Beyin Bilgisayar Arayüzleri Üstüne

Soğuk savaş günlerinden kalma bir fantazi olan böyle bir sistem ancak beyin bilgisayar arayüzleri (brain-computer interface)ile gerçekleştirilebilir. Son 30 yıldır beyin bilgisayar arayüzleri konusunda yapılan çalışmalar ise ortalığı füzeye, bombaya boğmaktan çok felçli hastaların etraflarındaki cihazları ve bedenlerini kontrol edebilmeleri için geliştirilmektedir.

Özet

Bu makalede Beyin Bilgisayar Arayüzü (BBA - Brain Computer Interface - BCI) kavramı ele alınacak, tarihi gelişimi değerlendirilecek, bu teknolojinin motivasyonları sıralanacak ve BBA araştırmasında kullanılan yöntemlerin yanısıra bir BBA sisteminin temel bileşenleri ele alınacaktır.

Giriş: Neden BBA?

Eğer bir şey varsa belli bir miktarda vardır. Eğer belli bir miktarda varsa ölçülmesi mümkündür. René Descartes, Felsefenin Prensipleri, 1644

İnsanlar makinalarla iletişim kurmak için çeşitli araçlardan faydalanır: Klavyeler, fareler, "joystick"ler, dokunmaya duyarlı yüzeyler, özel eldivenler, mikrofonlar. vs. Tüm bu komut verme araçları kullanıcın vücudunun belli bir kısmını (daha doğrusu kas sistemini) kontrol edebildiği varsayımına dayanır. Ancak durum her zaman böyle değildir.

Söz gelimi motor nöron hastalıklarından biri, amiyotrofik lateral sklerozis (ALS) sadece ABD'de onbinlerce kişiyi etkileemkte ve insanların istemli hareketlerini engellemektedir [1]. ALS, beyin ve omurilikteki motor nöronlara saldırmakta ve kısa sürede hasta hiçbir kasını hareket ettiremez hale gelmektedir. Benzer duruma yol açan motor nöron problemleri arasında beyin kökü travması, beyin ya da omurilik yaralanması, serebral palsi, kas distrofileri ve çoklu skleroz yer almakta, bunların 2.000.000'a yakın hastayı etkilediği bilinmektedir.

Ancak önemli olan şey ALS hastalığının sadece ve sadece motor nöronları etkilediği, yani hastanin bilişsel işlevlerine bir zarar vermediği gerçeğidir. Hafıza, zekâ ve kişilik korunur. Hastalar görebilir, duyabilir, koklayabilir ve dokunsal uyaranları yorumlayabilirler [1]. Bu da demektir ki, eğer hastanın beynindeki sinirsel etkinliği doğrudan yorumlayabilecek bir teknoloji geliştirilebilirse hastanın çevresindeki araçlarla ve insanlarla iletişim kurması mümkün olabilir.

Yukarıdaki örnek senaryo BBA araştırmalarının ana motivasyon kaynaklarından biridir ancak başka sebepler de mevcuttur. BBA araştırmacılarını yönlendiren düşüncelerden biri de doğrudan düşünceleri kullanarak başka bir ara katmana (kas sistemi gibi) gerek kalmaksızın bilgisayarları kontrol edebilmektir. Bu bakımdan, BBA makina insan etkileşiminde güçlendirici bir teknoloji olarak düşünülebilir. Yani popüler anlamı ile olmasa da bir tür "telepati" gerçekleştirmek mümkün olabilir

Metnin geriye kalanında "kullanıcı" ve "hasta" terimleri birbirlerinin yerine geçebilecek şekilde kullanılacaktır ve her iki terimle de kast edilen BBA sistemini kullanıp bir ya da daha çok cihazı kontrol etmeye çalışan özne olacaktır.

BBA Nedir?

Beyin bilgisayar arayüzü:

bir tür iletişim sistemidir. Bu iletişim sisteminde, bireyin dış dünyaya gönderdiği iletiler ve komutlar beynin normal çıktı yolları olan çevre sinirlerden ve kaslardan geçmez [2].

Yukarıdaki tanımlamaya göre, beyin etkinliği algılandığı ve yorumlandığı sürece bu tür bir sisteme BBA denebilir ve bunun için elektroensefalografi (EEG), fonksiyonel manyetik rezonans görüntüleme (fMRI), pozitron emisyon tomografisi (PET), vb. teknikler kullanılabilir ancak şimdiye dek BBA çalışmalarında yoğun olarak kullanılmış olan teknik EEG'dir.

Tarihi perspektiften bakılacak olursa, "beyin bilgisayar arayüzü" terimini ilk kullanmış olanlardan biri Jacques J. Vidal'dir [3], [4]. Vidal, 1973 yılındaki çalışmasında EEG sinyallerini analiz algılayıp, çözümleyip belli örüntüleri bulup bunları önceden tanımlanmış hareket komutları olarak yorumlayan karmaşık bir bilgisayar sistemi geliştirmiştir. "Bağımlı BBA" olarak tanımlanan bu sistem kullanıcının göz hareketlerini kontrol etme kabiliyetine dayanıyordu (bağımlı BBA aşağıda açıklanacaktır).

BBA'yı mümkün kılan nedir? Yukarıdaki örnekte ve tanımda da görülebileceği gibi, BBA'yı mümkün kılan, beynin ürettiği sinyalleri kaydedip bunları örüntü çözümleme ve sınıflandırmasına tabi tutabilme yeteneğimizdir. Beynin yaydığı sinyaller ve bunların kaydedilmesi ne demektir? Kısa cevap: Beyinde iki tür iletişim gerçekleşir, elektriksel ve kimyasal. Her iki tür iletişimin de "görülebilir" etkileri vardır ve bunları bazı cihazlarla tespit etmek mümkündür. BBA açısından önemli olan beyindeki elektriksel iletişimdir. Beyindeki eylem potansiyellerinin tetiklenmesi ve bunların aksonlar boyunca iletilmesi kafatası yüzeyinde tespit edilebilir fiziksel aktiviteye yol açar.

EEG BBA'yı Nasıl Mümkün Kılar?

BBA alanında en çok kullanılan iletişim türü elektriksel iletişim olduğu için buna biraz yer ayırmamızda fayda var. EEG olmadan pratik, çalışan bir BBA sistemi kurmak zordur.

Elektroensefalografi (EEG) terimi ilk kez Berger tarafından kullanılmıştır [5]. Berger, insan kafatası yüzeyinden beyin dalgalarının tespit edilebileceğini ve okunabileceğini göstermiştir.

Vidal'e göre kafatası yüzeyi elektriksel potansiyellerinin ana kaynağı

kafatasının hemen altındaki beynin dış kabuğunu meydana getiren serebral korteksteki elektriksel etkinliktir. Serebral korteks, sinir hücreleri (nöronlar) içeren gri maddeden oluşan ince bir tabakadır. Bu hücrelerin bir kısmı (piramit hücreleri) apik dendritlere sahiptir yani beyin yüzeyine doğru uzanır ve yanlamasına genişlerler. Bunun sonucunda ince bir "beyaz madde" yüzeyi oluşur ve burada da yoğun şekilde iç içe geçmiş ince dendrit uzantıları diğer komşu dendritlerle bağlantı kurarlar. Dendritler elektrik alanı nöron merkezine ileten elektrolitik bağlantı araçlarıdır. Hücre merkezine ulaşan elektrik sinyali hücre zarını depolarize ederek hücre atımını tetikler ve böylece sinyal yeniden diğer bir tür hücrelerarası bağlantı elemanı olan akson üzerinden ilerler. Gözlemlenen yüzey potansiyelleri piramitsel hücrelerin tepedeki dendritlerinde ve hücre merkezinde (bedeninde, somasında) üretilir. Bu potansiyeller hücre içindeki polarizasyon ve depolarizasyona karşılık gelir (bu elektrik potansiyel değişimleri postsinaptik (sinaps sonrası) olarak nitelendirilir çünkü nöronlararası sinaps etkileşiminde gerçekleşir). Hücrelerarası alanda dikey olarak ilerleyen elektrik akımlarının aynı zamanda dendritler ile derinlerdeki hücreler arasında bir tür geribesleme bağlantısı sağladıkları da düşünülmektedir. Yüzeydeki pozitif olarak kaydedilen bir değişim derin bölgelerdeki bir depolarizasyona (daha yüksek uyarılabilirlik) karşılık gelir (ve tabii tersi de geçerlidir).

Şekil 1'de piramitsel hücrelerin beynin üst kısmında nasıl yerleştikleri ve EEG sinyal algılaması ve kaydedilmesi için elektrotlara yakın bulundukları şematik olarak gösterilmektedir.

BBA Türleri

İki tür BBA vardır, bağımlı ve bağımsız [2]. Bu ayrım, beynin çıktı yollarına olan bağımlılık ile ilgilidir. Aşağıda iki tür arasındaki farklar açıklanmıştır.

Bağımlı BBA

Bağımlı bir BBA sistemi beynin normal çıktı kanallarını kullanır. Bu yüzden de bu tür bir BBA öyle ya da böyle tam olarak işlevsel bir sinir sistemi gerektirir. Popüler bir BBA örneği vermek gerekirse, bedeninin büyük kısmı felçli olan bir hastaya ekranda tek tek harfler gösterilir. Hasta seçmek istediği harf ekranda görününce konsantre olup o harfe bakar. Bu durum, görsel olarak tetiklenen bir potansiyele yol açar (Görsel Tetiklenen Potansiyel - GTP) ve EEG cihazı ile tespit edilebilir. Bunun mümkün olmasının sebebi hastanın konsantre olup belli bir süre baktığı harfin diğer harflere bakma durumuna kıyasla daha yüksek bir GTP oluşturmasıdır.

Her ne kadar bu tür BBA sistemleri bazı durumlarda faydalı olsa da (örn. kullanım kolaylığı ve düzgün öğrenme eğrisi), sistem çok hasar görmemiş bir sinir sisteminin varlığına dayanır. EEG kullanılıyor olsa da sinyal üretilmesini sağlayan şey göz kasları ve bunları kontrol eden kraniyal sinir hücreleridir.

Bağımsız BBA

Bağımsız bir BBA sistemi sağlam bir çevresel sinir sistemi gerektirmez. Böyle bir BBA sadece kullanıcının "eğilimleri"ne dayanır.

Yukarıdaki harf seçme örneğine dönecek olursak, eğer bağımsız BBA kullanılırsa kullanıcının tek yapması gereken istediği harfi düşünmektir. Bu mekanizmada gözün hareketi ya da kontrolü ile ilgili hiçbir şey söz konusu değildir. Bu durumda EEG tarafından tespit edilen P300 potansiyelidir (P300 potansiyeli aşağıda açıklanacaktır).

BBA Sisteminin Temel Bileşenleri

Modern bir BBA sistemi beş altsisteme bölünebilir:

• Sinyal toplama
• Sinyal işleme: özellik çıkarma
• Sinyal işleme: dönüştürme algoritması
• Çıktı cihazı
• İşletme protokolü

Şekil 2'de bir BBA sisteminin temel bileşenleri görünmektedir [2].

Sinyal toplama

Sinyal toplama bir BBA sürecindeki ilk adımdır. Beyinde gelen sinyalleri tespit edip kaydetmek için en yaygın kullanılan yöntem EEG'dir. EEG müdahaleci olmayan bir yöntemdir ancak beyinde elektriksel iletişim haricinde de iletişim gerçekleştiği için fonksiyonel manyetik rezonans görüntüleme (functional magnetic resonance imaging - fMRI) gibi yöntemlere de başvurulduğu olur. Weiskopf'un 2004'teki bir çalışmasında beyin sinyallerini algılamak için fMRI kullanımından bahsedilir [6].

Beyin sinyallerini kaydetmek için kullanılan bir başka yöntem de müdahaleci tekniklerdir. Kennedy, 2004 yılındaki bir çalışmasında beyin yüzeyine yerleştirilen bir sinirsel implant ile beyin yüzeyi sinyallerinin algılanıp sonra da bir bilgisayar imlecini kontrol etmek için kullanılan BBA sistemini tarif etmektedir [7].

Sinyal işleme: özellik çıkarma

Elektrik sinyalleri EEG kullanılarak kaydedildikten sonra bunlardaki özelliklerin tespit edilmesi, çıkarılması gerekir. Bu süreç, örüntü tanıma ve sınıflandırma öncesindeki bir önişleme olarak düşünülebilir.

Bu süreçte ham sayısal sinyal verisi alınır ve bazı bakımlardan özetlenir. Uzamsal süzme, spektral çözümleme ve voltaj şiddeti ölçümleri özellik çıkarmada kullanılan tekniklerden bazılarıdır.

Sinyal işleme: dönüştürme algoritması

Sayısal beyin sinyal verisi özetlenip bazı özellikleri çıkarıldıktan sonra bu bilginin içindeki örüntülerin taranması ve tanınması gerekmektedir. BBA sistemi ancak bu şekilde hangi komutların gerçekleştirilmesi gerektiğini "anlayabilir".

Toplanan verideki özellikleri çözümlemek için çeşitli algoritmalar kullanılır. İki geniş kategori vardır: doğrusal denklem tabanlı istatistiksel çözümlemeler ve yapay sinir ağları ve benzeri doğrusal olmayan örüntü sınıflayıcılar.

Bu algoritmalar uyarlanabilir ve hatalara karşı dayanıklı olmalıdır çünkü BBA kullanıcısı her seferinde "aynı şeyi" düşünüyor olsa da beyin sinyallerinde çeşitli sapmalar, ufak tefek dalgalanmalar mutlaka olacaktır. Algoritmanın uyarlanabilirliği ve esnekliği "öğrenme" açısından da önemlidir. Bunu bir konuşma veya görüntü işleme uygulaması gibi de düşünebiliriz. Bu uygulamalar işleyecekleri veri için eğitilirler ve genellikle işleyecekleri verinin karakteristikleri de bazı bakımlardan o kullanıcıya özgü olur. Bunların ötesinde algoritmanın esnekliğinin ve öğrenme yeteniğinin önem arz ettiği bir başka durum da vardır: İnsan süreç içinde aynı kalmaz. Ufak tefek metabolizma değişiklikleri, hastalıklar, mevsimsel değişimler ve hatta günün hangi saatinde olduğu kişinin vücudunu ve dolayısı ile beyninin işleyişini bazı bakımlardan değiştirir (bir memeli beyni gün içinde aynı kalmaz; örn. sabah belli bir dozda belli bir kimyasal alıp uykuya dalan bir sıçana aynı kimyasalı aynı dozda öğleden sonra verirseniz hiç uyumadığını görüp şaşırabilirsiniz [8]. İşte örüntü sınıflandırma ve dönüştürme algoritmaları aynı tema üzerine çeşitlemeler olarak görülebilecek bu değişiklerin üstesinden gelebilmeli, bunlara karşı toleranslı olmalıdır.

Üçüncü seviye uyarlanabilirlik ise bir hayli sofistike bilgi işleme algoritmalarını gerektirmektedir. Bu aşamadaki uyarlama BBA sisteminin, beynin o sisteme uyum sağladığını "fark etmesini" gerektirir. Bu ne anlama gelmektedir? Kullanıcının beyni BBA sistemini nasıl kullanacağını öğrenirken değişmektedir ve BBA kendisine adapte olmaya çalışan beyin ile uyum içinde çalışıp beyne düzgün şekilde geribesleme verir, kullanıcıyı doğru bir zamanlama ile ödüllendirirse, makina ile kullanıcı arasında güçlü bir bağlantı oluşur. Bu da makinanın çok daha iyi bir başarım ile çalışması anlamına gelir.

Çıktı cihazı

Modern bir BBA sisteminin çıktısı herhangi bir cihaz olabilir ama genellikle bu cihazlar bilgisayarlar ya da bilgisayar kontrollü robotlardır. Araştırmalarda ve deneylerde kullanıcıya geribesleme sağlamak için genellikle bir bilgisayar monitörü ve bunun üzerindeki imleçler, ikonlar ve harf seçimleri kullanılır.

İşletim protokolü

İşletim protokolü sistemin genel olarak davranışını ve kullanımını belirleyen kurallar bütünüdür. Protokol sistemin ne tür bir iletişim kullanacağını, ne tür beyin sinyallerinin analiz edileceğini ve sistem ile kullanıcı arasındaki etkileşim şekillerini belirler.

Uzman araştırmacıların ve BBA teknisyenlerinin hazır bulunup kullanıcıya ya da hastaya yardımcı oldukları bir laboratuvar ortamında bu protokol çok detaylı ya da önemli olmayabilir ama eğer BBA sistemi gerçek hayat ortamında bir hasta tarafından tek başına kullanılacaksa ve hasta kendisi cihazı açıp kapatmak, komut vermek zorunda ise protokol detayları had safhada önem arz eder.

Modern BBA Örnekleri

Pek çok BBA sistemi kullandığı beyin sinyali türüne göre sınıflandırılabilir.

Bu sınıflar şunlardır:

• Görsel olarak tetiklenen potansiyeller (GTP)
• Yavaş kortikal potansiyeller
• P300 tetiklenen potansiyeller
• μ ve β ritmleri
• Kortikal nöronlar

Görsel olarak tetiklenen potansiyeller

Görsel olarak tetiklenen potansiyeller (GTP) hastanın oksipital korteksinin uyarılması sonucunda oluşur. Yanıp sönen harfleri ya da benzeri görsel uyaranları gösteren bir bilgisayar monitörü beyinde bu tür elektrik potansiyel farklılıklarına yol açar.

Yukarıda belirtildiği gibi 70'lerde Vidal tarafından BBA araştırmalarında kullanılan ilk sinyal türü GTP idi. Ancak bu BBA sistemi bağımlı BBA olup hastanının az da olsa gözünü bir yere odaklayabilmesini gerektiriyordu. Burada önemli olan nokta dikkat seviyesi ve bakışın yöneldiği yer ile bilginin tamamen EEG ile toplanıyor olmasıdır yani hiçbir şekilde gözün kendisi üzerinden bir ölçüm yapılmamaktadır.

GTP kullanan modern bir BBA sistemine örnek olarak Middendor gösterilebilir. Kullanıcı ekrandaki düğmelerden birini bakışlarını oraya odaklayarak seçebilir [9].

Yavaş kortikal potansiyeller

Tanıma göre [10], yavaş kortikal potansiyel (YKP)

biyoelektriksel beyin sinyalindeki potansiyel kaymadır. Negatif YKPler genellikle kortikal etkinliğe yol açan hareket ve benzeri işlevlerle bağlantılı iken pozitif YKPler de seviyesi düşen kortikal etkinlikle ilgilidir. Negatif kaymalar genellikle beynin primer görsel korteksinin görsel uyarana karşı verdiği elektriksel tepkidir.

Bu tür sinyaller EEG verisindeki çok yavaş voltaj değişimleri olarak algılanır. Bu değişiklikler 0.5 ile 10 saniye arasında gerçekleşir.

Yavaş kortikal potansiyellerle ilgili en önemli nokta, insanların bunları kullanmak üzere biyogeribesleme aracılığı ile eğitilebilmeleridir. Dolayısı ile YKPler BBA operasyonunun temelini oluşturur. YKPleri kullanan en meşhur BBAlardan biri "Düşünce Tercüme Cihazı"dır [11].

P300 tetiklenen potansiyeller

Tanıma göre [12], P300 tetiklenen potansiyeli

alakasız bir uyaran dizisi içine gömülmüş dikkat çekici bir uyaran ile karşılaşan beynin yaklaşık 300 ms sonra ürettiği pozitif potansiyeldir. Tipik bir P300 dalga formu Gauss dağılımını andırır, yarı genişliği 150 ms olup şiddeti 100 mikrovolta kadar çıkar. Genellikle temiz bir P300 dalgası elde edebilmek için pek çok denemenin ortalamasını almak gerekmektedir ve bunun sebebi de sinyalin, gürültü başına düşen sinyal oranının düşük olmasıdır.

P300 potansiyellerini kullanan BBA sistemleri kısa süre önce ortaya çıkmıştır. Bu sistemlerden bir tanesi Donchin'in 2000 tarihli makalesinde tarif edilmektedir [13]. Sistemin kullanıcıları bilgisayar monitöründe yanıp sönen harflere bakarak istedikleri harfi seçebilmektedir. Sistemin performansı dakikada yaklaşık 1 kelime kadardır. P300 tabanlı BBA sistemlerinin avantajlarından biri kullanıcının eğitilmesine pek gerek duyulmamasıdır yani sistem çok kısa sürede kullanılır hale gelmektedir. Bu tür çalışmalar çok yeni olduğundan P300 BBAların kullanıcı beyninin sisteme alışmasından kötü etkilenip etkilenmeyeceği henüz bilinmemektedir.

μ ve β ritmleri

Normalde insanlar uyanıkken ve belli bir şey yapmıyorken beyinleri α EEG sinyalleri yayar. Bu dalgalar 8-12 Hz frekans aralığındadır. μ ritmleri aynı aralıkta olup α dalgalarındaki ufak tefek değişiklikler şeklinde kendilerini gösterirler. Buradaki önemli nokta şudur: μ ritmleri, kişi hafifçe somatosensöryel veya motor korteksini hareketlendirecek şekilde bir şeye konsantre olduğunda ortaya çıkan "α dalgalarıdır".

β ritmleri ise 18-25 Hz aralığındadır ve bunlar da istemli hareket ve etkin odaklanma ile bağlantılıdır.

Yapılan çalışmalarda insanların 8-12 Hz aralığındaki μ ritmlerini ve 18-25 Hz aralığındaki β ritmlerini kontrol edebildikleri ve böylece ekrandaki bir imleci istedikleri gibi hareket ettirebildikleri görülmüştür [14].

Gerçek ve hayal edilen hareketleri kıyaslayarak ve temel bileşen çözümlemesi (PCA - Principle Component Analysis) kullanarak bu ritmler çözümlenmiş ve hem gerçek hareketlerin hem de hayal edilen hareketlerin μ ve β ritm desenkronizasyonları ile bağlantılı olduğu tespit edilmiştir [14].

μ ve β ritmlerinden faydalanan önrk bir BBA Wolpaw'ın 2004 tarihli makalesinde detaylı olarak tarif edilmiştir. Bu sistemde kullanıcı ekrandaki imleci iki boyutlu olarak kontrol edip sadece "düşünerek" ve bedeninin başka hiçbir yerindeki hareketlere dair bir şey gerçekleştirmeksizin bir bilgisayar oyununu oynayabilmektedir [15].

Kortikal nöronlar

BBA için daha ender kullanılan yöntemlerden biri ise müdahaleci bir yöntemdir ve bu yöntemde beyin yüzeyine elektrodlar yerleştirilir. Bu şekilde tek tek nöronların eylem potansiyelleri ve ateşlenme oranları kaydedilebilmektedir. Bu tekniği ilk kullananlardan biri 1989 tarihli çalışması ile Kennedy olmuştur [16].

Kortikal nöronlara müdahale ederek oluşturulan BBA sistemlerine dair diğer örnekler Kennedy'nin 2004 tarihli çalışmasında mevcuttur [7].

Sonuç

1978 yılında Craig Thomas'ın yazdığı "Firefox" romanı Ruslar tarafından tasarlanmış ve silah sistemleri düşünce gücü ile kontrol edilebilen bir savaş uçağını anlatmaktadır. Pilotun giydiği kaskın içinde elektrodlar vardır ve pilotun beyin dalgaları yorumlanıp çeşitli silahları kontrol etmek için kullanılmaktadır [17].

Günümüzde bu fantaziden hala epey uzağız. Mevcut BBA sistemleri en fazla 25 bit/dakika performansındadır ve bu bile bir başarı olarak kabul edilmektedir. Hastalar bu BBA sistemlerini kullanarak çok basit kelime işlem uygulamalarını çalıştırabilmekte, etraflarındaki cihazları açıp kapatabilmekte, cihazları belli bir ölçüye kadar ayarlayabilmektedirler.

BBA sistemlerinin gelişimi uyarlanabilir dönüştürme algoritmalarının geliştirilmesine ve beynin işleyişi hakkındaki bilgilerimizin artmasına bağlıdır. Bilgi işleme güçleri artarken bir yandan da fiziksel boyutları düşen bilgisayarlar BBA açısından önemli bir avantajdır çünkü bu sayede sistemleri daha taşınabilir yapmak ve böylece BBA kullanan hastaların hareket özgürlüklerini artırmak mümkün olmaktadır.

BBA sistemleri daha taşınabilir hale gelip ucuzladıkça ALS gibi ağır hastalıklarla mücadele eden hastalara yardım etmek kolaylaşacaktır. BBA araştırmalarının bir başka önemli noktası da kas uyarıcıları ve harekete geçiricilerinin intrakortikal elektrodlara bağlama deneyleridir. Böylece normalde kaslarına hükmedemeyen hasta bu yapay sistemler sayesinde de olsa bazı kaslarını hareket ettirebilir hale gelecektir. Televizyonu açmak için parmağınızla kumandaya basmak aynı iş için iyice konsantre olup bilgisayarınıza emir vermeye çalışmaktan çok daha doğal bir hareket şeklidir.

Araştırmaların fayda sağlayabileceği bir başka alan da güçlendirici teknolojilerdir. Eğer normal bir insan sadece düşünerek bilgisayarın bazı işlemlerini kontrol edebiliyorsa insan makina etkileşiminde yeni ve verimli ufuklar açılabilir ancak tabii şu anda normal insan beyinlerinin günlük yaşam içinde karmaşık cihazları kontrol etmeye nasıl uyum sağlayabileceklerine dair net bir bilgi mevcut değil.

Yaklaşık 30 sene önce, 1977'de Vidal tarafından gerçekleştirilen BBA denemeleri ve 1978'deki Thomas'ın bilimkurgu romanı "Firefox"tan bugüne bilgisayar ve beyin sinyalleri kaydetme ve görüntüleme teknolojileri bir hayli gelişmiştir. Son 30 yıla bakıp gelecek 30 yıl için bir öngörüde bulunmak gerekirse tam anlamı ile taşınabilir sistemlerin geliştirileceğini ve ağır felç geçirmiş hastaların nerede ise hastalık öncesi kadar hareket edebilir hale geleceklerini söyleyebiliriz. Bir yandan bunlar olurken diğer yandan güçlendirici yan ürünler de Firefox romanında tarif edilen güce yakın ölçüde insan bilgisayar etkileşimine yol açabilecektir.

Emre Sevinç
Ocak 2006, İstanbul
Boğaziçi Üniversitesi, Bilişsel Bilim Yüksek Lisans Programı, PSY 571 Psychobiology dersi için hazırlanan literatür taramasının kısaltılarak çevrilmiş ve kısmen güncellenmiş hali.

Not: Yazının özgün ve iki tane video içeren haline ileriseviye.org'dan ulaşabilirsiniz.

Kaynakça

1- Amyotrophic Lateral Sclerosis Fact Sheet, http://www.ninds.nih.gov/ disorders/amyotrophiclateralsclerosis/detail_amyotrophiclateralsclerosis.htm

2- Wolpaw R. J., Birbaumer N., McFarland, D.J., Pfurtscheller, G., Vaughan, T.M. (2002), "Brain-computer interfaces for communication and control", Clinical Neurophysiology, 113 (2002) sf. 767-791

3- Vidal, J.J. (1973), "Toward Direct Brain-Computer Communication", Annual Review of Biophysics and Bioengineering, L.J. Mullins, Ed., Annual Reviews, Inc., Palo Alto, Vol. 2, 1973, sf. 157-180.

4- Vidal, J.J. (1977), "Real-time detection of brain events in EEG", IEEE Proc 1977; Vol 65-5, sf. 633-664 [Special issue on Biological Signal Processing and Analysis].

5- Berger H. (1929), "Uber das electrenkephalogramm des menchen", Arch Psychiatr Nervenkr 1929, Vol 87 sf. 527-570.

6- Weiskopf, N., Mathiak, K., Bock S.W., Scharnowski F., Veit R., Grodd W., Goebel R., Birbaumer N. (2004) "Principles of a brain-computer interface (BCI) based on real-time functional magnetic resonance imaging (fMRI)", IEEE Trans Biomed Eng 51(6), sf. 966-970

7- Kennedy, P.R., Kirby, M.T., Moore, M.M., King, B. and Mallory A. (2004) "Computer control using human intracortical local field potentials", IEEE Trans Neural Syst. Rehabil. Eng. 12(3), sf. 339-344

8- Prof. Dr. Reşit Canbeyli ile kişisel iletişim (2006).

9- Middendorf, M., McMillan, G., Calhoun, G., Jones, K.S. (2000), "Brain computer interfaces based on steady-state visual evoked response", IEEE Trans. Rehabil. Eng. (2000); Vol 8, sf. 211-213

10- BCI-Info Portal for Brain-Computer Interfaces, http://www.bci-info.tugraz.at/Members/graimann/definitions/scp

11- Birbaumer, N., Kübler, A., Ghanayim N., Hinterberger, T., Perelmouter, J., Kaiser, J., Iversen, I., Kotchoubey, B., Neumann, N., Flor, H. (2000), "The thought translation device (TTD) for completely paralyzed patients", IEEE Trans. Rehabil. Eng. (2000), Vol. 8, pp. 190-192

12- BCI-Info Portal for Brain-Computer Interfaces, http://www.bci-info.tugraz.at/Members/graimann/definitions/P300

13- Donchin, E., Spencer, K.M., Wijesinghe, R. (2000), "The mental prosthesis: assessing the speed of a P300-based brain computer interface", IEEE Trans. Rehabil. Eng. vol. 8, pp. 174-179

14- McFarland, D.J., Miner, L.A., Vaughan T.M., Wolpaw J.R. (2000), "Mu and beta rhythm topographies during motor imagery and actual movement", Brain Topogr. vol 12-3, sf. 177-186

15- Wolpaw, J.R., and McFarland, D.J. (2004), "Control of a two-dimensional movement signal by a noninvasive brain-computer interface in humans", Proceedings of National Academy of Sciences, Vol. 101, No. 51, sf. 17849-17854

16- Kennedy, P.R. (1989), "The cone electrode: a long-term electrode that records from neurites grown onto its recording surface", J. Neurosci. Methods (1989), 29(3), sf. 181-193.

17- Craig, T. (1978), "Firefox", Harpercollins, Reissue edition (July 1, 1990)