Earticle

본 논문은 나이가 많거나 몸이 불편한 사람을 위해 뇌파를 사용하여 가정 내에서 장치 및 가전제어가 가 능한 스마트 홈 시스템을 구현하였다. 구현 시스템은 크게 사용자의 뇌파 수집 및 유도를 위한 모바일 앱 부분과 수집된 뇌파의 특징을 추출하고 분류하는 뇌파처리 부분과 이를 명령으로 전달하여 창문을 개폐하는 IoT 부분으 로 나누어진다. 모바일 앱은 안드로이드 기반으로 개발하였으며, 제어명령 생성을 위한 뇌파 특징 추출 및 분류를 위해 CNN모델을 적용하였다. 또한 라즈베리파이를 활용하여 창문제어를 위한 IoT 환경을 구축하였다. 개발된 시 스템은 사용자가 방향을 상상한 이후 원하는 방향으로 동작할 때까지 약 2.3 초가 소요되었으며, 평균 84%의 정 확도를 가지고 동작하였다. 구현 시스템은 창문뿐만 아니라 가정 내 다양한 장치나 가전 제어에 적용될 수 있다.

In this paper, we implemented a smart home system that can control devices and home appliances in the home using EEG for the elderly or physically disabled. The implementation system is largely divided into a mobile application part for collecting and inducing the user’s brain waves, an EEG processing part that extracts and classifies the characteristics of the collected brain waves, and an IoT part that opens and closes a window by transmitting it as a command. The mobile application was developed based on Android, and a CNN model was applied to extract and classify EEG features for generating control commands. In addition, an IoT environment for window control was established using Raspberry Pi. The developed system took about 2.3 seconds from the time the user imagined the direction to the desired direction, and operated with an average accuracy of 84%. The developed system can be applied not only to windows, but also to control various devices and home appliances in the home.

SNS 사용과 성과의 관계에 관해서는 여러 연구가 있어 왔으나, 대부분의 선행 연구들은 작업 도중 SNS의 사용이 해당 작업의 성과에 미치는 영향을 연구하기 보다는 SNS 사용자와 비사용자의 평소 성과를 비교하여 긍정적, 혹은 부정적이라는 서로 상반된 결론을 내려왔었다. SNS의 사용이 공간과 시간의 제약 없이 일상화된 만큼, 본 연구에서는 이러한 기존 연구들을 보완하고자 실험 설계를 통하여 작업 도중 SNS의 사용과 해당 작업의 성과에 관한 탐색적 연구를 진행하였다. 이를 위해 휴식과 성과, 작업의 종류와 휴식의 종류에 대한 기존 문헌을 토대로 SNS의 역할을 긍정적, 혹은 부정적으로 단정 짓지 않고 다양한 상황에서 보다 구체적으로 살펴보려 하였으며, 그 방법으로 실험 참여자의 뇌파 해석, 자기 보고, 컴퓨터 기록 등 다양한 측정지표를 사용하였다. 그 결과, 간단한 작업 도중 SNS를 사용할 경우 단순 휴식을 취했을 때 보다 이후 성과가 개선되었으나, 복잡한 작업 도중 SNS를 사용한 경우에는 그 개선도가 단순 휴식과 비교했을 때 차이가 없었다. 추가 분석 결과 SNS 사용 후 성과가 개선된 참여자들의 경우, 간단한 작업을 수행한 참여자의 경우에는 SNS 사용 경험 및 몰입도가 성과에 긍정적인 영향을 미쳤으며, 복잡한 작업의 경우에는 자아 존중감 확인은 긍정적, 사회적 실재감은 부정적 영향을 미친 것을 확인할 수 있었다.

Although the relationship between social networking sites (SNS) use and performance has been widely studied, most of these studies have focused on comparing the SNS users’ overall performance with that of non-SNS users instead of examining how using SNS midway of a task affects one’s task performance. To address this research gap, an experiment was conducted to examine SNS use during a task and its influence on the performance of that task. In this experiment, the role of SNS in various situations was examined by reviewing the literature on break and performance as well as the types of breaks and tasks. Owing to its exploratory nature, this study used various types of data, such as electroencephalography interpretation data generated from a brain–computer interface, self-reported data, and data recorded by a computer. Those participants who used SNS showed an improved performance compared with those who took a short break while doing a simple task. Further analysis showed that the degree of SNS usage and engagement with SNS had positive effects on the participants’ simple task performance, while social presence and reassurance of self-worth had negative and positive effects on the participants’ complex task performance, respectively.

본 연구는 비교사학습의 대표적인 방법 중 하나인 코호넨의 자기조직화 방법을 기반으로 BCI(Brain-Computer Interface)에 적용 가능한 자율적 기계학습방법을 제안한다. 이를 위해 상호작용 함수를 이용한 학습영역조정방법과 자율적 기계학습규칙을 제안하였다. 학습영역조정과 기계학습은 코호넨의 자기조직화 방법을 기반으로 한 상호작용 함수에 의한 측면제어효과를 이용하였다. 승자 뉴런을 결정하고 난 후 학습 규칙에 따라 뉴런의 연결강도를 조정하 고 학습 횟수가 증가함에 따라 학습영역이 점차 감소하여 출력층 뉴런 가중치들의 입력을 향한 유동을 완화시켜 네 트워크가 평형 상태(equilibrium state)에 도달하여 학습을 마칠 수 있는 자율적 기계학습을 제안하였다.

This paper proposes an autonomous machine learning method applicable to the BCI(Brain-Computer Interface) is based on the self-organizing Kohonen method, one of the exemplary method of unsupervised learning. In addition we propose control method of learning region and self machine learning rule using an interactive function. The learning region control and machine learning was used to control the side effects caused by interaction function that is based on the self-organizing Kohonen method. After determining the winner neuron, we decided to adjust the connection weights based on the learning rules, and learning region is gradually decreased as the number of learning is increased by the learning. So we proposed the autonomous machine learning to reach to the network equilibrium state by reducing the flow toward the input to weights of output layer neurons.

뇌-컴퓨터 인터페이스(BCI: Brain Computer Interface)는 뇌파를 활용하여 뇌의 활동이 컴퓨터에 직접 입력되 어, 마우스나 키보드 같은 입력장치가 없이도 컴퓨터와 커뮤니케이션을 할 수 있는 장치를 말한다. 뇌파 인터페이스 관련 하드웨어제작기술이 발전함에 따라 고가이면서 대형이었던 뇌파측정장비가 최근에는 소형화되고 저렴한 가격대 로 출시되면서 앞으로 다양한 멀티미디어 분야에서 응용이 될 것으로 예상된다. 본 논문은 BCI의 다양한 연구 가운 데 일반인들이 가장 먼저 접할 수 있는 응용영역인 게임에 대하여 BCI가 어떻게 적용되고 있는지 현재까지의 국내 외 기술수준과 동향을 파악하고자 한다. 다음으로 BCI를 사용한 게임의 문제점을 살펴보고 향후 국내 BCI 연구 및 개발방향을 제시하고자 한다.

Brain-computer interface is (BCI) is a communication device that the brain activity is directly input to the computer without input devices, such as a mouse or keyboard. As the brain wave interface hardware technology evolves, expensive and large EEG equipment has been downsized cheaply. So it will be applied to various multimedia applications. Among BCI studies, we suggest the domestic and foreign research trend about how the BCI is applied about the game almost people use. Next, look at the problems of the game with the BCI, we would like to propose the future direction of domestic BMI research and development.

뇌-컴퓨터 인터페이스(BCI)는 생각을 컴퓨터 명령으로 변환함으로써 마비 환자 재활부터 일반인의 인지·감각 능력 증진까지 광범위한 가능성을 제시한다. 그러나 접근성 격차, 뇌 신호 해킹, 알고리즘 편향, 정신적 프라이버시, 자율성 보호, 신경권 등 윤리적 문제가 대두된다. BCI가 정보를 대규모로 수집, 분석하는 과정에서 의도치 않은 오남용이 발생할 우려가 크므로 데이터 해석 범위와 동의 절차를 더욱 정교하게 관리해야 한다. 한편, 군사·감시 목적으로 악용될 위험을 방지하고 의료·재활 분야의 긍정적 효과를 전 세계적으로 공유하기 위해서는 국가 간 협력과 기술 표준화, 저소득층 지원 정책이 필수적이다. AI 및 신경공학의 발전에 따라 BCI가 더욱 정교해질수록, 개인 뇌 정보의 주권과 해석 통제권이 미래 사회의 핵심 쟁점으로 부상한다. 이에 윤리적 설계와 제도가 뒷받침되어야만 BCI가 인간 증진을 달성하면서도 사회적 격차와 프라이버시 침해를 최소화하는 ‘인간 중심 기술’로 자리매김할 수 있다. 나아가 초등 AI윤리 수업에서 글쓰기, 롤플레이, 프로젝트 학습 같은 교수·학습 방법을 통해 BCI 윤리 문제를 다룸으로써 학생들의 비판적 사고를 도울 수 있다.

Brain-Computer Interface (BCI) offers a wide range of possibilities?from rehabilitation for patients with paralysis to the enhancement of cognitive and sensory abilities in the general population?by converting thoughts into computer commands. However, ethical issues such as access inequality, brain signal hacking, algorithmic bias, mental privacy, autonomy protection, and neurorights are emerging. Because BCI collects and analyzes large amounts of data, there is a significant risk of unintended misuse. Therefore, the scope of data interpretation and the consent process must be managed with greater precision. At the same time, to prevent misuse for military or surveillance purposes and to share the positive outcomes in medical and rehabilitative applications globally, international cooperation, technological standardization, and support policies for low-income groups are essential. As AI and neurotechnology continue to advance and BCI becomes more sophisticated, data sovereignty and interpretive control over individual brain data are expected to become key issues in future societies. Ethical design and institutional support are thus required to ensure that BCI technology contributes to human enhancement while minimizing social inequality and privacy violations, ultimately positioning BCI as a truly human-centered technology. Furthermore, by addressing BCI-related ethical issues in elementary AI ethics education through activities such as writing, role-playing, and project-based learning, students can be guided to develop critical thinking skills.

BCI(Brain Computer Interface) for detecting lying This purpose of this study was to investigate the effects of the using BCI(Brain Computer Interface) for detecting deception. the most commonly used method for detecting deception is based on the assumption that lies given by a person in response to critical questions posed during a polygraph examination will elicit an identificable pattern of autonomic reactivity. Critics of this method argue that a polygraph examination cannot detect lying because lying does not produce a distinct physiological response. They assert that the possession of information only the guilty person would be expected to have can be revealed in a polygraph examination, however, by the pattern of autonomic arousal presentation of this information elicits in a person who possessed it. In this article, the position is taken that the dependence of both procedures on autonomic measures diminishes their effectiveness and inhibits the development of alternatives. A few studies are reviewed that suggest that measures of brain electrical activity can be used to infer the possession of information in persons attempting to conceal it. Especially, the ERP(event-related brain potentials) paradigms may be a viable alternative to the polygraph for detecting deception. These components may provide very powerful indexed of the neurocognitive mechanisms that are activated by stimulus events of significance to a person, irrespective of the person's willingness to express that significance.