Нова техника за мозъчен източник обучава A.I. С мозъчни вълни

Представете си стая, пълна с бюра, наброяващи повече от две дузини общо. На всяко едно и също бюро има компютър с човек, който седи пред него и играе проста игра за идентификация. Играта изисква от потребителя да изпълни набор от основни задачи за разпознаване, като например да избере кои снимка от поредица, която показва някой усмихнат или изобразява човек с тъмна коса или облечен очила. Играчът трябва да вземе своето решение, преди да премине към следващата картина.

Само че те не го правят, като щракнат с мишката или докоснат сензорен екран. Вместо това те избират правилния отговор просто като го мислят.

Всеки човек в стаята е оборудван с капачка за електроенцефалограма (ЕЕГ); пътека от кабели, водеща от всеки човек до близкото записващо устройство, което монитори активността на електрическото напрежение върху техния скалп. Сцената изглежда като офис с отворен план, в който всички са включени в Матрицата.

„Участниците [в нашето проучване] имаха простата задача просто да разпознаят [какво бяха помолени да търсят],“ Туука Руотсало, научен сътрудник в университета в Хелзинки, който ръководи наскоро публикуваното изследване, каза Digital Trends. „Не са били помолени да правят нищо друго. Те просто погледнаха изображенията, които им бяха показани. След това изградихме класификатор, за да видим дали можем да идентифицираме правилното лице с целевите характеристики, единствено въз основа на мозъчния сигнал. Не е използвано нищо друго, освен ЕЕГ сигнала в момента, в който участниците са видели снимката.”

В експеримента на общо 30 доброволци бяха показани изображения на синтезирани човешки лица (за да се избегне шанс някой от участниците да разпознае човек, който му е показан, и следователно да изкриви резултати). Участниците бяха помолени да маркират мислено лицата въз основа на това, което са видели и бяха помолени да търсят. Използвайки само тези данни за мозъчната дейност, ан изкуствен интелект алгоритъм, научен да разпознава изображения, като например когато на екрана се появи русокосо лице.

Ново завъртане на стара идея

Това е впечатляващо нещо, но не е особено ново. Поне през последното десетилетие изследователите са използвали данни за мозъчната активност, събрани чрез ЕЕГ или fMRI, за да извършат набор от все по-впечатляващи демонстрации на четене на мисли. В някои случаи това е идентифициране на конкретно изображение или видеоклип, както при скорошно проучване, по време на което изследователи от Neurorobotics Lab в Москва показаха, че е възможно да се разбере кои видеоклипове, които хората гледат чрез наблюдение на мозъчната им дейност.

В други случаи тези прозрения могат да се използват за задействане на определени реакции. Например, през 2011 г. изследователи от Вашингтонския университет в Сейнт Луис поставиха временни електроди върху речевия център на мозъка на човек и след това демонстрираха, че са в състояние да преместване на компютърен курсор на екрана просто като накараш човека да помисли къде иска да го премести. Други проучвания показват, че мозъчните данни могат да се използват за придвижване на роботизирани крайници или дронове.

Това, което прави неотдавнашното проучване на Университета в Хелзинки ново и интересно е, че се фокусира върху това как мозъчната дейност на група на хора, а не на отделни хора, може да се използва за правене на заключения, като например класифициране на изображения. Те не само показаха, че работи, но че – поне до известна степен – колкото повече хора добавите към групата, толкова по-точни стават данните.

„Когато добавим повече хора към пула за извличане на мозъци, така че мозъчните данни да се записват от група хора, постигаме производителност с над 90% точност“, каза Руотсало. „[Това е] почти на ниво [да поискате от група ръчно да маркира отговорите.]“

Първоначално това може да звучи контраинтуитивно. Ако мозъчните данни са шумни, няма ли добавянето на повече хора да ги направи още по-шумни? В края на краищата, ако искате да се вслушате в особено труден за чуване звук в стая, по-лесно е да имате само един човек, който говори отгоре, отколкото 10. Или 30. Но тъй като историята на революцията на големите данни и много от най-забележителните демонстрации на машинно обучение в действие, са изяснили, колкото повече данни имате на ваше разположение, за да хвърлите при проблем, толкова по-точни системи да стане.

„Сигналът е шумен като цяло от ЕЕГ или друго изображение на мозъка и участниците или хората не винаги присъстват на 100%“, обясни Руотсало. „Помислете за себе си да гледате снимки. Понякога, след като сте гледали [на] много, умът ви може да блуждае. Дори с единични участници, изследователите често използват трикове, като повтаряне на същия стимул отново, за да могат да осреднят шума. Тук използваме сигнали от много участници.”

Шансът поне някои индивиди да са фокусирани по всяко време е значително увеличен в сравнение само с един индивид. Добавете идеята за мъдростта на тълпите (повече за това по-късно) и ще получите страхотно мощна комбинация.

Влезте в света на брейнсорсинга

Туука Руотсало и неговият екип наричат ​​това групово четене на мозъка „мозъчен източник“. Това е игра на термина краудсорсинг, позовавайки се на начин за разделяне на една голяма задача на по-малки задачи, които могат да бъдат разпределени на големи групи хора, за да помогнат решавам. Тук, през 2020 г., краудсорсингът може да бъде най-синоним на платформи за набиране на пари като Kickstarter, където „голямата задача“ е начален капитал, необходим за стартиране на продукт, а разпределеният елемент, базиран на тълпа, включва искане на хората да дадат по-малки суми пари.

Краудсорсингът обаче може да се поддаде и на други приложения. Платформата Mechanical Turk на Amazon и ResearchKit на Apple са инструменти за краудсорсинг, които използват силата на тълпата за задачи, които варират от отговаряне на анкети до извършване на важни академични изследвания. Междувременно компании като TaskRabbit и 99designs използват тълпата, за да помогнат на клиентите да намерят правилния човек да доставим всичко - от работа в двора и пазаруване на хранителни стоки до проектиране на идеалното лого или шапка за вашия уебсайт.

ИИ също могат да се възползват от краудсорсинга. Помислете, например, Технологията reCAPTCHA на Google. Повечето от нас вероятно смятат reCAPTCHA за начин, по който уебсайтовете могат да проверят дали сме бот или не, преди да ни позволят да изпълним определена задача. Попълването на reCAPTCHA може да включва четене на въртящ се ред текст или щракване върху всяко изображение в селекция, която включва котка. Но reCAPTCHA не са само за тестване дали сме хора или не; те също така са много умен начин за събиране на данни, които могат да бъдат използвани, за да направят разпознаването на изображения на Google A.I. по-умен. Всеки път, когато четете фрагмент от текст от крайпътен знак върху reCAPTCHA изображение, може да допринесете за това, да речем, самоуправляващите се автомобили на Google да станат малко по-добри в разпознаването на реалния свят. Когато Google е събрал достатъчно отговори за дадено изображение, Google е достатъчно сигурен, че има правилен отговор.

Твърде рано е да се обмисля как брейнсорсингът на практика може да се основава на тези идеи. „Ние сами се опитваме да мислим за това“, каза Руотсало. „Не мисля, че дори все още имаме идеи. Това е просто доказателство за концепцията, че можем да направим това. Сега е отворено за други хора да проучат колко добре и за какви задачи и за какви групи хора бихме могли да използваме това.“

Бъдещето идва

Но потенциалът със сигурност е налице. Наличните в търговската мрежа носими ЕЕГ монитори вече започват да се предлагат – във форми, които варират от слушалки за четене на мозъка да се умни татуировки. Понастоящем ЕЕГ демонстрации като тази в това проучване измерват само малък процент от общата мозъчна активност на човек. Но с течение на времето това може да се увеличи, което означава, че може да се събере по-малко двоична колекция от информация. Вместо просто да получава отговор „да“ или „не“ на въпроси, тази технология може да наблюдава реакцията на хората на повече сложни въпроси, може да наблюдава отговорите на медии като телевизионно предаване или филм и след това да подава обобщени данни за тълпата обратно към своите производители.

„Вместо да използвате конвенционални оценки или бутони за харесване, можете просто да слушате песен или да гледате шоу и мозъкът ви дейност сама по себе си би била достатъчна, за да определи реакцията ви към нея, ”Кийт Дейвис, студент и научен сътрудник на проект, се казва в прессъобщение придружаващ работата.

Представете си, ако милиони хора носят преносими устройства за ЕЕГ проследяване и вие предлагате на процент от тях микроплащане 10 пъти на ден в замяна на това да отделят няколко секунди, за да помогнат при решаването на определена задача. Измислено? Може би точно сега, но същото направиха и много от съвременните краудсорсинг технологии само преди няколко години.

В шоуто на играта Кой иска да бъде милионер, един от „спасителните пояси” за участниците е възможността да зададат определен въпрос на публиката. Когато се задейства тази еднократна спасителна линия, публиката използва блокове за гласуване, прикрепени към местата им, и гласува за отговора на въпрос с множествен избор, който смята, че е правилен. След това компютърът пресмята резултатите и ги показва като процент на състезателя. Според книгата на Джеймс Суровецки, Мъдростта на тълпите, питането на публиката дава правилния отговор в повече от 90% от случаите. Това е значително по-добро от опцията 50/50 на шоуто, която елиминира два неправилни отговора, и опцията да се обадите на приятел, която ви дава правилния отговор в около две трети от времето.

Може ли брейнсорсингът да бъде следващата страхотна идея на технологиите; помагайки да се направи всичко - от подобряване на забавлението до обучение на по-добър ИИ. да отговаряш на всякакви въпроси? Разбира се, твърде рано е да се каже. Но това определено е термин, за който ще чуете много повече през следващите месеци, години и десетилетия.

Препоръки на редакторите

• Суперкомпютърът на Nvidia може да донесе нова ера на ChatGPT
• Забавната формула: Защо машинно генерираният хумор е свещеният граал на ИИ
• Новият глас на Nvidia A.I. звучи точно като истински човек
• Невероятният AI на Intel за проследяване на спортисти е „свещеният граал“ на технологиите за обучение
• Технологията за лицево разпознаване на мечки има за цел да предпази хората в безопасност