ノイズの中の「意図」を測る

下の波形は、合成した生体信号もどきです（本物のEEGではありません—— ここで見せたいのは現象の構造です）。薄い縦帯が「本物のイベント＝意図」の位置、 色のついた縦線が検出器(マッチドフィルタ)が見つけたと判断した位置。右の数字が、その答え合わせ ——検出率（本物をどれだけ拾えたか）と誤検出（ノイズを意図と取り違えた数）です。

二つのつまみを回してください。白色ノイズを上げると、検出率はなだらかに落ちます ——マッチドフィルタはランダムなノイズには強い。ところがアーチファクト（瞬きの大きなスパイクや ゆっくりしたドリフト）を少し入れるだけで、検出は一気に崩れます。瞬き一発は本物のイベントより桁違いに 大きく、本物を覆い隠し、同時に偽の検出を生む。

これが 生体信号の本当の難所 です。律速は「もっと賢いモデル」では なく、構造化されたノイズを信号から引き剥がす測定の仕事（アーチファクト除去・ICA など）。 BCIの帯域が電極数で決まらないのも同じ理由です。派手なデコーダの前に、 解釈のギャップがある。

これは 作品ギャラリー の一部。純粋なクライアントサイドJS（依存ゼロ・外部送信なし）。 信号もイベントも合成で、本物のEEG/BCIデータではありません——狙いは特定のデータでなく、 白色ノイズには強い検出器が、構造化されたアーチファクトには脆いという構造を、検出率の測定で示すこと。 「直す」側（アーチファクト除去）は地味で泥臭く、そここそが価値の在処です（→解説）。 価値は派手な表面でなく、その下の測定にある。 この実装もAIが書き、人間が公開を選んでいます。