猜测，10表示完全信心。信心报告的提示显示时间为2秒，之后受试者指示的值被记录为他们的信心。受试者在40个试验组中总共进行了640次试验。随后，为了改变任务的难度，他们在每次试验中用不同的数量来模糊刺激，即使用不同大小的高斯核将刺激物模糊到5个不同的级别（图2B），每个模糊级别在第一个区块中出现相同的次数。在第一个区块之后，根据受试者在最近一个区块中的准确性，调整每个后续块中最大或最小模糊刺激的数量。如果准确率低于65%，则用最小模糊刺激替换5个最大模糊刺激，以使任务更容易完成。如果准确率高于85%，则将5个最小模糊刺激替换为最大模糊刺激，以使任务更加困难。从而保持准确性在65%-75%的范围内，使得有信心和没有信心的实验的数量大致相同。对于高度自信的实验，我们期望接近100%的准确性，而对于最低自信的实验，我们期望接近50%的准确性（随机概率）。因此，在自信和不自信的实验中，总准确率应该在75%左右。

无间隙任务：为了评估刺激后间隙的影响，他们还收集了与间隙任务相同的数据，该任务没有刺激后的间隙。

图1 用于间隙/无间隙刺激判别任务的实验方案。

随后，他们据实验任务中收集的行为数据设计了一个模拟BCI框架，以确定他们在实验中观察到的信心解码器是否可以作为BCI的一部分，从而提高用户的任务性能。他们模拟了一个一般的刺激-辨别任务，用户在其中必须确定一个刺激是否属于两个类别之一。BCI在每次刺激呈现后解码用户的信心，并重复刺激，直到解码的信心超过给定的阈值。一旦达到此自信度阈值，用户就可以作出响应。

图2 信心分类器架构的细节。

结果

1、与信心相关的ERP是刺激锁定的

从ERP分析结果来看，在刺激开始后500 ms左右和响应时间前后，自信和不自信的脑电图都存在显著差异，因此差异是刺激锁定还是响应锁定变得模糊。而在间隙任务中，这种活动模式仅在刺激锁定时期观察到。且这种刺激锁定的差异早在响应之前就发生了，表明刺激锁定活动和响应锁定活动之间不存在干扰的可能性。

顶叶区是无间隙任务中ERP差异最大的区域之一，提示其大脑过程可能参与了这三个时期。而在间隙存在时，ERP的反应锁定差异在刺激后遵循不同的模式。因此结果表明，任务中与信心相关的活动是刺激锁定的，而不是反应锁定的。

图3 脑电图分析结果。

2、信心相关活动的皮质来源

来源定位分析结果表明，在右侧枕叶和颞叶中存在低于阈值的簇，这表明这些大脑区域参与了信心的神经表征，这些区域可能也参与了视觉物体识别任务决策后的信心。因此，信心的神经来源有可能是右侧单侧的。

图4 脑电图源定位分析。

3、信心可以从单个实验刺激锁定的前反应脑电图活动中解码

对于不同分类器的分析结果显示，所有分类器都能够以显著高于概率准确度对信心进行分类，这表明信心可以从单次试验刺激锁定的脑电图活动中稳定地解码。在所有的分类方法中，支持向量机（SVM）表现最好，平均AUC为0.76，且SVM分类在11个个体受试者中的每一个中都具有显著性。

图5 在间隙任务中，仅使用刺激锁定的反应前活动进行信心分类。

4、开发BCI仿真框架以提高决策准确性

他们开发了一个模拟框架，以展示如何将信心分类器用作BCI的一部分，以提高用户的任务性能。当首次呈现刺激时，模拟用户的信心是从基于间隙任务期间收集的真实报告的分布中提取的，然后模拟解码器将根据用户的信心是高于阈值还是低于阈值进行分类。仿真结果表明，BCI在高难度、高误差成本的情况下优于控制组。然而，在低难度、低误差成本的制度下，控制有较高的惩罚比特率。表明预响应解码器在BCI框架中使用的可行性，用于提高用户的任务性能，特别是当任务困难和错误代价高昂时。

图6 BCI仿真框架表明，自信度分类器可以用于BCI来改进决策制定。

目前，但基于无创EEG的BCI也被用于恢复受损患者的运动、运动控制和沟通等功能。除了治疗运动障碍和神经精神疾病等病理状况外，人们也越来越关注开发可以提高个体能力的非侵入性BCI。之前在此类BCI方面的工作包括记忆增强、睡意检测、驾驶辅助、远程机器人控制、光标控制、信任评估、群体决策、错误检测和注意力监控等。

其中，较为重要的应用是开发BCI帮助受试者以更高的可靠性、速度和准确性做出关键决策，特别是在关键、压力或时间紧迫的情况下。在这项工作中，研究人员阐明了信心与现实的刺激的神经关联，表明这些相关性是刺激锁定而不是反应锁定的，发现在做出决定之前，在没有反应相关活动的帮助下，信心可以被可靠地解码。此外，他们开发了一个模拟BCI框架，表明在任务难度和错误成本很高的情况下，基于无创脑电图的BCI可用于提高决策效率，改善人类决策的可行性。

参考文献链接：

https://www.biorxiv.org/content/10.1101/2022.11.01.514790v1.full

仅用于学术交流，若有侵权，请留言，管理员即时删侵！