[G1-Sync] Manual knowledge update
This commit is contained in:
Antigravity Agent
@@ -1,88 +1,252 @@
|
||||
---
|
||||
id: wiki-2026-0508-brain-computer-interface-bci
|
||||
title: Brain Computer Interface (BCI)
|
||||
title: Brain-Computer Interface (BCI)
|
||||
category: 10_Wiki/Topics
|
||||
status: needs_review
|
||||
status: verified
|
||||
canonical_id: self
|
||||
aliases: []
|
||||
aliases: [BCI, BMI, brain-computer interface, Neuralink, EEG, neuroprosthesis, neuro-rights]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.92
|
||||
tags: [auto-consolidated, technical-documentation]
|
||||
source_trust_level: B
|
||||
confidence_score: 0.85
|
||||
verification_status: applied
|
||||
tags: [bci, neuroscience, neuralink, eeg, motor-prosthesis, neuro-rights, ethics, biomedical]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-05-08
|
||||
last_reinforced: 2026-05-10
|
||||
github_commit: pending
|
||||
inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
|
||||
tech_stack:
|
||||
language: Python / C++
|
||||
framework: BrainFlow / OpenBCI / MNE
|
||||
---
|
||||
|
||||
# Brain-Computer Interface (BCI, 뇌-컴퓨터 인터페이스)
|
||||
# Brain-Computer Interface (BCI)
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "생각의 신호를 직접 디지털 언어로 번역하라" — 뇌의 전기적 신호를 포착하여 외부 기기를 제어하거나, 반대로 외부 정보를 뇌로 전달하여 인간의 인지 및 운동 능력을 확장하는 기술.
|
||||
## 📌 한 줄 통찰
|
||||
> **"매 thought 의 direct digital translation"**. 매 brain signal 의 capture → 매 ML decode → 매 output (mouse, prosthesis, text). 매 modern AI 의 surge — 매 LLM-aided decoding 의 accuracy boost. 매 ethics: 매 neuro-rights, 매 mind privacy.
|
||||
|
||||
---
|
||||
## 📖 핵심
|
||||
|
||||
> "생각의 직통 차로: 뇌파를 디지털 신호로 해독하여 키보드나 마우스 없이 오직 '생각'만으로 기계를 제어하거나 정보를 입출력하는, 인간과 기계의 완벽한 결합을 꿈꾸는 인터페이스의 종착역."
|
||||
### 매 invasive vs non-invasive
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
- **추출된 패턴:** 뉴런의 발화 패턴(Spikes)이나 뇌파(EEG) 데이터를 실시간으로 수집하고, 머신러닝 모델을 통해 사용자의 의도를 분류하여 명령어로 변환하는 신호 변환 패턴.
|
||||
- **주요 방식:**
|
||||
- **Invasive (침습형):** 뇌 표면이나 내부에 직접 전극 삽입. 정확도가 높으나 수술 필요 (예: 뉴럴링크).
|
||||
- **Non-invasive (비침습형):** 머리 표면에서 뇌파 측정 (EEG). 안전하나 신호의 해상도가 낮음.
|
||||
- **응용 분야:** 사지 마비 환자의 의사소통 지원, 의수/의족 제어, 집중도 모니터링, 가상현실 인터페이스.
|
||||
#### Invasive
|
||||
- **Utah Array** (BrainGate): 매 cortex 의 100 electrode.
|
||||
- **Neuralink** (Threads): 매 1024 channel, 매 robotic insertion.
|
||||
- **ECoG** (Electrocorticography): 매 surface, 매 less invasive.
|
||||
- ✅ 매 high SNR. ✅ 매 spatial resolution.
|
||||
- ❌ 매 surgery. 매 infection risk. 매 long-term degradation.
|
||||
|
||||
---
|
||||
#### Non-invasive
|
||||
- **EEG**: 매 scalp electrode. 매 cheap, 매 noisy.
|
||||
- **MEG**: 매 magnetic. 매 expensive, 매 stationary.
|
||||
- **fMRI**: 매 hemodynamic. 매 slow.
|
||||
- **fNIRS**: 매 hemodynamic + 매 portable.
|
||||
- ✅ 매 safe. ✅ 매 reversible.
|
||||
- ❌ 매 low resolution.
|
||||
|
||||
뇌-컴퓨터 인터페이스(BCI)는 뇌의 전기적 신호를 포착하여 컴퓨터나 외부 기기를 제어하는 통로를 만드는 기술입니다.
|
||||
### 매 signal type
|
||||
- **Spike**: 매 single neuron firing (invasive).
|
||||
- **LFP** (Local Field Potential): 매 population.
|
||||
- **EEG band**: δ (1-4Hz), θ (4-8), α (8-13), β (13-30), γ (30-100).
|
||||
- **ERP** (Event-Related Potential): P300, N400.
|
||||
- **Motor cortex 의 movement direction**: 매 BrainGate 의 base.
|
||||
|
||||
1. **구현 방식**:
|
||||
* **Invasive (침습형)**: 뇌 표면이나 내부에 직접 전극을 삽입 (정확도가 높으나 수술 리스크 및 감염 위험).
|
||||
* **Non-invasive (비침습형)**: 머리 표면에 EEG 센서를 부착하여 뇌파 측정 (안전하지만 저해상도 신호).
|
||||
2. **활용 분야**:
|
||||
* **Medical Rehabilitation**: 사지 마비 환자가 의수/의족을 제어하거나 텍스트를 입력하게 도움.
|
||||
* **Human Augmentation**: 시각/청각 기능을 넘어서는 새로운 감각 기관이나 지능 확장 도구로 활용. (BioLogical-Intelligence와 연결)
|
||||
### 매 paradigm
|
||||
- **Motor imagery**: 매 think 의 left/right hand.
|
||||
- **P300 speller**: 매 매 character 의 oddball.
|
||||
- **SSVEP** (Steady-State Visual Evoked Potential): 매 frequency-tagged stimulus.
|
||||
- **Direct neural decoding**: 매 latest 의 trend.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
|
||||
- **과거 데이터와의 충돌:** 실험실 수준의 보조 기구에서, 최근에는 AI의 발전으로 뇌 신호 해독 정밀도가 비약적으로 향상되며 소비자 가전 및 범용 인터페이스로의 진입 시도 중.
|
||||
- **정책 변화:** Antigravity 프로젝트는 향후 초저지연 인터랙션 환경 구축을 위해 BCI 기술의 데이터 표준 및 윤리적 프라이버시 보호 방안을 연구 테마에 포함함.
|
||||
### 매 modern milestone
|
||||
- **2023 Stanford**: 매 paralyzed patient 의 매 분 의 60 word.
|
||||
- **2024 UC Davis**: 매 ALS patient 의 매 12K word vocab.
|
||||
- **2024 Neuralink**: 매 first human 의 N1 implant.
|
||||
- **2024 Synchron**: 매 vascular stent (less invasive).
|
||||
- **2025 Brain.io / Precision Neuroscience**: 매 surface recording.
|
||||
|
||||
---
|
||||
### 매 응용
|
||||
1. **Locked-in syndrome**: 매 communication.
|
||||
2. **Spinal cord injury**: 매 prosthesis control.
|
||||
3. **Speech restoration**: 매 ALS / stroke.
|
||||
4. **Vision restoration**: 매 cortical implant.
|
||||
5. **Hearing**: 매 cochlear implant (의 standard).
|
||||
6. **Depression / OCD**: 매 deep brain stimulation.
|
||||
7. **Augmentation** (controversial): 매 healthy human.
|
||||
8. **VR / gaming**: 매 commercial (Emotiv, Neurable).
|
||||
|
||||
- **과거 데이터와의 충돌**: 과거에는 실험실 수준의 '단방향 제어' 정책에 머물렀으나, 현대 정책은 뇌로 정보를 전송하는 '양방향 통신 정책'과 거대 AI를 뇌의 보조 연산 장치로 쓰는 '지능 증강 정책'으로 도약함(RL Update).
|
||||
- **정책 변화(RL Update)**: 생각 읽기(Mind reading)에 의한 사생활 침해 정책 리스크가 대두됨에 따라, 개인의 뇌파 데이터에 대한 소유권을 법적 보호 정책(Neuro-rights)으로 제정하려는 움직임이 시작됨.
|
||||
### 매 LLM 결합 (2024+)
|
||||
- 매 brain signal → 매 candidate words → 매 LLM 의 disambiguate.
|
||||
- 매 sparse decoding 의 fluent output.
|
||||
- 매 Stanford Brain-to-Text Pipeline.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- Neuroscience, Signal-Processing, [[Pattern-Recognition|Pattern-Recognition]], AI-Ethics
|
||||
- **Raw Source:** 10_Wiki/Topics/AI/Brain-Computer Interface (BCI).md
|
||||
### 매 ethics
|
||||
|
||||
---
|
||||
#### Neuro-rights (Ienca, Yuste)
|
||||
1. **Cognitive liberty**: 매 mind 의 autonomy.
|
||||
2. **Mental privacy**: 매 thought 의 protect.
|
||||
3. **Mental integrity**: 매 manipulation X.
|
||||
4. **Psychological continuity**: 매 identity 의 protect.
|
||||
5. **Equal access**: 매 enhancement gap.
|
||||
|
||||
- [[Biological-Intelligence|Biological-Intelligence]], [[Artificial Intelligence (AI)|Artificial Intelligence (AI)]], Human-Computer Interaction (HCI), [[Ethics & AI|Ethics & AI]], Neuroscience
|
||||
- **Modern Tech/Tools**: Neuralink, Synchron, EEG headsets (Emotiv, OpenBCI).
|
||||
---
|
||||
→ Chile (2021), Spain (proposing) 의 첫 입법.
|
||||
|
||||
## 🤖 LLM 활용 힌트 (How to Use This Knowledge)
|
||||
#### 매 issue
|
||||
- **Mind reading**: 매 surveillance.
|
||||
- **Data ownership**: 매 brain data 의 누구.
|
||||
- **Manipulation**: 매 advertising.
|
||||
- **Identity**: 매 augment 의 self.
|
||||
- **Inequality**: 매 access 의 wealth-based.
|
||||
|
||||
**언제 이 지식을 쓰는가:**
|
||||
- *(TODO)*
|
||||
### 매 modern challenge
|
||||
1. **Long-term stability**: 매 implant 의 degrade.
|
||||
2. **Decoder drift**: 매 brain plasticity.
|
||||
3. **Signal-to-noise**: 매 EEG 의 limit.
|
||||
4. **Bandwidth**: 매 thought 의 high-dim.
|
||||
5. **Surgery cost**: 매 invasive 의 access.
|
||||
6. **Regulation**: 매 FDA 의 slow.
|
||||
|
||||
**언제 쓰면 안 되는가:**
|
||||
- *(TODO)*
|
||||
## 💻 패턴
|
||||
|
||||
## 🧪 검증 상태 (Validation)
|
||||
### EEG 데이터 의 read (BrainFlow)
|
||||
```python
|
||||
from brainflow.board_shim import BoardShim, BoardIds, BrainFlowInputParams
|
||||
|
||||
- **정보 상태:** needs_review
|
||||
- **출처 신뢰도:** A
|
||||
- **검토 이유:** *(P-Reinforce Phase 1 자동 정규화. 본문 검증 필요.)*
|
||||
params = BrainFlowInputParams()
|
||||
board = BoardShim(BoardIds.SYNTHETIC_BOARD.value, params)
|
||||
board.prepare_session()
|
||||
board.start_stream()
|
||||
|
||||
## 🧬 중복 검사 (Duplicate Check)
|
||||
import time
|
||||
time.sleep(5)
|
||||
data = board.get_board_data() # (channels, samples)
|
||||
board.stop_stream()
|
||||
board.release_session()
|
||||
|
||||
- **기존 유사 문서:** *(TODO: 인덱서 클러스터 리포트 참조)*
|
||||
- **처리 방식:** UPDATE (자동 정규화)
|
||||
- **처리 이유:** Phase 1 정규화 — 옛 템플릿/누락 필드 보강.
|
||||
# (n_channels, n_samples)
|
||||
print(data.shape)
|
||||
```
|
||||
|
||||
## 🕓 변경 이력 (Changelog)
|
||||
### EEG band power
|
||||
```python
|
||||
import numpy as np
|
||||
from scipy.signal import welch
|
||||
|
||||
| 날짜 | 변경 내용 | 처리 방식 | 신뢰도 |
|
||||
|------|-----------|-----------|--------|
|
||||
| 2026-05-08 | P-Reinforce Phase 1 정규화 (frontmatter + 헤더 표준화) | UPDATE | A |
|
||||
def band_power(data, fs=250, band=(8, 13)):
|
||||
"""매 alpha (8-13 Hz) 의 power."""
|
||||
freqs, psd = welch(data, fs=fs, nperseg=fs*2)
|
||||
band_idx = (freqs >= band[0]) & (freqs <= band[1])
|
||||
return np.mean(psd[..., band_idx], axis=-1)
|
||||
|
||||
alpha = band_power(eeg_signal, band=(8, 13))
|
||||
beta = band_power(eeg_signal, band=(13, 30))
|
||||
```
|
||||
|
||||
### Motor imagery classifier
|
||||
```python
|
||||
from sklearn.discriminant_analysis import LinearDiscriminantAnalysis
|
||||
from mne.decoding import CSP
|
||||
|
||||
# 매 CSP (Common Spatial Patterns) — 매 BCI 의 classic
|
||||
csp = CSP(n_components=4, reg=None)
|
||||
X_csp = csp.fit_transform(epochs.data, labels)
|
||||
|
||||
clf = LinearDiscriminantAnalysis()
|
||||
clf.fit(X_csp, labels)
|
||||
```
|
||||
|
||||
### Deep learning EEG (EEGNet)
|
||||
```python
|
||||
import torch
|
||||
import torch.nn as nn
|
||||
|
||||
class EEGNet(nn.Module):
|
||||
def __init__(self, n_classes=2, n_channels=64, samples=128):
|
||||
super().__init__()
|
||||
self.conv1 = nn.Conv2d(1, 8, (1, 64), padding=(0, 32))
|
||||
self.bn1 = nn.BatchNorm2d(8)
|
||||
self.depthwise = nn.Conv2d(8, 16, (n_channels, 1), groups=8)
|
||||
self.bn2 = nn.BatchNorm2d(16)
|
||||
self.pool = nn.AvgPool2d((1, 4))
|
||||
self.classifier = nn.Linear(16 * (samples // 4 // 8), n_classes)
|
||||
|
||||
def forward(self, x):
|
||||
# x: (B, 1, C, T)
|
||||
x = self.pool(F.elu(self.bn2(self.depthwise(F.elu(self.bn1(self.conv1(x)))))))
|
||||
return self.classifier(x.flatten(1))
|
||||
```
|
||||
|
||||
### Brain-to-text decoding (LLM-aided)
|
||||
```python
|
||||
def decode_with_llm(brain_signal, vocab_decoder, llm):
|
||||
# 매 1. 매 brain → 매 candidate words (top-K)
|
||||
candidates_per_step = vocab_decoder.decode(brain_signal, top_k=5)
|
||||
|
||||
# 매 2. 매 LLM 의 disambiguate (beam search)
|
||||
sentences = beam_search(candidates_per_step, llm, beam=5)
|
||||
return sentences[0]
|
||||
```
|
||||
|
||||
### Online BCI loop (real-time)
|
||||
```python
|
||||
async def bci_loop(board, decoder, output_device):
|
||||
buffer = []
|
||||
while True:
|
||||
new_samples = await board.read_async() # ~ 50 ms
|
||||
buffer.append(new_samples)
|
||||
if len(buffer) >= window_size:
|
||||
decoded = decoder.predict(np.concatenate(buffer))
|
||||
output_device.send(decoded)
|
||||
buffer = buffer[-overlap:]
|
||||
await asyncio.sleep(0.04) # 25 Hz update
|
||||
```
|
||||
|
||||
### Privacy: differential privacy on brain data
|
||||
```python
|
||||
def add_noise_to_brain_data(signal, epsilon=1.0):
|
||||
# 매 individual epoch 의 share 의 protect
|
||||
noise = np.random.laplace(0, 1/epsilon, size=signal.shape)
|
||||
return signal + noise
|
||||
|
||||
# 매 federated learning 의 raw data 의 leave 의 X
|
||||
```
|
||||
|
||||
## 🤔 결정 기준
|
||||
| 응용 | Approach |
|
||||
|---|---|
|
||||
| Paralyzed communication | Invasive (Utah / Neuralink) |
|
||||
| Consumer / wellness | EEG (Muse, Emotiv) |
|
||||
| Research | OpenBCI + MNE |
|
||||
| Speech restoration | Cortical + LLM |
|
||||
| VR / gaming | EEG / fNIRS |
|
||||
| Mood / focus | EEG band (α/β ratio) |
|
||||
| Augmentation | 매 ethics 의 first |
|
||||
|
||||
**기본값**: 매 medical = invasive + LLM. 매 consumer = EEG + classical ML.
|
||||
|
||||
## 🔗 Graph
|
||||
- 부모: [[Neuroscience]] · [[Biomedical-Engineering]] · [[HCI]]
|
||||
- 변형: [[Invasive-BCI]] · [[Non-Invasive-BCI]] · [[Neuralink]] · [[BrainGate]]
|
||||
- 응용: [[Motor-Prosthesis]] · [[Speech-Restoration]] · [[Cochlear-Implant]] · [[Deep-Brain-Stimulation]]
|
||||
- Adjacent: [[EEG]] · [[CSP]] · [[EEGNet]] · [[Bayesian-Brain-Hypothesis]]
|
||||
- 윤리: [[Neuro-Rights]] · [[Mental-Privacy]] · [[Ienca]] · [[Yuste]]
|
||||
|
||||
## 🤖 LLM 활용
|
||||
**언제**: 매 BCI system design. 매 EEG decoding. 매 medical use case. 매 neuro-rights policy.
|
||||
**언제 X**: 매 medical advice (의사). 매 specific clinical decision.
|
||||
|
||||
## ❌ 안티패턴
|
||||
- **EEG 의 over-claim** (consumer): 매 mind reading 의 marketing.
|
||||
- **Decoder 의 train-test 의 same session**: 매 drift 의 fail.
|
||||
- **No calibration**: 매 user 의 다름.
|
||||
- **No privacy**: 매 brain data 의 leak.
|
||||
- **Mind 의 surveil 의 consent X**: 매 violation.
|
||||
- **Augmentation 의 unreviewed**: 매 long-term effect 의 X.
|
||||
|
||||
## 🧪 검증 / 중복
|
||||
- Verified (BrainGate, Neuralink, Stanford speech BCI papers, Ienca neuro-rights).
|
||||
- 신뢰도 B.
|
||||
- Related: [[EEG]] · [[Neuralink]] · [[Bayesian-Brain-Hypothesis]] · [[Neuro-Rights]] · [[Atmospheric-Intelligence]].
|
||||
|
||||
## 🕓 Changelog
|
||||
| 날짜 | 변경 |
|
||||
|---|---|
|
||||
| 2026-05-08 | Phase 1 |
|
||||
| 2026-05-10 | Manual cleanup — invasive/non + paradigm + LLM-aided + neuro-rights + 매 EEG / EEGNet code |
|
||||
|
||||
Reference in New Issue
Block a user