Beyin-bilgisayar arayüzleri alanında uzun süredir bilinen bir sorun nihayet bilimsel inceleme altına alındı. EEG sinyalleriyle yapılan sınıflandırma işlemlerinde, aynı kişiden alınan verilerle eğitilen sistemler yüksek başarı gösterirken, farklı kişilerden alınan verilerle test edildiğinde performans dramatik şekilde düşüyor.
Araştırmacılar bu soruna ışık tutmak için kapsamlı kontrollü deneyler tasarladı. Çalışma, performans düşüşünün iki ana nedeni olduğunu ortaya koydu: bireysel değişkenlik ve algoritmaların yanıltıcı kısayollar öğrenmesi.
Motor hayal etme, duygu tanıma ve ERP uyaran sınıflandırması gibi çok sınıflı görevlerde, her kişinin beynindeki farklı sinyal kalıpları temel sorunu oluşturuyor. Her bireyin beyin yapısı ve sinyal iletim özellikleri farklı olduğu için, bir kişiden öğrenilen kalıplar diğerine uygulanamıyor.
Öte yandan beyin hastalığı tespiti gibi tek sınıflı görevlerde ise farklı bir sorun ortaya çıkıyor. Yapay zeka algoritmaları, hastalığın kendisini değil, kişiye özgü sinyal özelliklerini öğreniyor ve bu yanıltıcı kısayolları kullanarak karar veriyor.
Bu bulgular, beyin-bilgisayar arayüzlerinin klinik ortamlarda güvenilir şekilde kullanılabilmesi için yeni yaklaşımların geliştirilmesi gerektiğini gösteriyor. Araştırma, gelecekteki EEG tabanlı sistemlerin tasarımında dikkate alınması gereken kritik faktörleri belirliyor.