Neue Brainsourcing-Technik trainiert K.I. Mit Gehirnwellen

Stellen Sie sich einen Raum voller Schreibtische vor, insgesamt mehr als zwei Dutzend. An jedem identischen Schreibtisch steht ein Computer, davor sitzt eine Person und spielt ein einfaches Identifikationsspiel. Das Spiel fordert den Benutzer auf, eine Reihe grundlegender Erkennungsaufgaben zu erledigen, beispielsweise auszuwählen, welche Foto aus einer Serie, das jemanden lächelnd zeigt oder eine Person mit dunklem Haar oder dunkler Kleidung zeigt Gläser. Der Spieler muss seine Entscheidung treffen, bevor er zum nächsten Bild übergeht.

Nur tun sie das nicht durch Klicken mit der Maus oder Antippen eines Touchscreens. Stattdessen wählen sie die richtige Antwort einfach durch Denken aus.

Jede Person im Raum ist mit einer Schädeldecke für ein Elektroenzephalogramm (EEG) ausgestattet; Eine Reihe von Kabeln, die von jeder Person zu einem nahegelegenen Aufnahmegerät führen Monitore die elektrische Spannungsaktivität auf ihrer Kopfhaut. Die Szene sieht aus wie ein Großraumbüro, in dem alle in die Matrix eingebunden sind.

„Die Teilnehmer [in unserer Studie] hatten die einfache Aufgabe, einfach zu erkennen, [nach was sie suchen sollten]“ Tuukka Ruotsalo, ein wissenschaftlicher Mitarbeiter an der Universität Helsinki, der leitete die kürzlich veröffentlichte Forschung, sagte Digital Trends. „Sie wurden zu nichts anderem aufgefordert. Sie schauten sich nur die Bilder an, die ihnen gezeigt wurden. Anschließend haben wir einen Klassifikator erstellt, um zu sehen, ob wir allein auf der Grundlage des Gehirnsignals das richtige Gesicht mit den Zielmerkmalen identifizieren können. Außer dem EEG-Signal in dem Moment, als die Teilnehmer das Bild sahen, wurde nichts anderes verwendet.“

In dem Experiment wurden insgesamt 30 Freiwilligen Bilder von synthetisierten menschlichen Gesichtern gezeigt (um das zu vermeiden). Es besteht die Möglichkeit, dass einer der Teilnehmer eine Person, die ihm gezeigt wurde, erkennt und sie daher verzerrt Ergebnisse). Die Teilnehmer wurden gebeten, die Gesichter auf der Grundlage dessen, was sie sahen, im Geiste zu beschriften und nach ihnen zu suchen. Unter Verwendung nur dieser Gehirnaktivitätsdaten, an künstliche Intelligenz Der Algorithmus lernte, Bilder zu erkennen, beispielsweise wenn eine blonde Person auf dem Bildschirm erschien.

Eine neue Interpretation einer alten Idee

Das ist beeindruckend, aber nicht besonders neu. Mindestens seit einem Jahrzehnt verwenden Forscher mithilfe von EEG oder fMRT erfasste Gehirnaktivitätsdaten, um eine Reihe immer beeindruckenderer Gedankenlesedemonstrationen durchzuführen. In manchen Fällen geht es darum, ein bestimmtes Bild oder Video zu identifizieren, wie etwa bei einer aktuellen Studie, bei der Forscher am Neurorobotics Lab in Moskau gezeigt haben, dass es möglich ist, herauszufinden, welches Videoclips, die sich die Leute ansehen indem sie ihre Gehirnaktivität überwachen.

In anderen Fällen können diese Erkenntnisse genutzt werden, um bestimmte Reaktionen auszulösen. Beispielsweise platzierten Forscher der Washington University in St. Louis im Jahr 2011 temporäre Elektroden über dem Sprachzentrum des Gehirns einer Person und zeigten dann, dass sie dazu in der Lage waren Bewegen Sie einen Computercursor auf dem Bildschirm indem man die Person einfach darüber nachdenken lässt, wohin sie es verschieben möchte. Wieder andere Studien haben gezeigt, dass Gehirndaten verwendet werden können, um Roboterglieder zu bewegen oder Drohnen schweben zu lassen.

Was die jüngste Studie der Universität Helsinki neuartig und interessant macht, ist, dass sie sich darauf konzentriert, wie die Gehirnaktivität von a Gruppe Anhand der Analyse von Personen und nicht einzelner Personen können Schlussfolgerungen gezogen werden, beispielsweise um Bilder zu klassifizieren. Sie haben nicht nur gezeigt, dass es funktioniert, sondern auch, dass die Daten – zumindest bis zu einem gewissen Punkt – umso genauer werden, je mehr Personen man der Gruppe hinzufügt.

„Wenn wir mehr Menschen in den Brain-Sourcing-Pool aufnehmen, sodass Gehirndaten von einer Gruppe von Menschen aufgezeichnet werden, erreichen wir eine Genauigkeit von weit über 90 %“, sagte Ruotsalo. „[Das ist] fast auf dem Niveau, [eine Gruppe aufzufordern, Antworten manuell zu markieren.]“

Das mag zunächst kontraintuitiv klingen. Wenn die Gehirndaten verrauscht sind, würde das Hinzufügen weiterer Personen das Rauschen dann nicht noch verstärken? Wenn Sie in einem Raum nach einem besonders schwer wahrnehmbaren Geräusch Ausschau halten möchten, ist es schließlich einfacher, wenn nur eine Person darüber redet, als zehn. Oder 30. Aber wie die Geschichte der Big-Data-Revolution und viele der bemerkenswertesten Demonstrationen des maschinellen Lernens in Maßnahmen haben deutlich gemacht, dass Systeme umso genauer sind, je mehr Daten Ihnen zur Verfügung stehen, um ein Problem zu lösen werden.

„Das Signal vom EEG oder einer anderen Bildgebung des Gehirns ist im Allgemeinen verrauscht, und Teilnehmer oder Menschen sind nicht immer zu 100 % anwesend“, erklärte Ruotsalo. „Denken Sie darüber nach, sich selbst Bilder anzusehen. Manchmal schweifen die Gedanken ab, nachdem man sich viele davon angeschaut hat. Selbst bei einzelnen Teilnehmern wenden Forscher oft Tricks an, wie zum Beispiel die Wiederholung desselben Reizes, um das Rauschen zu mitteln. Dabei nutzen wir die Signale vieler Teilnehmer.“

Die Wahrscheinlichkeit, dass mindestens einige Personen zu jedem Zeitpunkt konzentriert sind, ist im Vergleich zu nur einer Person erheblich erhöht. Fügen Sie noch den Gedanken der Weisheit der Massen hinzu (dazu später mehr), und Sie haben eine wirklich mächtige Kombination.

Betreten Sie die Welt des Brainsourcings

Tuukka Ruotsalo und sein Team nennen dieses gruppenbasierte Gehirnlesen „Brainsourcing“. Es ist ein Spiel mit dem Begriff Crowdsourcing, bezieht sich auf eine Möglichkeit, eine große Aufgabe in kleinere Aufgaben aufzuteilen, die an große Gruppen von Menschen verteilt werden können, um ihnen zu helfen lösen. Im Jahr 2020 dürfte Crowdsourcing am ehesten mit Geldbeschaffungsplattformen wie Kickstarter gleichgesetzt werden, bei denen es um die „große Aufgabe“ geht Für die Markteinführung eines Produkts ist Startkapital erforderlich, und bei dem verteilten Crowd-basierten Element werden Menschen gebeten, kleinere Beträge einzuzahlen Geld.

Crowdsourcing kann sich jedoch auch für andere Anwendungen eignen. Amazons Mechanical Turk-Plattform und Apples ResearchKit sind Crowdsourcing-Tools, die die Macht der Masse für Aufgaben nutzen, die von der Beantwortung von Umfragen bis hin zur Durchführung wichtiger akademischer Forschung reichen. Mittlerweile nutzen Unternehmen wie TaskRabbit und 99designs die Crowd, um Kunden dabei zu helfen, die richtige Person zu finden Wir erledigen alles von der Gartenarbeit über den Lebensmitteleinkauf bis hin zur Gestaltung des perfekten Logos oder Impressums für Ihre Website.

K.I. können auch von Crowdsourcing profitieren. Bedenken Sie zum Beispiel: Googles reCAPTCHA-Technologie. Die meisten von uns betrachten reCAPTCHA wahrscheinlich als eine Möglichkeit, mit der Websites überprüfen können, ob wir ein Bot sind oder nicht, bevor sie uns erlauben, eine bestimmte Aufgabe auszuführen. Das Ausfüllen eines reCAPTCHA kann das Lesen einer wackeligen Textzeile oder das Klicken auf jedes Bild in einer Auswahl erfordern, das eine Katze enthält. Aber bei reCAPTCHAs geht es nicht nur darum zu testen, ob wir Menschen sind oder nicht; Sie sind auch eine sehr clevere Möglichkeit, Daten zu sammeln, die verwendet werden können, um die Bilderkennungs-KI von Google zu optimieren. schlauer. Jedes Mal, wenn Sie ein Textfragment von einem Straßenschild auf einem reCAPTCHA-Bild lesen, könnten Sie dazu beitragen, dass beispielsweise die selbstfahrenden Autos von Google die reale Welt etwas besser erkennen. Wenn Google genügend Antworten für ein Bild gesammelt hat, ist Google ziemlich sicher, dass es eine richtige Antwort hat.

Es ist noch zu früh, darüber nachzudenken, wie Brainsourcing praktisch auf diesen Ideen aufbauen könnte. „Wir haben versucht, selbst darüber nachzudenken“, sagte Ruotsalo. „Ich glaube, wir haben noch nicht einmal die Ideen. Es ist nur ein Proof-of-Concept, dass wir das schaffen können. Jetzt ist es für andere offen, herauszufinden, wie gut, für welche Art von Aufgaben und für welche Personengruppen wir es nutzen könnten.“

Die Zukunft kommt

Aber das Potenzial ist durchaus vorhanden. Mittlerweile sind kommerziell erhältliche tragbare EEG-Monitore erhältlich – in verschiedenen Formen Kopfhörer zum Gehirnlesen Zu Intelligente Tattoos. Derzeit messen EEG-Demonstrationen wie die in dieser Studie nur einen winzigen Prozentsatz der gesamten Gehirnaktivität einer Person. Mit der Zeit könnte dieser Wert jedoch zunehmen, was bedeutet, dass möglicherweise eine weniger binäre Sammlung von Informationen gesammelt wird. Anstatt nur eine „Ja“- oder „Nein“-Antwort auf Fragen zu erhalten, könnte diese Technologie die Reaktion der Menschen auf weitere Fragen beobachten B. komplexe Fragen, könnte Reaktionen auf Medien wie eine Fernsehsendung oder einen Film überwachen und dann aggregierte Crowd-Daten an ihn zurückspeisen Macher.

„Anstatt herkömmliche Bewertungen oder Like-Buttons zu verwenden, könnte man sich einfach einen Song anhören oder eine Sendung ansehen und sein Gehirn trainieren Aktivität allein würde ausreichen, um Ihre Reaktion darauf zu bestimmen“, Keith Davis, ein Student und Forschungsassistent am Projekt, sagte in einer Pressemitteilung die Arbeit begleitend.

Stellen Sie sich vor, Millionen von Menschen würden EEG-Tracking-Wearables tragen und Sie würden einem Prozentsatz von ihnen zehnmal am Tag eine Mikrozahlung anbieten, als Gegenleistung dafür, dass sie sich ein paar Sekunden Zeit nehmen, um bei der Lösung einer bestimmten Aufgabe zu helfen. Fantasievoll? Vielleicht gerade jetzt, aber das gilt auch für viele der heutigen Crowdsourcing-Technologien noch vor ein paar Jahren.

In der Spielshow Wer wird Millionär?Eine der „Rettungslinien“, die den Teilnehmern zur Verfügung stehen, ist die Möglichkeit, dem Publikum eine bestimmte Frage zu stellen. Wenn diese einmalige Rettungsleine ausgelöst wird, stimmen die Zuschauer über an ihren Sitzen angebrachte Stimmpads für die Antwort auf eine Multiple-Choice-Frage ab, die sie für richtig halten. Der Computer zählt dann die Ergebnisse zusammen und zeigt sie dem Teilnehmer als Prozentsatz an. Laut James Surowieckis Buch: Die Weisheit der MassenWenn man das Publikum fragt, erhält man in mehr als 90 % der Fälle die richtige Antwort. Das ist deutlich besser als die 50/50-Option der Show, die zwei falsche Antworten eliminiert, und die Option, einen Freund anzurufen, die Ihnen in etwa zwei Dritteln der Fälle die richtige Antwort gibt.

Könnte Brainsourcing die nächste großartige Technologieidee sein? Wir helfen dabei, alles zu tun, von der Verbesserung der Unterhaltung bis hin zum Training einer besseren KI. um alle möglichen Fragen zu beantworten? Es ist zugegebenermaßen noch zu früh, das zu sagen. Aber über diesen Begriff werden Sie in den kommenden Monaten, Jahren und Jahrzehnten sicherlich noch viel hören.

Empfehlungen der Redaktion

• Nvidias Supercomputer könnte eine neue Ära von ChatGPT einläuten
• Die lustige Formel: Warum maschinengenerierter Humor der heilige Gral der KI ist
• Nvidias neue Stimme A.I. klingt wie eine echte Person
• Intels unglaubliche Athleten-Tracking-K.I. ist der „heilige Gral“ der Trainingstechnologie
• Gesichtserkennungstechnologie für Bären soll die Sicherheit der Menschen gewährleisten