Was machen eigentlich die Produktmanager von Brain-Computer-Interface-Produkten jetzt?

Heute schreibe ich diesen Artikel, nachdem ich mit meinem Team bereits ein Jahr lang an Brain-Computer-Interfaces gearbeitet habe und bereits über zwei Jahre in der Raumcomputing-Entwicklung tätig bin. In diesen zwei Jahren hat das Team ständig neue Technologien gelernt, von der Frontend-Entwicklung über die Full-Stack-Entwicklung bis hin zur Unity-Entwicklung und OpenXR-Entwicklung. Das gesamte Team ist von einfachen Entwicklungsingenieuren zu Full-Stack- und jetzt zu AI + Raumcomputing-Ingenieuren geworden.

Dieser Prozess war nicht einfach. Der Kerngrund ist, dass viele Menschen die Zukunft noch nicht sehen, während wir zumindest wissen, wie sich die Interaktion zwischen Menschen und informatischen Endgeräten in den nächsten 3 - 5 Jahren oder sogar 10 Jahren entwickeln wird.

Wir lieben nicht nur die Softwareindustrie, sondern wir glauben auch an die von Apple und Google vorgeschlagenen Raumcomputing-Standards. Die Kombination von Raumcomputing und AI ist die Zukunft des Menschen, und das Brain-Computer-Interface ist ein wichtiges Endgerät in diesem Prozess. Derzeit befindet sich die Entwicklung des Brain-Computer-Interfaces noch in der Schnittmenge zwischen der medizinischen und der computertechnischen Branche. Daher wird die Entwicklung zunächst von Patienten ausgehen und dann auf normale Benutzer ausgedehnt werden.

Der Brain-Computer-Interface-Bereich hat einen großen Bedarf an Produktmanagern

Im Vergleich zur AI-Branche glaube ich, dass der Brain-Computer-Interface-Bereich noch stärker nach Internet-Produktmanagern sucht. Dies liegt nicht nur daran, dass diese Branche noch in der Entwicklungsphase ist und es in China noch nicht viele Brain-Computer-Interface-Unternehmen gibt. Vielmehr sind die meisten Teams aus Krankenhäusern und Forschungsinstituten hervorgegangen. Dies führt dazu, dass die Brain-Computer-Interface-Teams fast ausschließlich aus traditionellen Fachbereichen wie Biowissenschaften, Maschinenbau und Ingenieurwissenschaften bestehen.

Die Forschungslabore für Brain-Computer-Interfaces stammen fast alle aus Hochschulgebieten. Nur wenige Spitzenunternehmen haben Ingenieure aus Technologieunternehmen. Selbst diese Technologieunternehmen rekrutieren fast nicht wie normale Technologieunternehmen, sondern eher über Alumni-Netzwerke, z. B. von Schülern und Schülerschaften. Dies führt dazu, dass die Ingenieurfähigkeiten, insbesondere die Softwarefähigkeiten, der gesamten Firma sehr schwach sind, verglichen mit ersten oder zweiten Ranges Technologieunternehmen, sowohl in Bezug auf die Benutzeroberfläche als auch auf das UI-Design.

Im Folgenden können Sie die Client-Oberfläche einer Brain-Computer-Interface-Software sehen. Die Seitenansicht ist recht grob, und das UI-Design und die Produktlayout sind auch recht einfach, wie wenn es von Studenten als Entwurfskonzepte erstellt worden wäre.

Unter der heutigen AI-Codierung und AI-Design werden diese Oberflächen von der AI weit hinter sich gelassen.

Die Entwicklung des Brain-Computer-Interface-Bereichs ist sehr heterogen. Es gibt nur wenige Unternehmen, die sich wirklich auf die Bedürfnisse der Benutzer, Patienten, Ökosysteme und Ingenieurarbeiten konzentrieren. Insbesondere sind die meisten Brain-Computer-Interface-Geräte, ob invasiv oder nicht-invasiv, Hardware-Endgeräte. Die Hardware ist fast gleich, einige sind Open-Source-Nachentwicklung, andere werden komplett von Drittanbietern hergestellt.

In China befindet sich der Brain-Computer-Interface-Bereich noch in der Hardwarephase. Zumindest müssen Brain-Computer-Interfaces als medizinische Geräte derzeit noch die Klasse-III-Medizinproduktzulassung erhalten. Nicht-invasive Brain-Computer-Interfaces können als Einzelkanal-Geräte für Verbraucher verwendet werden, wie z. B. Brainlink oder Qiangnao Technology.

Im Vergleich zu Mobiltelefonen hat das Brain-Computer-Interface nicht nur die Probleme mit der Hardware und der Zulassung als medizinisches Gerät, sondern auch das Problem der Preise. Ein 32-Kanal-Brain-Computer-Interface kostet oft mehrere hunderttausend Yuan, von 200.000 bis 400.000 Yuan. Je höher die Abtastrate und je mehr Kanäle, desto teurer wird es.

Deshalb werden Brain-Computer-Interfaces hauptsächlich von Krankenhäusern oder Hochschulen gekauft. Dies macht es für normale Technologieunternehmen sehr schwierig, da die Hardwarekosten bereits mehrere hunderttausend Yuan betragen, ohne Server- und Personalkosten. Die Investitionen sind sehr hoch.

Für normale Menschen reichen ohne etwa 5 Millionen Yuan an Grundmittel nicht einmal für die Entwicklung von Hardware, Software und die Anträge auf medizinische Zulassung. Es können leicht über 10 Millionen Yuan erforderlich sein.

Derzeit ist die Hardware des Brain-Computer-Interfaces sehr beliebt, aber die Software fehlt. Insbesondere fehlt auch das Kern-Modell des Brain-Computer-Interfaces.

Die Brain-Computer-Interface-Geräte konzentrieren sich fast auf 4 Paradigmen. Jedes Paradigma kann als ein Satz von maschinellen Lernalgorithmen verstanden werden. In den letzten Jahren haben sich die nicht-invasiven Verfahren auf Bewegungsvorstellung, SSVEP, P300 und Konzentration konzentriert. Je nach benötigter Gehirnregion können verschiedene Paradigmen realisiert werden.

Mein Team arbeitet derzeit an der Intention-Vorstellung-Paradigma, um Texte und Bilder aus EEG-Signalen zu generieren. Wir arbeiten noch an diesem Bereich. Obwohl es noch viele Zweifel an der wissenschaftlichen Grundlage gibt, ist unbestreitbar, dass das Brain-Computer-Interface jetzt die Entwicklung von Software und Datenmodellen erlebt. Ähnlich wie bei den Windows 98-Computern, erst mit der zunehmenden Anzahl von Geräten kann ein Software-Ökosystem entstehen, und erst mit einem Software-Ökosystem können mehr Benutzer gewonnen werden.

Bewegungsvorstellung-Paradigma

Als Standard- und ältestes Paradigma hat die Bewegungsvorstellung tatsächlich sehr große Nachteile. Obwohl die maschinellen Lernalgorithmen sehr standardisiert sind, können viele Menschen die Bewegung nicht vorstellen. Wir können dies als Bewegungsvorstellungssinnlosigkeit bezeichnen. Daher ist die Bewegungsvorstellung nur für eine besondere Gruppe von Menschen geeignet. Im Allgemeinen können etwa 30 % der Bevölkerung keine Bewegungsvorstellung erkennen.

Im Folgenden ist die Bewegungsvorstellung gezeigt.

SSVEP-Paradigma

Durch das Blinken mit einer bestimmten Frequenz wird im Gehirn des Benutzers ein EEG-Signal erzeugt, um ein Signal auszuwählen. Normalerweise wird SSVEP für Auswahlvorgänge verwendet. Im Folgenden ist ein typischer Vorgang gezeigt, den Forscher mit SSVEP durchführen.

Das Problem mit der Leitpaste: Die Schwierigkeiten bei der Datenentwicklung des Brain-Computer-Interfaces

Im Laborprozess benötigen viele Brain-Computer-Interface-Geräte Leitpaste, was Schritte wie das Waschen und Schneiden des Haares erfordert. Je mehr Kanäle und je länger die Tragzeit, desto geringer ist die Toleranz der Probanden.

Derzeit sind trockene Elektroden bei Brain-Computer-Interfaces bequemer. Aber wegen der Signalprobleme ist die Verbreitung von trockenen Elektroden schwierig, da Forscher der Meinung sind, dass nasse Elektroden bessere Ergebnisse liefern. Deshalb werden bei der meisten Datenakquisition nasse Elektroden verwendet.

Nach 2023 hat die Entwicklung von trockenen Elektroden schnell zugenommen, was die Datenquellen und -mengen des Brain-Computer-Interfaces erhöht hat. Früher war die Datenerfassung eines Brain-Computer-Interfaces sehr umständlich.

Es war notwendig, Patienten zu finden und sie dazu zu bringen, Leitpaste aufzutragen, und es gab auch die sperrigen Brain-Computer-Interface-Geräte.

Konzentrations-Paradigma, Einzelkanal

Die Konzentration ist ein relativ festes Paradigma, das durch die Verwendung einer festen Anzahl von Kanälen in der Frontallappenregion erreicht werden kann. Derzeit ist die Konzentration aufgrund der geringen Anzahl von Kanälen und der bequemen Tragbarkeit das beliebteste Produkt im Brain-Computer-Interface-Bereich. Beispielsweise sind fast alle auf dem Markt erhältlichen Verbraucherprodukte Einzelkanal-Geräte.

Aber die begrenzte EEG-Kanalregion in der Frontallappenregion kann für Aufmerksamkeitsstörungen, Autismus, Depression und Angstzustände verwendet werden, da diese alle mit der Frontallappenregion in Verbindung stehen.

Durch die kontinuierliche Datenerfassung kann die neuronale Verknüpfung in der Frontallappenregion trainiert werden, um das Gehirn zu trainieren.

P300-Paradigma

Im Vergleich zu SSVEP kann das P300-Paradigma am besten durch das Sehen eines Buchstabens realisiert werden. Aber aufgrund der Zeitdifferenz und der Verzögerung ist die beste Interaktionsform immer noch die Tastatureingabe mit SSVEP.

Das war es für heute.

Dieser Artikel stammt aus dem WeChat-Account „Kevin's kleine Schritte, die die Welt verändern“ (ID: Kevingbsjddd). Verfasser: Kevin's Geschichten. Veröffentlicht von 36Kr mit Genehmigung.