让“走神”回归“正轨”的神经反馈技术

　　

               

脑电图中MW的检测。(A):拟合机器学习模型的数据收集过程。对于每个参与者，我们安装了一个基于机器学习的解码器，从EEG和SART-A期间的自我报告数据中估计MW的报告。(B):基于ROC曲线的阈值分割。为了用回归模型对二分类转换MW强度进行分类，我们为每三个外部交叉验证绘制受试者工作特征曲线，并找到最大真阳性率的阈值，将假阳性率保持在10%以下。我们采用三个阈值的平均值。(C):曲线下平均面积的分布。我们计算并绘制了三次外部交叉验证曲线下的平均面积。DS:检测声音组;RS:随机声音组;AUC:曲线下面积。三角形点表示RS，圆形点表示DS。信

每个人都知道那种感觉。你正试图集中精力开车、学习，或者集中注意力参加一个无聊的会议，但突然，你意识到你在想一些与手头任务无关的事情。虽然走神有时与抑郁等精神问题有关，但它也有助于创造力。因此，人们需要的不是避免走神，而是学会如何管理走神。

控制走神的第一步是意识到它正在发生。一旦我们注意到它，我们就可以自由地停止或继续它。ATR的科学家开发了第一种方法，一种神经反馈技术，来增强走神的意识。

他们对36名参与者进行了双盲测试，证明在20分钟的神经反馈后，走神的意识显著增强。参与者被计算机分配到控制组和实验组，实验者不接受这些任务。在神经反馈过程中，人工智能被用来识别参与者在执行需要注意力集中的任务时的走神。

在对照组中，柔和的音调是不规律的。在实验组中，当神经反馈检测到参与者走神时，就会发出这些声音。然而，在实验结束前，两组参与者都被告知音调是没有意义的，并被指示忽略它们。

由于当人们的注意力被重新引导回外部环境时，他们就会意识到自己在走神，研究人员假设这种新颖的神经反馈创造了一种状态，在这种状态下，无论何时出现走神，参与者都能意识到自己在走神。

这项研究有两个独特之处。首先，实验组的参与者不知道他们接受了神经反馈，他们也没有意识到他们的走神意识得到了增强。其次，在传统的神经反馈中，当参与者很好地控制自己的大脑时，他们会获得奖励。相比之下，这个神经反馈实验没有奖励或惩罚。相反，它是基于传统的(巴甫洛夫条件反射)。

这项研究发表在《Neural Networks》杂志上。

这项研究并没有揭示这种神经反馈的效果会持续多久，但可能不会持续太久。然而，未来的研究将检验重复的神经反馈是否存在于日常生活中。研究人员还计划探索改善情绪和精神问题的训练技巧，并提高创造力。