短语“这不是火箭科学”听起来像是火箭制造的极端复杂性，有数百万个零件和许多犯错误的机会。
也就是说，大脑有近 100 亿个神经元，每个神经元都像一台“微型计算机”并非所有的神经元都是相互连接的，但仍然有大约 100 万亿个连接。我们怎么能理解如此复杂的计算机呢？嗯，人类已经尝试了几千年，但是“大脑代码”还没有被发现。
大脑计划希望逐个神经元地重建大脑的活动，类似于人类基因组计划确定我们整个基因组的 DNA 序列的方式。
事实上，重建大脑的活动是我们可以从自己开始的，利用 AutoML 的力量。以下是方法。
正如任何机器学习问题一样，我们需要数据。在这种情况下，我们将使用表格自动工具 Apteo ，因此我们需要一个 KPI 和属性。
属性将是各种“大脑数据”测量，KPI 将是定义的精神状态。这种精神状态可能是焦虑、抑郁、癫痫发作、疼痛或任何其他我们希望调节的疾病。大脑就像一个电路，如果我们可以读取断开的电路(一种消极的精神状态)，我们就可以向大脑写入电信号来修复那些断开的电路。
这种精神状态也可能是一种我们希望加强的积极现象，就像专注或放松一样。
为了简单起见，我们的第一个 KPI 将是“困惑”，我们将使用来自 Kaggle 的困惑学生脑电图脑波数据。这些数据来自 10 名大学生，他们在观看 MOOC 视频的同时戴着单通道思维模式，测量额叶的活动。
其中两个属性Attention和Meditation是 NeuroSky 的专有算法输出，而其余的是频带(α、β、δ、γ和θ)，以及原始 EEG 信号。
在单通道的情况下，数据收集速率为 0.5 秒(学生观看 1 分钟的视频，因此每个学生每个视频有 120 行，总共 10 个学生和 10 个视频产生 12，000+行)，这比最先进的神经接口简单几个数量级。
相比之下，Neuralink 有 1，024 个通道以 19.3 kHz 采样，每秒约 19，300 个样本，每秒产生近 2000 万个数据点。
在我们的示例中，一个学生观看一个视频的两秒钟的数据可能如下所示，每一行都是一个样本，以 0.5 秒为间隔。
最初的研究论文使用该数据在独立于学生的分类器上实现了 57%的平均准确率。换句话说，这是一个艰难的挑战，但我们可以做得比随机猜测更好。
我们可以将 Kaggle CSV 原样上传到 Apteo。我们选择userdefined-label(学生是否表示困惑)作为 KPI。我们最终得到一个随机森林分类模型，其 Jaccard 得分为 0.691。
粗略地说，我们模型的预测与学生是否困惑的现实有 69.1%的相似性。还不错。
下面，我们可以看到每个属性在预测混乱中的重要性。专有的Attention值是最重要的，其次是Delta通道、Gamma2通道、Theta通道以及其他。
各种属性具有惊人的相似预测能力。
δ是最有预测性的频带。δ脑电波与深度睡眠有关，但它们在清醒时也会以较小的量存在，大量的δ脑电波与自闭症、双相情感障碍、不适当的觉醒(注意力不集中)，以及儿童多动症有关。
事实上，我们可以看到，当学生感到困惑时，δ脑电波的数量要高得多。下一个最重要的频带是伽马-2。研究表明伽马波与更大的注意力、有关，尤其是在冥想的人中。
另一个重要的频率是Theta，通常与慢思考联系在一起。关注快节奏的学习视频需要更活跃的脑电波，我们确实可以看到高θ与更大的困惑相关。困惑的学生θ值中位数在 115K 左右，非困惑的学生θ值中位数在 55K 左右。
上图中，我们使用了α、β和γ等脑电波频带来预测精神状态。本质上，我们使用原始 EEG 数据(仅由一个通道读取)的各种频带作为特征。
然而，我们可以通过各种提取技术从 EEG 数据中获得许多其他特征。我们还将研究从 4 个电极读取的原始数据，而不仅仅是 1 个电极，以了解增加通道数如何提高精度。
例如，这个 Kaggle 数据集从 EEG 数据中导出 988 个特征来描述一个人是否放松、专注或中立。这些特征依赖于统计技术，如快速傅立叶变换、香农熵、时间序列中的最大-最小特征、对数协方差等，所有这些都是在半重叠时间窗口中计算的。
我们可以将这个属性更加丰富的数据集上传到 Apteo，并选择Label作为 KPI。自动选择梯度提升分类模型，Jaccard 得分极高，为 0.972。事实证明，提取大量的特征可以让我们做出非常准确的预测。
在这种情况下，单个属性的重要性分数要低得多，但是综合起来，我们可以获得很高的准确性。
我们可以分析的另一个属性丰富的数据集是 Kaggle " EEG 脑波数据集:感受情绪"
两名受试者每人观看 6 分钟的正视频，6 分钟的负视频，6 分钟的无(中性数据)，因此每个受试者记录了 18 分钟的数据，共计 36 分钟。
采样率为 150Hz(每秒 150 个样本)，使用 2，160 秒(36 分钟* 60)的数据，我们有一个包含 324，000 个数据点的数据集。
与之前的属性丰富的数据集一样，我们能够实现比仅使用几个频段更高的准确性。
为了了解更多的通道数如何提高准确性，我们将分析来自 Kaggle 的数据集,该数据集测量某人在听音乐和阅读时的脑电图数据。记录设备有 4 个通道，而不是本文开始时分析的 1 通道数据。
我们的目标是简单地预测他们的大脑是在忙着听还是在读——这比预测某人是否困惑要简单得多，并且在 4 倍的频道数下，我们最终通过逻辑回归分类器获得了 1.0 的 Jaccard 分数。换句话说，我们有 100%的准确率。这引发了一个危险信号，让我们的模型看起来像是过度拟合了。
然而，看看这些数据，我们就能明白为什么这个模型能达到如此高的精确度。
下面，0类是指听音乐，1类是指阅读。这两个类别之间的通道 4 数据的大部分根本没有重叠(只有一些异常值重叠)，这意味着即使只有通道 4 也很容易做出相当准确的预测。
考虑到其他三个通道，每个都有不同程度的重叠，在数据的阅读和倾听之间有明显的区别。与其说模型过度拟合，不如说这只是一个需要解决的简单问题。
例如，我们还可以看到，在通道 2 数据中，类别之间的重叠最小。reading类的通道 2 数据范围极广，大约从-5000 到+3000，而music类的范围较窄，大约在-300 到+1000 之间，在这个范围内，没有多少读取示例。
如果我们放大得足够近，我们可以想象一个三维的清晰可分的超平面。
我们无法想象第四个通道维度，但这个维度用于训练，并使预测类别变得更加容易。
在本文中，我们使用 AutoML 准确预测困惑、放松或集中、积极或消极情绪，以及某人是否在阅读或听音乐，只需 1 个电极的数据。
想象一下，不是只分析一个电极，我们有来自 1024 个电极的数据，直接与大脑接触。这是像 Neuralink 这样的神经植入物的承诺。我们可以分析极其复杂的神经关联，即使是目前的测试版 Neuralink，其目标是在未来的版本中实现“数量级”的更多通道。
正如我们所见，更高的通道数和更多的特性支持更精确的预测模型。不难想象，有一天，神经分析将揭示意识本身的奥秘。