Brain Computer Interface (BCI)

Transkript

1 Brain Computer Interface (BCI) - Översiktsartikel utifrån ett neuropsykologiskt perspektiv med tillämpningar och enkätundersökning Carl Jonas Lind Psykologiska institutionen Självständigt arbete 15 hp Psykologi III 3VEU VT 2020 Handledare: Lennart Högman English title: Brain Computer Interface (BCI) a review article within a neuropsychological perspective with applications and survey

2 Brain Computer Interface (BCI) Översiktsartikel utifrån ett neuropsykologiskt perspektiv med tillämpningar och enkätundersökning Carl Jonas Lind Sammanfattning Syftet med uppsatsen är att ge en uppdaterad översikt av området BCI (Brain Computer Interface) och undersöka vad som hänt sedan begreppet introducerades i forskningssammanhang; vilka praktiska resultat forskningen lett till och vilka tillämpningar som tillkommit. Metoden som företrädesvis används är litteraturstudie som tecknar bakgrund och enkät. Därefter följer en diskussion där utmaningar för framtiden, potential och tillämpningar i BCI-tekniken behandlas utifrån ett neuropsykologiskt perspektiv. Kommer BCI-tekniken att implementeras på samma sätt som radio, TV och telekommunikationer i samhället och vilka etiska och tekniska problem finns idag. För att skildra allmänhetens uppfattning om BCI genomfördes en webbaserad enkätundersökning (survey) i form av pilotstudie (n=32) som syftar till att ge en indikation på attityder och hur allmänhetens opinion med avseende på tillämpningar i samtiden och jämförelser med avseende på teknisk bakgrund. Nyckelord BCI, BBI, Brain Computer Interface, neurofeedback, EEG, neuropsykologi

3 Introduktion Denna översiktsstudie har tillkommit som en introduktion till forskningsområdet BCI (Brain Computer Interface). På så sätt har den företrädesvis karaktären av att vara en översiktsartikel. I inledningen ges en introduktion till de klassiska artiklarna inom området med början från insikterna från Richard Catons, Hans Berger och Jacques Vidals pionjärarbeten. Metoden som företrädesvis används är litteraturstudie i vilken det klargörs vad de senaste årens forskning har lett till och vilka perspektiv som avhandlats i uppsatsen. För att fullgöra syftet av att utgöra en översiktsstudie har öppna källor i första hand efterforskats, vilka beskrivs kortfattat nedan. Utgångspunkten för studien har varit när begreppet BCI först introducerades i media och i forskningssammanhang (Wolpaw, McFarland, Neat, & Forneris, 1991) fram tills idag när BCI förekommit i drygt 4000 forskningsartiklar och blivit en egen bransch. Detta innebär att ett stort antal artiklar som återfinns i ledande forsknings- och branschtidsskrifter har behandlats översiktligt och schematiskt, men att ett mindre antal artiklar och referenstitlar har valts ut i ett urval som källartiklar med utgångspunkt för vilken relevans de har för uppsatsämnet. Exempel på sådana tidskrifter är branschtidskrifter som Brain Computer Interfaces, samt ledande forskningstidskrifter som Nature och Science. Litteratursökningar och källefterforskning har gjorts i databaser som PsycInfo och på internet. Referenser görs till relevant facklitteratur som tillkommit inom området neurovetenskap, neuropsykologi och neuroetik, liksom till en internetbaserad konferens om BCI och neuroteknik som hållits i april Ett flertal referensverk har också tillkommit inom BCI, exempelvis Nam, Nijholt & Lotte (2018). Man kan komma ihåg att vid ett sådant urval där man utgår från ett antal referensverk och till de referenser som anges i referensverket uppstår något som liknar ett snöbollsurval. Det vill säga de referenser man utgår ifrån kan vara betingade av att de följer på det tidigare källvalet. Därför kompletteras litteraturstudien med sökningar i databaser, i bibliotekskataloger och på internet. Inledningen som följer ger en introduktion till ämnet och i den därpå följande delen redovisas teorier som ligger till grund för forskningsfältet i en bakgrund. Till inledningen hör en metoddel som beskriver hur översiktstudiestudie och survey varit upplagd. Därefter en teoridel där de teorier och matematiska och statistiska modeller och centrala begrepp som ligger till grund för forskningsfältet prestenteras översiktligt samt en presentation av apparatur som vanligtvis används för tillämpningar (exempelvis BCI2000). Efter att resultatet av survey presenteras följer avslutningsvis en diskussion av surveyresultatet. Uppsatsen avslutas med en kritisk granskning av översiktsstudie som metodval, diskussion av utvecklingen inom BCI utifrån ett neuropsykologiskt perspektiv samt forskningsfrågor för framtiden, med redogörelse från bevakning av den senaste och enskilt hitintills största konferensen inom BCI: BCI & Neurotechnology Spring & Summer School april och juni Först en definition av begreppet BCI - Brain Computer Interface som är vanligt förekommande i den engelskspråkiga litteraturen. Termen BCI översätts enklast till svenskans hjärn-datorgränssnitt. Trots att begreppet ingalunda är nytt och har funnits i litteratur och forskning sedan början på 1900-talet, var det först 1993 begreppet förekom i media i en modern kontext, se Gilbert, Pham & Gillam (2019). Begreppet har företrädesvis koppling till pionjärer som Richard Caton och Hans Berger. BCI syftar till hjärn-datorgränssnitt som är inriktade på att förstärka (augment), hjälpa eller reparera sensoriska motoriska eller påverka mänskliga kognitiva funktioner. Den kombinerar teknik från områdena elektroteknik, datavetenskap, biomedicinsk teknik och neurokirurgi. En tidigare definition på BCI är hämtad 1

4 från Wolpaw, Birbaumer, McFarland, Pfurtscheller & Vaughan (2002): Brain-Computer Interface (BCI): A BCI is a communication system in which messages or commands that an individual sends to the external world do not pass through the brain s normal output pathways of peripheral nerves and muscles. Definitionen tar alltså sin utgångspunkt i att BCI är ett kommunikationssystem som fungerar och är oberoende av hjärnans ordinarie nervssystem. De senaste åren har även definitioner tillkommit som tar sin utgångspunkt i att ett BCI-system kan replikera det centrala nervsystemet (CNS) och bland annat förstärka det. På så sätt definieras BCI i Wolpaw & Wolpaw (2012) som: a system that measures central nervous system (CNS) activity and converts it into artificial output that replaces, restores, enhances, supplements, [informs], or improves natural CNS output and thereby changes the ongoing interactions between the CNS and its external or internal environment. Ett BCIsystem översätter alltså hjärnans aktivitet och det leder till något slags resultat. Denna nyare definition tar sin utgångspunkt i att BCI kan ersätta, återskapa, förstärka, förbättra och understödja naturliga CNS impulser (Brunner, Birbaumer, Blankertz, & Guger, 2015). Figur 1: BCI konceptskiss Samtliga gränssnitt (BCI) inkluderar fyra kompontenter, nämligen: 1. Sensorer som mäter hjärnaktivitet vanligtvis EEG eller hjärnvågor. 2. Automatiserad mjukvara som översätter aktiviteten i meddelanden och kommandon 3. Proceduren påverkar en dator eller en applikation i real-tid 4. Ett operandum möjliggör och kontrollerar interaktion mellan komponenten och användaren genom en kontrollsignal som interagerar medelst gränssnittet (BCI). (Guger, Allison, Müller-Putz, 2015). Bild från Forskningen inom fältet har de senaste årtionden har delvis ofta varit finanserad i EU-projekt och det kan vara aktuellt med en översiktsartikel som skildrar vad som hänt inom området hjärn-datorgränssnitt (BCI) med uppslag och diskussion för framtida tillämpningar. En del av att förstå hur teknologier sprids, handlar om att förstå de psykologiska faktorer som ligger bakom medborgarnas konsumtionsbeslut och vanor. Psykologiska faktorer som kan spela in kan vara attityder, kunskaper, erfarenheter, aversioner samt budgetrestriktioner. En aspekt på detta kan också vara att skapa medvetande om potential i tillämpningar av ny teknik och attityder till sådana tillämpningar av teknik. Syftet med studien är att teckna en översikt över området hjärndatorgränssnitt (BCI), diskutera grundläggande koncept och redogöra för vad BCI är vilka tillämpningar som finns idag, BCI som ämnesområde diskuteras på så sätt i relation till vilken utveckling som skett med bakgrund från när begreppet introducerades. Surveybaserade undersökningar som riktar sig till verksamma inom BCI och som syftar till att uppskatta potential idag, i en nära framtid och i en avlägsen framtid har gjorts (Vansteensel, Kristo, Aarnoutse & Ramsey, 2017) liksom metaanalys som syftar till att analysera förekomst av kvantitativa och kvalitativa artiklar som behandlar BCI i forskningsdatabaser. (Kögel, Schmid, Jox & Friedrich, 2019) I och med att denna uppsats är av karaktären översiktsartikel med pilotundersökning redovisas resultatet i enkätundersökning (survey) separat. Ambitionen varit att samla de senaste insikterna och framstegen inom forskningsområdet och medelst en datainsamling för enkätundersökning (survey) att förbereda för förberedande opinions- och forskningsfrågor med avseende på hur allmänheten uppfattar relativt ny teknik som BCItekniken idag. En sådan survey kan också vara introducerande och väcka intresse för ämnet som sådant. 2

5 Teoretisk bakgrund Hans Bergers upptäckter inom hjärnforskning och dess elektriska aktivitet har ett nära samband med upptäckten av gränssnitt mot hjärnans neuroner demonstrerade Berger att det var möjligt att fånga upp och spela in hjärnvågor från kraniet. Sedan dess har enormt många försök gjorts där hjärnvågsdata har spelats in och ackumulerats över tiden. Berger krediteras med utvecklingen av elektroencefalografi, som var ett stort genombrott och hjälpte forskare att spela in mänsklig hjärnaktivitet med hjälp av elektroencefalogram (EEG). Elektroencefalografi (EEG) är en metod för att registrera hjärnbarkens spontana elektriska aktivitet med hjälp av elektroder som vanligtvis klistras fast på skalpen. Den grafiska representationen av undersökningsresultatet är ett elektroencefalogram. Detta var en viktig upptäckt i mänskliga hjärnans kartläggning, vilket gjorde det möjligt att upptäcka hjärnsjukdomar skrev Jacques Vidal vid Brain Research Institute, UCLA, Los Angeles en pionjärartikel som kan anses ha gett riktning åt forskningen under sjuttio och åttiotalen. Artikeln förekomdes av en artikel av Eberhard Fetz som introducerade neurofeedback som begrepp. Fetz och sedmera Vidal (1973) och hans forskarlag hade kunnat visa att EEG signaler kunde samlas från huvudet och mätas i form och begrepp av elektronisk potential som reflekterar variationer i hjärnans verksamhet. Vidal formulerade utifrån det en forskningsfråga huruvida dessa elektriska signaler kunde användas som mellanled i tolkningar för människa-maskin kommunikation och spekulerade i om man i framtiden skulle kunna kontrollera proteser och till och med rymdskepp och annan extern apparatur med hjälp av tolkningar av hjärnsignaler. Brain Computer Interface Project hade som syfte och utgångspunkt att undersöka möjligheter och praktikaliteter och användbarhet av hjärnsignaler för människa-dator dialog, samtidigt som det syftade till att utveckla ett nytt instrument för studierna av de neurofysiologiska fenomen som styr produktion och kontroll av observerbara neuroelektriska händelseförlopp. Vidal avslutar sin artikel från 1973 med slutsatsen att möjligheten att möjliggöra direkt kommunikation mellan hjärna och dator ligger en bit in i framtiden och konstaterar att tre förutsättningar måste vara uppfyllda för att sådan kommunikation skall vara möjlig. 1. För det första måste mentala reaktioner och beslut kunna undersökas och identifieras utifrån den data som finns till hands från observationen och mätningen av bioelektriska signaler och variationer. 2. För det andra antas EEG fenomen vara en elementärt uppbyggd men komplex struktur som korresponderar med de reaktioner som ger upphov till och bildar ett kontinuerligt flöde av neuroelektriska meddelanden. 3. Ett tredje antagande är att reliabiliteten och stabiliteten med avseende på betingade operationella procedurer kan ökas med tidsserieanalyser. När Philip Kennedy år 1998 implanterade det första hjärndatorgränssnittsobjektet till en människa markerade det en milstolpe och en betydande utveckling inom området hjärnkartläggning. Fördelen med denna utveckling var implementerandet av en trådlös dielektrod. (Graimann, Allison, Pfurtscheller, 2010). Ytterligare exempel på befintliga och historiska projekt inom BCI är Brain2Robot-projektet, Graz Brain-Computer Interface, The Wadsworth Research Program och Berlin Brain-Computer Interface (BBCI), Berlinbaserat forskningsprojekt dels med syfte att utveckla BCI som har egenskapen att de kan detektera och avgöra och tolka sinnesstämningen hos en användare. Nedan redogörs i korthet för vad dessa forskningsprogram har resulterat i och var de står idag. 3

6 I Brain2Robot-projektet har forskare utvecklat ett robotstyrningssystem som fungerar utifrån elektroencefalografisignaler (EEG). Denna idé skulle kunna göra det möjligt för patienter med svåra motoriska funktionshinder att återfå en del av sin förlorade rörelseförmåga. På så sätt kan en försöksperson styra en robotarm med sina tankar och även om det fanns förhoppningar på tekniken då detta sågs som ett genombrott, uppfattade många att tekniken mest hade klinisk relevans, medan andra uppfattade det som något som kunde användas som en viljestyrd fjärrkontroll. Flera forskningsprojekt följde exempelvis Graz Brain-Computer Interface (Pfurtscheller, Brunner, Leeb, Schere, Müller-Putz & Neuper, 2010) tillförde ytterligare särskilda tillämpningar till BCI som exempelvis: Möjligheten att söka i bibliotekskataloger i en så kallad virtuell miljö Simulerande av att köra rullstol i en virtuell miljö Genomföra kommando i Google och Google Earth med hjälp av hjärn-datorgränssnitt I december 2004 demonstrerade Jonathan Wolpaw och forskare vid New York State Department of Health s Wadsworth Center förmågan att kontrollera en dator med hjälp av en BCI. Projektet syftade primärt till att utveckla ett system som kunde användas i hemmet för allvarligt skadade patienter för att kontrollera datorer, apparatur och kommunicera med omvärlden. Främsta motivatorer för projektet var att tillföra livskvalitet för allvarligt skadade: The goal of the Wadsworth BCI development program is to provide a new mode communication and control for severly disabled people. (Sellers, McFarland, Vaughan, Wolpaw, 2010) I projektet BBCI, Berlin Brain-Computer Interface (Blankerz, Tangermann, Vidaurre, et al, 2010) försöker man använda maskininlärning (Machine Learning, ML) för att identifiera specifika användarmönster i EEG som i sin tur kan avslöja användarens sinnesstämning och mentala tillstånd. BCI system kan också beskrivas utifrån karaktäristik: i. Invasiva och icke invasiva system. (Graimann, Allison, & Pfurtscheller, 2010) ii. Mobila eller stationära system (Sellers et al, 2010) iii. Systemdistinktion med avseende på applikationsområde (Guger, Bin, Gao et al 2010; Birbaumer, Kubler, Ghanayim et al 2000) iv. Systemdistinktion med avseende på bärande princip (exempelvis EEG, SSVEP, ERP, fnirs eller kombinationer av systemvariabler, så kallade hybrida system, se teoridel för en mer utförlig beskrivning) v. Systemdistinktioner med avseende på snabbhet och reliabilitet (Allison, 2010) vi. Systemdistinktionen med avseende på passiv eller aktiv metod; passiv BCI (pbci) som samlar data eller affektiv BCI (abci) som syftar till tillämpningar där användaren styr och påverkar genom sin viljeyttring och känsla. (Nam, Nijholt & Lotte, 2018) Brain Machine Interface (BMI) används synonymt med BCI och MMI för att känneteckna ett gränssnitt mellan människa (användare) och dator. Ett brain-machine interface (BMI), även kallat brain-computer interface (BCI), är ett gränssnitt för att kommunicera direkt mellan nervceller och teknisk apparatur. Ett brain-machine interface kan omfatta de två möjligheterna att avläsa information och att sända information. Brain Neuronal Computer Interface (BNCI) används synonymt med avseende på begrepp som innefattar gränssnitt mellan människa och dator introducerades begreppet BNCI där N står för Neuronal och inkluderar artiklar som kan upptäcka fysiologiska signaler som passerat perifiera nerver. Framstegen och utsikterna föranledde intresse för ytterligare forskningsanslag från EU som skapade forskningsinitiativet Future BNCI som sedmera övergick i BNCI Horizon 2020: The 4

7 Future of Brain/Neural Computer Interaction i november Projekt med arbetsnamn som ABC, AsTeRICS, BackHome, BETTER, BNCI Horizon, BRAIN, BrainAble, CONTRAST, DECODER, Future BNCI, MindSee, MINDWALKER, MUNDUS, NEBIAS, TOBI, TREMOR och WAY med budgetar på flera miljoner euro per projekt har varit kopplade till initiativen. (Brunner, Birbaumer, Blankertz, Guger, et al, 2015). Matematiska och statistiska modeller I följande teoridel presenteras de bakomliggande teoretiska förutsättningarna för den operativa bearbetningen, samt begrepp som translation, signalbehandling och maskininlärning. Bärande principer belyses i syfte att bidra med en teoretisk förståelse för hur resultatet uppnås. Också här har metoden företrädesvis varit litteraturstudie även om granskning av öppna källor som internet utgör en viktig del av uppsatsens diskussion. Vad gäller mer ingående och neurovetenskapliga resonemang av vad som särskiljer impulser och hjärnvågsdata i dess beståndsdelar och biofysiska attribut, ligger det utanför översiktsuppsatsens omfång, men artiklar som tangerar och bearbetar ämnet finns återkommande i ledande tidskrifter och exempelvis Wolpaw & Boulay (2010) analyserar specifikt de signaler som att erhålls och utnyttjas i datautvinning med hjälp av BCI-teknik. Statistisk och matematisk bearbetning som ligger till grund för signalbehandling beror delvis på systemets arkitektur, men för en ingående teoretisk förståelse för hur signalbehandlingen går till redogörs schematiskt för de statistiska och matematiska principerna nedan. Genom att utnyttja principer för signalbehandling (DSP) och maskininlärning (ML) kan systemet kalibreras för ett givet ändamål som detektion, mönsterigenkänning eller tankestyrning. Ingående matematiska principer tecknas i exempelvis Li, Ang & Guan (2010) och återges här översiktligt: 1. Data: (Data mining, data aquisition) Hjärnvågor (EEG) detekteras med hjälp av sensorer såsom elektroder. Ett system interagerar med omvärlden med hjälp av sensorer. Nästan alla fysiska egenskaper hos ett material som varierar i förhållande till någon stimulans kan användas för att skapa en sensor. Datautvinning (datamining, dataacquisition) betecknar aktivitet med verktyg för att söka efter mönster, samband och trender i stora datamängder. Datautvinning består i att använda stora datamängder där man kan utvinna olika typer av ny information genom att med datastyrda beräkningsformler få fram mönster i den data som man analyserar, att sortera, välja ut och komplettera med information och i ett sista steg analysera fram huvudinnehållet i svåröverskådliga datamängder, KDD (Knowledge Discovery in Databases). Det gör man med metoder för huvudkomponentreduktion: att ta fram de mest betydelsefulla mönstren utan att förlora väsentlig information. Det görs bland annat med en teknik som kallas principalkomponentanalys. 2. Brus ( Noise ) och redundans försämrar och förminskar signalens styrka och kvalitet. Exempel på detta är hjärnvågor som inte kodar eller atttribuerar för användarens viljeyttring eller så är det utsignaler som tillkommer från apparaturen i syfte att erhålla utsignalen i form av EEG eller hjärnvågor. Exempel på sådana signaler som förekommer oberoende är signaler som associeras till ögonrörelser och muskler. Än en gång handlar ju validitet i avseendet att veta och identifiera vad man avser att mäta 5

8 och vad som är karaktäristiskt i mönsterigenkänning för att translations- och förstärkningskalibrering skall bli ändamålsenlig. Genom att filtrera utsignaler kan brus och redundans reduceras och kvaliteten på signalupptagningen förbättras avsevärt. Exempel på metoder som används för att reducera brus och filtrera och förstärka är: Linjära transformer (y=wx) Common Average Reference (CAR) som är en metod inom signalbehandling som justerar signalen vid elektroden genom att subtrahera ett medelvärde från samtliga elektroder. Common Spatial Patterns (CSP) metod inom maskininlärning och signalbehandling som identifierar mönster från vilka man kan minimera och maximera variansen i relation till andra signaler. Convolutional Neural Network (CNN) kännetecknar ett sorts artificiellt neuralt nätverk som används för att känna igen och processera bilder. 3. Extraherande av kännetecknande mönster i hjärnvågor Hjärnvågor (EEG, SSVEP, α, β, γ, δ, μ, θ, ) är begrepp som hänförs till den verksamhet i hjärnan som går att detektera, mäta, selektera och fånga upp instrumentellt såsom elektromagnetisk aktivitet som EEG, potentialförhållanden såsom SSVEP och vågfunktioner som beroende på frekvens kallas alfa (α-), beta, (β-), gamma (γ-), my (μ-) eller theta (θ-) vågor. Hjärnvågor kan mätas och detekteras genom EEG. I detekterande av hjärnvågor är också kvoten förekommande. Olika hjärnvågor är förknippade med olika aktiviteter. På så sätt associeras alfavågor ofta till avslappnat tillstånd till medan gammavågor hänförs till aktivitetet kopplade till djup sömn och ansträngande tankearbete, deltavågor till drömlös sömn och thetavågor till fantiserande och kreativa processer. Myvågor anses ibland vara en sorts alfavågor och är förknippad med sensimotorisk aktivitet, som när man uttrycker ett viljemoment att röra en kroppsdel. Se exempelvis Pfurtscheller & Neuper (2010). Exempel på metoder för extraherande av mönster: i. EEG Elektroencefalogram. Vid EEG placeras elektroder i ett koordinatsystem på huvudet och nervernas aktivitet registreras och fångas upp och avbildas efter ett stimuli från ström på några tiotals mikrovolt. ii. ERP Event-related potential. Nervprocess i hjärnan som är direkt relaterad till en sinnesförnimmelse, rörelse eller tanke. iii. ERD/ERS: Tillämpningar med kvoten Event-related desynchronization/event-related synchronization återfinns exempelvis i experimentdesigner där målet är att kontrollera en pekare genom att återskapa och spegla amplitud i hjärnvågor. iv. SSVEP Steady State Visual Evoked Potential är signaler som är naturliga svar på visuell stimulering vid specifika frekvenser. När näthinnan stimuleras visuellt vid en frekvens som sträcker sig från 3,5 Hz till 75 Hz genererar hjärnan elektrisk aktivitet på samma frekvens. En teknik där 6

9 man fångar upp dessa signaler på samma sätt som EEG används inom neurovetenskap. Denna teknik används i stor utsträckning med elektroencefalografisk forskning om vision och uppmärksamhet. v. Functional Near-Infrared Spectroscopy (fnirs): användandet av nära infraröd spektroskopi (NIRS, Near Infraröd Spektroskopi) för att skapa hjärnavbildning. Genom att använda fnirs mäts hjärnans aktivitet genom dynamiskt gensvar som attribueras eller associeras till neuronernas reaktioner. 4. Selektion av kännetecknande mönster i hjärnvågor Ett BCI-system kan konstrueras med i princip hur många kanaler som helst. Antalet mönster som härleds från respektive kanal kan vara stort. Ett system kan exempelvis ha 128 kanaler med 6 mönsterigenkänningar på varje kanal vilket innebär 768 sekvenser sammanlagt. Även om system kan konstrueras med ändå fler kanaler med kapacitet för mer informationsbearbetning blir fler kanaler tillslut redundanta för ändamålet att klassificera mönstersekvenser. Dessutom innebär fler kanaler med större mängd information att bearbeta att systemets prestandakrav påverkas, varför man med så kallad variabel selektion söker begränsa mängden av data som bearbetar endast till det som man avser att processera, de mönster som kan användas för att styra med avseende på en given uppgift eller som är attribuerad till en specifik egenskap, tillstånd eller fenomen. Digital signalbehandling (DSP) efter engelskans digital signal processing, är signalbehandling av digitala signaler vilka representeras av sekvenser av tal eller symboler. Målet med digital signalbehandling är ofta att mäta, filtrera och/eller komprimera analoga signaler. En fördel med digital signalbehandling jämfört med analog är att den inte är lika känslig för störningar. 5. Translationsalgoritmer och förstärkningsalgoritmer Efter att variabler valts ut och fångats upp söker systemet översätta intentionerna i mönstren till kommandon som därefter används för att styra eller utföra en given uppgift, såsom att påverka en boll eller en markör i en viss riktning. Exempel på statistiska metoder som används för att strukturera informationen är linjär diskriminant analys (LDA), regressionanalys och klusteranalys. Linjär diskriminant analys (LDA) är en generalisering av Fishers linjära diskriminant, en metod som används i statistik, mönsterigenkänning och maskininlärning för att hitta en linjär kombination av funktioner som kännetecknar eller separerar två eller flera klasser av objekt eller händelser. Den resulterande kombinationen kan användas som linjär klassificerare, eller, mer allmänt, för reduktion för senare klassificering. LDA är nära relaterad till analys av varians (ANOVA) och regressionsanalys, som också försöker uttrycka en beroende variabel som en linjär kombination av andra egenskaper eller mätningar. ANOVA använder dock kategoriska oberoende variabler och en kontinuerlig beroende variabel, medan diskriminantanalys har kontinuerliga oberoende variabler och en kategorisk beroende variabel. Klusteranalysen leder till att enheter som liknar varandra (inom neuropsykologin vanligtvis signaler som har vissa egenskaper gemensamma) förs till samma grupp (kluster). Signalerna och deras antal preciseras inte i förväg, utan är ett resultat av den statistiska analysen. 7

10 Validering och kalibrering av parametrar, liksom maskininlärning, är beroende av val av ingående parametrar med avseende på tidsinkrement och vilka frekvenser som filtreras. Det finns flera tillvägagångssätt i extraherandet med BCI, icke desto mindre beror de tillförlitligaste metoderna och parametrarna på mönster som härleds (SSVEP och ERD/ERS), kvalitet och kvantitet på datainsamling, användartid, samt flertal andra faktorer: Neurofeedback. Neurofeedback är ett begrepp som syftar till att inkludera lärandeprocessen likväl som återkopplingsprocessen vid operationell/instrumentell betingning. (Neuper & Pfurtscheller, 2010). Hjärnan uttrycker aktivitet som kan fångas upp och återkopplas systematiskt för inlärning. Som t ex vid neurofeedbackträning då sensorer placerade på hjässan avläser hjärnans elektriska aktivitet i form av EEG. Med hjälp av ett strukturerat system får personen direkt återkoppling i form av ljud och rörliga bilder när hjärnan fungerar på eftersträvat sätt, till exempel mera fokuserat och koncentrerat. Neurofeedbackmekanismer återkommer vid kalibrering och träning med BCI-system. Vad man lär sig med neurofeedback har länge varit utgångspunkten för att diskutera potential och inverkan av metoden. (Black & Cott, 1977). ITR Informations Transfer Rate. ( Throughput ) Är ett mått på ett BCI systems prestanda i termer av kapacitet och kalibrering. Systemets prestanda ges av ITR som bits/minut och denna ITR är i sin tur beroende av tre faktorer: (Allison, 2010) Selektion: I bemärkelsen hur många möjliga valbara alternativ som finns i systemet Noggrannhet: I bemärkelsen hur bra systemet är att identifiera och välja rätt sekvens Hastighet: Hur många val som systemet genomför per minut Maskininlärning avser vanligtvis en deduktiv och adaptiv återkoppling som möjliggör att en maskin eller ett program kan göra logiska slutledningar och komma ihåg vilka frihetsgrader och lösningar som är möjliga och logiska. Det handlar om metoder för att med data "träna" datorer att upptäcka och "lära" sig regler för att lösa en uppgift, utan att datorerna har programmerats med regler för just den uppgiften. Området innefattar metoder från statistik, mönsterigenkänning och datorseende. Exempelvis Massachutes Institute of Technology (MIT) lägger stora forsknings- och utbildningsresurser på förbättring av kalibrering och maskininlärningsmetoder. Elektrokorticografi (ECoG) eller intracranial electroencephalography (ieeg) står för electrocorticography och är en metod nära besläktad med EEG, ECoG elektroderna placeras ut på samma sätt som EEG elektroderna men ligger istället under skallbenet och hjärnhinnan direkt på hjärnbarken. Fördelar med metoden gentemot EEG är bl.a. att den har högre signalto-noise ratio, fungerar över ett bredare frekvensområde och signalen ofta har kvalitetsmässiga fördelar med avseende på spektral och spatial upplösning. EoCG syftar, till skillnad från vanliga metoder för att uppskatta EEG med hjälp av externa elektroder, till invasiva metoder. Det går att extrahera hjärnvågskommunikation från såväl externa som invasiva elektroder och sensorer, företrädesvis i kliniska tillämpningar. 8

11 BCI2000 I det följande presenteras som är ett system som utnyttjar BCI-teknik och som används återkommande i forskningssammanhang. Det introducerades 2000 som en plattform som del av ett samarbete mellan Wadsworth Center i New York och Universitetet i Tübingen i Tyskland. (Mellinger & Schalk, 2010) BCI2000 bygger på tre moduler som är integrerade. För det första en modul för datautvinning (data acquisition), en modul för signalbehandling, samt moduler för användargränssnitt (user applications). BCI2000 kan behandla alla hjärnsignaler, signalprocessmetoder, dataenheter och driftsprotokoll. Figur 2: BCI principskiss. Schematiskt exempel på konfiguration för BCI, med neurofeedbackloopar och tillämpningar i form av kontroll av proteser, ordbehandling och spelupplevelse/vr. En neural signal (EEG) fångas upp och processeras i en neurofeedbackloop. Bild från BCI2000 har använts för att skapa BCI-system för en mängd olika hjärnsignaler, signalbehandlingsmetoder och applikationer. Systemet fungerar väl i online-drift och att BCI2000 uppfyller realtidskraven för BCI-system. BCI2000 möjliggör bland annat genomförandet av psykofysiologiska experiment. Systemet finns tillgängligt med fullständig dokumentation och kostnadsfritt för forsknings- eller utbildningsändamål och används för närvarande i en mängd olika studier av många forskargrupper. Utöver data som härleds från EEG och fnirs och avläses från användaren, har BCI2000 också åtkomst till databaser som EDF (European Data Format) och GDF (General Data Format for Biosignals). Dessa databaser innehåller information som dels är härledd från sömnforskning och data som är härledd just i syfte att understödja BCI-forskning. På så sätt anses systemet ha fyra huvudsakliga användningsområden, nämligen utbildning, experiment, kommunikation med patienter och databasefterforskning. Programspråket som använts är C++ och systemet är utvecklat för kunna samköras med beräkningsprogrammet MATLAB. För att kunna använda BCI2000 behövs alltså en dator, ett förstärkarssystem och BCI2000 som alltså är en programvara. En komplett praktisk guide för att använda BCI2000 ges i Schalk & Mellinger (2010), A Practical Guide to Brain-Computer Interfacing with BCI2000. Guger Technologies Nautilus och Unicorn är exempel på operationellt fungerande instrument för insamling och kontroll av hjärnvågsdata och insamling och bearbetning av EEG och annan deriverbar information, det kan finnas skillnader med avseende på pris och prestanda men den bärande idén är väsentligen densamma, att på ett kostnadseffektivt sätt samla och hantera inspelningar av EEG. 9

12 Metod För att uppfylla uppdragets syfte redovisas en presentation av surveyundersökning med avseende på attityder till BCI och för att sondera för fortsatta studier med avseende på effekter vid implementering av ny teknik, inklusive implementering av beslutsstöd i gränsområdet mellan BCI och tillämpningar för artificiell intelligens. För att ge en indikation på hur allmänheten i vår samtid uppfattar potentialen i forskningsområdet genomfördes en randomiserad enkätundersökning (survey) med självskattningskolor av måttet Likert. Resultatet av hur pass generaliserbart resultatet är för en bredare allmänhet är beroende dels av hur representativt urvalet är för den population som avses, i detta fall är utgångspunkten svenska förhållanden och ansatsen har av varit att genomföra en pilotstudie baserad på självpåkallat deltagande (self selected sample). För att teckna en bild av graden av tekniktillvänjning i en population är det viktigt att finna ett urval som är representativt för hela populationen. Det mest rättframa sättet att erhålla ett sådant urval är genom att randomisera utifrån hela populationen. Av metodologiska skäl föredras egentligen ett randomiserat urval snarare än snöbollsurval i själva urvalet. (McBurney, 1998) De forskningsfrågor som enkäten avsåg att besvara var om man hade en mer positiv grundsyn till BCI om man hade teknisk bakgrund eller arbetade med teknik, samt om allmänheten förväntar sig ett genombrott i fältet där BCI-tekniken får ett bredare genomslag i samhället, och om man från respondenternas sida förväntas sig att behöva ta neuroetiska hänsyn i applicerandet av den nya teknologin. För att ge en indikation på hur allmänheten i vår samtid uppfattar potentialen i forskningsområdet Brain Computer Interface genomfördes en undersökning i enkätform. Fåtalet frågor som ställdes efter att deltagarna försäkrats om att deltagande var frivilligt syftade till att utgöra ett självpåkallat urval för en undersökning från Psykologiska Institutionen, Stockholms universitet. Frågorna i enkäten var arrangerade att besvaras i enlighet med en Likertskala med möjligheter till skattning hur pass väl respondenten håller med eller inte. De frågor som undersöktes var såtillvida aspekter och grader av optimism, tillförsikt för tekniskt framsteg, potentiell nytta och värdefunktion samt förtrolighet med avseende på nämnda frågeställningar; och återknyter till en klassisk frågeställning om de som har teknisk bakgrund är mer optimistiska till teknik än andra. Pilotstudien planerades för 32 deltagare (respondenter) och den som oberoende variabel hölls teknisk bakgrund, det vill säga allmänhetens attityder och uppfattningar skattades i jämförelse mot den del av respondenterna som hade teknisk bakgrund. Hälften av deltagarna hade teknisk bakgrund, hälften hade det inte. Anledningen till denna uppdelning var en vilja att undersöka en klassisk uppfattning att det skulle föreligga signifikanta skillnader mellan dem som har teknisk bakgrund gentemot dem som inte har det med avseende på graden av teknik optimism versavi teknikaversion, och denna attitydeffekt förklaras ibland med en ökad tekniktillvänjning. Undersökningen designades med utgångspunkt från att enkäter med självrapporterande data via tidningar och webannonser har låg svarsfrekvens på någon enstaka procent. (McBurney, 1998) Därför designades surveyundersökningen som en indikativ pilotstudie med syfte att med spridning, exponering och draghjälp från Internet via en webannons som också kanaliserades via Google Ads för att erhålla ett tillräckligt representativt stickprov. 10

13 Frågorna som ställs i enkäten presenteras i korthet här nedan: 1. Uppfattar de som har teknisk bakgrund sig som mindre teknikaversiva och mer positiva till teknik rent generellt? 2. Är de som har teknisk bakgrund mer benägna att vara positivt inställda till BCI som koncept än de som inte har teknisk bakgrund? 3. Tror de som har teknisk bakgrund i större utsträckning på att en applikation av BCItekniken kommer få ett bredare genomslag och spridning i samhället inom en snar framtid? 4. Tror de som har teknisk bakgrund i större utsträckning att en applikation av BCI som möjliggör tankestyrning av telefon och dator är mer värdefull jämfört med dem som inte hade teknisk bakgrund? 5. Tror de som har teknisk bakgrund i större utsträckning än andra att det är nödvändigt att ta neuroetiska hänsyn i utvecklandet och tillämpandet av BCI-applikationer? Den första frågeställnigen anspelar på en klassisk uppfattning av de som har teknisk bakgrund alltså skulle vara mer optimistiska än aversiva till teknik som sådan. Trots att denna uppfattning är intuitivt tilltalande kan det visa sig i replikationsstudier att sambandet inte är signifikant i den bemärkelsen som ofta antas som given. Den andra frågeställningen är mer specifikt nischad mot en given tillämpning och inte lika generellt formulerad, varför man kan anta att ett samband är mer eller mindre signifikant i sin magnitud. Den tredje frågeställningen tar sin utgångspunkt från Vansteensel, Kristo, Aarnoutse & Ramsey (2017) och söker svar på var det allmänna opinionsläget ligger snarare än hur verksamma i branschen uppfattar potentialen i ett tekniskt genombrott i forskningsfältet. Också här är frågeställningen nischad mot det givna forskningsfältet, vilket kan påverka resultatet. Den fjärde frågan är mer ger en indikation på om det föreligger diskrepanser med avseende på värderingen av potentialen i tillämpningen av tekniken generellt och den femte och sista frågan speglar huruvida respondenterna i samtiden läser in neuroetiska aspekter i utveckling och tillämpning av ny teknik som BCI. Frågeställningarna besvaras med en öppen randomiserad enkät i en pilotstudie och kanaliserades via Google Ads med datainsamling under juni Respondenterna anses utgöra ett självutvalt urval (self-selected sample). Ett självutvalt urval är inte slumpvis utvalt men fördelen är att det inte är påtvingat på något sätt. Endast en fråga i undersökningen var obligatorisk och det var variabeln huruvida respondenten ansåg sig ha teknik bakgrund eller inte, i övrigt var frågeställningarna öppen av formen Likertskala för självskattning. Resultatet av undersökningen var av karaktären pilotstudie och redovisas uppsatsens resultatdel. Datainsamling till uppsatsen har alltså skett på företrädelsevis tre olika sätt, dels genom litteraturstudie, dels genom enkätundersökning och dels genom deltagande vid internetkonferenser och webkonferens i BCI & neuroteknik under vår och sommar

14 Resultat I följande resultatdel presenteras resultatet av den webbaserade survey som legat till grund för bedömning av allmänhetens attityd och tillförsikt till optimism, potential, värdeskapande, och förtrolighet med avseende på BCI-tekniken i nuläget. I en webbaserad enkätundersökning har frivilliga respondenter getts möjlighet att delta och svara på frågor med hjälp av Likertskalor. Det finns fördelar med Likertskalor därför att de är enkla att förstå sig på och ger möjlighet till flexibilitet i svarsalternativen. Däremot måste man bestämma sig för hur resultatet skall tolkas och redovisas på för sätt i och med att Likertskalan är en ordinalskala, inte med nödvändighet en intervallskala och kan inte approximeras till en normalfördelning hursomhelst, varför det inte är helt relevant att redovisa medelvärden och standardavvikelser, annat än som indikation på en relativ skattning och spridning i ett stickprov. Om man så vill kan svaren kategoriseras som andel negativa, neutrala och positiva med avseende på stickprov, urvalsgrupp och kontrollgrupp som man så vill. Fråga 1: Tillförsikt med avseende på teknikaversion versavi teknikoptimism: Uppfattar du dig som mest som teknikaversiv, teknikneutral eller teknikoptimist? Mest teknikaversiv Mest teknikoptimist Resultatet av pilotstudien visar en indikation på att det förelåg en skillnad mellan den hälften som hade teknisk bakgrund och dem som inte ansågs sig ha det med avseende på teknikoptimism och teknikaversion. De som hade teknisk bakgrund upplever sig fortfarande själva som mer optimistiska än aversiva till teknik som sådan jämfört med dem som inte har teknisk bakgrund. Man kan säga att de med teknisk bakgrund skattar en högre grad av teknikoptimism 3.5 jämfört med 2.7 för de som inte har teknisk bakgrund för det givna urvalet. Men resultatet följer ju inte på att en Likertskala kan approximeras till en normalfördelning och skalan är ju förvisso ordinal men subjektiv varför medelvärden och standardavvikelser inte är fullt så relevanta att redovisa utan mest att det finns en relativ aspekt mellanstickprovet av tekniker och kontrollgruppen som också representerar en allmänhet. Därför kan man inte uttala sig om signifikans utan en representativ populationsstandardavvikelse eller en approximation. Givet hypotesen att Likertskalan representerar också en intervallsskala där varje intervallsteg är lika stort och en poäng är ekvivalent med en annan poäng på skalan kan göra den approximationen att man kan erhålla en standardavvikelse från stickprovet (s) och utnyttja för att få en uppfattning spridningen i skalfördelningen (i detta fall s = 1.16) i skattningen och en indikation på signifikansnivå. Ibland varnar man dock för att göra detta med avseende på Likertskalor beroende på dess karaktär av att vara en i hög grad subjektiv självskattningsskala och som sedan kan användas för ett t test. För att göra Students t- test med en ordinalskala måste man operationalisera skalan till en intervallskala åtminstone och det är inte rimligt att approximera till normalfördelning, även om man gör det är p= värdet inte signifikant på 5 % nivå men på 10 % nivå, och man bör man vara försiktig med att dra slutsatser från utfallet. Fråga 2: Attityd till BCI-tekniken som sådan. Uppfattar du dig som övervägande positivt inställd till potentialen i en teknik som verkar som är ett gränssnitt mellan människa och dator och därigenom möjliggör tankestyrning, eller är du övervägande negativ? 12

15 Mest negativt inställd Mest positivt inställd Resultatet av pilotstudien visar en indikation på att det förelåg en skillnad mellan den hälften som hade teknisk bakgrund och dem som inte ansågs sig ha det med avseende på teknikoptimism och teknikaversion. På samma sätt kan man se att de med teknisk bakgrund skattar sig som mer positivt inställda till potentialen i tekniken med jämförelsemedianen 3.5 jämfört med 2.9. En standardavvikelse för stickprovet kan approximeras till s= 1.17 vilket är ett spridningsmått som ligger i linje med föregående fråga. Vid operationalisering till intervallskala och Students t-test erhålls signifikans på 5 % nivå för p = Trots det bör man vidta försiktighet i och med att operationaliseringen bygger på ett antagande att den subjektiva skattningen kan översättas i en normerad poäng, sambandet som sådant dock tydligt signifikant om man accepterar normeringen till intervallskala. Fråga 3: Tillförsikt med avseende på potential i förestående tekniskt genombrott inom en snar framtid. Tror du att en applikation inom BCI inom en överskådlig eller snar framtid kommer att få genomslag och spridning i samhället? Mycket osannolikt Mycket sannolikt Resultatet av pilotstudien signifikant stöd för hypotesen att verksamma med teknisk bakgrund (teknisk utbildning eller verksam inom arbete som innefattar teknik) har en större benägenhet att tro på ett förestående genombrott i BCI-tekniken jämfört med dem som inte har teknisk bakgrund. Av dem som hade teknisk bakgrund var hälften benägna att tro att en förestående genombrott på ett bredare plan var på väg att ske inom en snar framtid till skillnad från endast en tredjedel av dem som inte hade teknisk bakgrund. Medelvärde för den tekniska gruppen 3.6 och 2.9 för den icke tekniska gruppen. Vid operationalisering till intervallskala och Students t-test erhålls signifikans på 5 % nivå för p= Än en gång ett signifikant samband, trots det bör man vidta försiktighet innan man drar generella slutsatser, i och med att operationaliseringen bygger på ett antagande att den subjektiva skattningen kan översättas i en normerad poäng. Fråga 4: Tillförsikt med avseende på potential i värdeskapande med avseende på en tänkt tillämpning i BCI-teknik. Anser du att tankestyrning av smarta telefoner eller datorer kan tillföra dig någonting? Nej, det är helt oviktigt Ja, det är viktigt Resultatet av pilotstudien visar en indikation på att det förelåg en skillnad mellan den hälften som hade teknisk bakgrund och dem som inte ansågs sig ha det med avseende på tillfört värde vid ny applikation med i det här fallet var det de som inte klassade sig som tekniker som var mer benägna att värdera potentialen i värdeskapandet högre än de som hade teknisk bakgrund. Spridningen i urvalet var det högsta uppskattade med s=1.59 och indikerar en högre volatilitet i utfallet. Den hälften som inte hade teknisk bakgrund uppfattade potentialen i värdeskapandet som större än tekniska gruppen, i jämförelse med 3.67 för stickprovet som inte hade teknisk bakgrund och 2.7 för den icke tekniska gruppen. Vid operationalisering till intervallskala och Students t-test 13

16 erhålls ingen signifikans på 5 % nivå för p > 0.05 och utfallet bör tolkas med försiktighet. Fråga 5: Tillförsikt med avseende på förtrolighet syftandes till neuroetiska hänsyn i utveckling och tillämpning av BCI-tekniken: I vilken mån tror du att det viktigt att ta neuroetiska hänsyn i utvecklandet och tillämpandet av applikationer inom Brain Computer Interface - teknik? Helt oviktigt Mycket viktigt Resultat vad gäller den femte frågan med avseende på neuroetiska hänsyn i utveckling och tillämpningar förelåg skillnad i median mellan den hälften som hade teknisk bakgrund och den hälft som inte hade det. Stickprovets spridningsmått i form av standardavvikelse s=1.4, och än en gång skattade de med teknisk bakgrund marginellt högre (3.1 jämfört med 2.75) än de som inte ansåg sig ha teknisk bakgrund. Vid operationalisering och Students t-test erhålls p = 0.38 vilket innebär att utfallet inte hade haft någon förklarande signifikans även om de förenklade antaganden accepterades och man hade ändå inte kunnat sluta sig till om det förelåg någon signifikant skillnad grupperna emellan, alltså är grupperna givet indifferenta med avseende på förtrolighet i tillämpandet av neuroetiska hänsyn. Pilotundersökningen ger initialt inte tillräckligt stöd för hypotesen på α = 5 % eller α= 10 % i att den som har teknisk bakgrund är mer optimistiskt än aversivt inställd till teknik jämfört med dem som inte har teknisk bakgrund; en hypotes som ofta förutsätts men som också kan ifrågasättas och där är relevant att pröva och pröva igen under samma och nya betingelser. Tolkning att den subjektiva Likertskalan kan operationaliseras och normeras som en intervallskala är på sätt och vis förutsättningslös om det inte räknas som en förenkling som man väljer att acceptera. Ett klassiskt tillvägagångssätt för att testa hypotesen att de med teknisk bakgrund skiljer sig åt i synen på teknik jämfört med dem som inte anser sig ha teknisk bakgrund är att testa två eller flera klasser samtidigt, en klass som med flerårsstudenter på teknisk fakultet kan jämföras exempelvis med en klass läkarstudenter och en kontrollgrupp. På så sätt kan en replikerande jämförelse genomföras inom loppet av någon timme. Några distinktioner med avseende på teknisk bakgrund förutsäger inte resultatet med avseende på subjektiv värdering i nyttan av ny teknik eller förtrolighet med avseende på vikten av neuroetiska aspekter. Inte heller i det avseendet kunde någon signifikans erhållas i resultatet utan indifferens föreligger även efter operationalisering. För att resonera i termer av signifikans måste skattningsskalan normeras utifrån ett antagande om att man kan utgå från en normerande poäng i den annars subjektiva Likertskalan. Om en sådan operationalisering accepteras kan dock signifikant resultat erhållas på α = 5 % för fråga 2 och fråga 3, det vill säga med avseende på attityder till BCI teknik som sådan och tilltron på att ett tekniskt genombrott inom BCI skall ske inom en överskådlig framtid. Det var små problem med bortfall från datainsamlingen och i de fall svar utelämnats angavs ett medelvärde för ingen skattning i och med att medelvärdet i Likertskalan också representerar värdeneutralitet eller ingen uppfattning. 14

17 Diskussion För ett årtionde sedan förutspåddes en snabb utveckling inom området BCI med utveckling av ny BCI-teknik och applikationer. Tidigare på 2000-talet förekom endast ungefär fem forskningsgrupper som arbetade med att utveckla BCI-teknik och applikationer. I takt med att en snabb tillväxt inom forskningsområdet förutspåddes, steg antalet aktiva och oberoende forskningsgrupper till ungefär laboratoriebaserade grupper. (Guger, Bin, Gao et al, 2010). Denna diskussion tar sin utgångspunkt och inleder med en återkoppling till resultatet av pilotstudien och i vad som hänt under tidsperioden i relation till några av de forskningsfrågor som uppkommit. Resultatet i survey är tänkt att i första hand tolkas som en pilotstudie med försiktighet men är också tänkt att leda fram till för ämnet relevanta uppslag; dock i och med att urvalet är litet och syftar till förberedande för mer riktade undersökningar och syftandes till att sondera kanske känsliga attityder till en relativt ny teknik. Den klassiska tolkningen har varit att tekniker är mer positiva till teknik än icke tekniker, men i flera fall har replikationsstudier inte påvisat ett signifikant resultat. Tesen att desto mer specifik den tekniska frågeställningen är desto större är sannolikheten för ett signifikant resultat får indirekt stöd i undersökningen. Tillämpandet av Likertskalor är också ett förslag på hur man kan gå tillväga om man vill undersöka just känsliga opinioner i ett urval som inte nödvändigtvis utgör experter inom ett givet område, men där det kan diskuteras vilken deskriptiv statistisk analys som egentligen är tillämplig. Det är dokumenterat att självskattningsformulär via survey har brister; det finns alltid ett mätfel behäftat med enkäter, en metodeffekt och en slumpeffekt när det gäller självrapporterande data och det är relevant att söka miminera eller åtminstone behärska metodeffekterna i surveyundersökningar redan genom att designa och planera undersökningen på ett adekvat sätt så att metodeffekter kan kontrolleras. Social önskvärdhet kan spela in och svarsförspänning (response bias), en tendens att inte lämna helt sanningsenliga uppgifter i survey, men framförallt att många inte har något intresse av att delta i enkäter som helst skall vara anonyma men som det kan saknas väsentliga incitament att delta i. (McBurney, 1998) Studien ligger dock i tiden i och med att många storföretag såsom Facebook, Google och Neuralink annonserat intressen i att implementera lösningar som bygger på BCI-applikationer. Även om man försöker vidta åtgärder för att randomisera urvalet för att vara representativt för befolkningen i allmänhet finns det fortfarande metodologiska problem med enkätundersökningar som måste överbryggas. Dels har det att göra med vilka kommunikationskanaler som väljs för att få respons och vanligtvis föredras kanaler med högt SIX-index och därigenom hög respondentgrad. Undersökningen har tagit sin utgångpunkt från annonsering på Google Ads och syftar till att nå ett representativt urval av befolkningen, utgör då ett självpåkallat urval (self-selection sampling). Redan där kan man ju se behovet av att begränsa undersökningen grad av generaliserbarhet, i första hand representerar ju urvalet då redan tekniktillvänjda internetanvändare som anses vara representativa för svenskar i allmänhet, även om 98 % av svenskarna idag har tillgång till internet hemma. Det är en metodologisk förenkling som ändå har gjorts till förmån för att använda ett rent snöbollsurval av företrädesvis studenter. Enkäter är också behäftade med problematik med avseende på självskattning, det vill säga problematik behäftad med att respondenterna inte nödvändigtvis är värdeneutrala utan kan påverkas av uppfattningar av social önskvärdhet. Aspekter av social önskvärdhet och hur det spelar in är alltid relevanta att ta i beaktande vid självskattningstudier och det gäller inte minst en survey som tar sin utgångspunkt i distinktioner med avseende på teknisk bakgrund. Den som har ett teknikintresse förväntas kanske ibland vara mer positivt 15