Resumen
Este proyecto presenta una nueva visión para las interfaces cerebro-computadora (BCI) que pueden mejorar las relaciones sociales en el contexto de
compartir experiencias virtuales. En particular, lo que se propone en BITSCOPE ("Brain-Integrated Tagging for Socially Curated Online Personalised
Experiences), es un neuroetiquetado integrado para experiencias sociales online personalizadas. Prevemos un futuro en el que la atención, la memoria
y la curiosidad provocadas en los mundos virtuales se medirán sin el requisito de "me gusta" y otras formas explícitas de retroalimentación. En cambio,
los usuarios de la tecnología BCI mejorada podrán explorar experiencias en línea dejando un rastro invisible de firmas de interés derivadas de datos
neuronales. Estos datos, recopilados pasivamente sin interrumpir al usuario y refinados en calidad a través del aprendizaje automático, pueden ser
utilizados por algoritmos estándar de intercambio social, como sistemas de recomendación, para crear mejores experiencias. Técnicamente, el proyecto
busca el desarrollo de un BCI híbrido pasivo (phBCI). Es híbrido porque aumenta la electroencefalografía con datos de seguimiento ocular, respuesta
galvánica de la piel, frecuencia cardíaca y movimiento para estimar mejor el estado mental del usuario. Es pasivo porque opera de forma encubierta sin
distraer al usuario de su inmersión en su experiencia en línea y utiliza esta información para adaptar la aplicación. Así, este enfoque representa una
mejora significativa en BCI debido al énfasis en la eliminación de ruido mejorada que facilita la operación en entornos domésticos y el desarrollo de
clasificadores robustos capaces de tener en cuenta las variaciones inter e intraindividuales. Para ello, aprovechamos nuestro trabajo preliminar en el
uso de enfoques geométricos y de aprendizaje profundo para lograr esta mejora en la calidad de la señal. El problema de clasificación del estado del
usuario está ambiciosamente avanzado para incluir el reconocimiento de la atención, la curiosidad y la memoria, que abordaremos a través del
aprendizaje automático avanzado, los enfoques riemannianos y la recopilación de grandes conjuntos de datos representativos en experimentos codiseñados
centrados en el usuario.