Brain Computer Interfaces: La tecnologia dei prossimi decenni. Dalla cura di malattie neurologiche a nuovi orizzonti per la mente umana.

The scope of this paper is to analyze the state-of-the-art of the Brain Computer Interfaces, paying particular attention to the differences between invasive and noninvasive BCIs, delving deeply into the respective application fields. Clinical and non-clinical applications will be treated separately (non-clinical applications of invasive BCIs in healthy subjects currently consist of animal testing research only), analyzing in detail the most likely future implications of this technology. Next, all the components of a BCI, which include the physical realization of the sensors and the signal measuring, amplification and processing, will be discussed. Furthermore, the relationship between the rising complexity of BCIs applications and Artificial Intelligence’s role will be observed: being biological signals, thus having no predetermined logical schemes, brain signals need to be translated in a computer-friendly language. For this reason, the interpretation of this non-deterministic, but rather stochastic signals, can be done primarily by implementing advanced machine learning techniques.

Lo scopo del seguente elaborato è analizzare l’attuale stato dell’arte delle Brain Computer Interfaces (BCIs), ponendo particolare attenzione nel descrivere le differenze tra BCIs invasive e BCIs non invasive approfondendone i rispettivi campi applicativi. Di questi ultimi verranno trattati separatamente gli impieghi clinici e quelli su soggetti sani (ad oggi, l’impiego di BCIs invasive su soggetti sani è limitato all’ambito della sperimentazione animale), analizzando nel dettaglio i più probabili risvolti futuri di questa tecnologia. Successivamente, si discuteranno tutte le componenti di una BCI, che comprendono la realizzazione fisica dell’apparato, la misurazione ed amplificazione del segnale e l’elaborazione dello stesso. Si osserverà inoltre quanto fondamentale sia il ruolo dell’intelligenza artificiale al crescere della complessità delle applicazioni: i segnali cerebrali, non seguendo schemi logici predeterminati ma essendo segnali biologici, hanno bisogno di essere tradotti in un linguaggio comprensibile da un elaboratore artificiale. Per l’interpretazione di questi segnali non deterministici bensì stocastici, è quindi necessario l’impiego di tecniche evolute di machine learning.