Από το Journey's "Μην σταματάς να πιστεύεις»"στο Queen's"Bohemian Rhapsody«στην Κάιλι Μινόγκ»Δεν μπορώ να σε βγάλω από το κεφάλι μου», υπάρχουν μερικά τραγούδια που καταφέρνουν να περάσουν με επιτυχία τα κανάλια του αυτιού μας και να εγκατασταθούν στον εγκέφαλό μας. Τι θα γινόταν αν ήταν δυνατό να διαβάσουμε τα σήματα του εγκεφάλου και να τα χρησιμοποιήσουμε για να μαντέψουμε με ακρίβεια ποιο τραγούδι ακούει ένα άτομο τη δεδομένη στιγμή;
Περιεχόμενα
- Διαβάζοντας μυαλά, μηχανές εκπαίδευσης
- Ο δρόμος προς τις διεπαφές εγκεφάλου-υπολογιστή
Αυτό λένε ερευνητές από το τμήμα Ανθρωποκεντρικού Σχεδιασμού στο Τεχνολογικό Πανεπιστήμιο του Ντελφτ Κάτω Χώρες και το τμήμα Γνωστικής Επιστήμης στο Ινδικό Ινστιτούτο Τεχνολογίας Γκαντινάγκαρ που εργάζονται για. Σε ένα πρόσφατο πείραμα, απέδειξαν ότι είναι εξαιρετικά δυνατό - και οι επιπτώσεις θα μπορούσαν να είναι πιο σημαντικές από ό, τι νομίζετε.
Προτεινόμενα βίντεο
Για τη μελέτη, οι ερευνητές στρατολόγησαν μια ομάδα 20 ατόμων. και τους ζήτησε να ακούσουν 12 τραγούδια χρησιμοποιώντας
ακουστικά. Για να βοηθήσουν στην εστίασή τους, το δωμάτιο ήταν σκοτεινό και οι εθελοντές είχαν δεμένα τα μάτια. Το καθένα ήταν εφοδιασμένο με ένα καπάκι ηλεκτροεγκεφαλογραφίας (EEG) που είναι σε θέση να ανιχνεύει μη επεμβατικά την ηλεκτρική δραστηριότητα στο τριχωτό της κεφαλής τους καθώς ακούνε τα τραγούδια.Αυτά τα δεδομένα του εγκεφάλου, μαζί με την αντίστοιχη μουσική, χρησιμοποιήθηκαν στη συνέχεια για την εκπαίδευση ενός τεχνητό νευρωνικό δίκτυο να είναι σε θέση να εντοπίσει τους δεσμούς μεταξύ των δύο. Όταν ο αλγόριθμος που προέκυψε δοκιμάστηκε σε δεδομένα που δεν είχε δει πριν, ήταν σε θέση να αναγνωρίσει σωστά το τραγούδι με ακρίβεια 85% — βασισμένο εξ ολοκλήρου στα εγκεφαλικά κύματα.
"Τα τραγούδια ήταν μια μίξη δυτικών και ινδικών τραγουδιών και περιλάμβαναν μια σειρά από είδη." Κρίσνα Μιγιαπουράμ, επίκουρος καθηγητής Γνωστικής Επιστήμης και Επιστήμης Υπολογιστών στο Ινδικό Ινστιτούτο Τεχνολογίας Γκαντιναγκάρ, δήλωσε στο Digital Trends. «Με αυτόν τον τρόπο, κατασκευάσαμε ένα μεγαλύτερο αντιπροσωπευτικό δείγμα για εκπαίδευση και δοκιμές. Η προσέγγιση επιβεβαιώθηκε όταν αποκτήσαμε εντυπωσιακές ακρίβειες ταξινόμησης, ακόμη και όταν περιορίσαμε τα δεδομένα εκπαίδευσης σε μικρότερο ποσοστό του συνόλου δεδομένων.»
Διαβάζοντας μυαλά, μηχανές εκπαίδευσης
Αυτή δεν είναι η πρώτη φορά που οι ερευνητές έδειξαν ότι είναι δυνατό να πραγματοποιηθούν επιδείξεις «ανάγνωσης μυαλού» που θα έκαναν τον David Blaine να ζηλέψει, χρησιμοποιώντας όλα τα δεδομένα EEG. Για παράδειγμα, νευροεπιστήμονες στο πανεπιστήμιο του Καναδά του Τορόντο Σκάρμπορο έχουν ανακατασκευάσει προηγουμένως εικόνες με βάση δεδομένα ΗΕΓ για να ψηφιακή αναδημιουργία εικόνων προσώπων αποθηκευμένο στο μυαλό ενός ανθρώπου. του Miyapuram δική προηγούμενη έρευνα περιλαμβάνει ένα έργο στο οποίο χρησιμοποιήθηκαν δεδομένα EEG για τον εντοπισμό αποσπασμάτων ταινιών που είδαν οι συμμετέχοντες, με το καθένα να έχει σκοπό να προκαλέσει διαφορετική συναισθηματική απόκριση.
Είναι ενδιαφέρον ότι αυτή η τελευταία δουλειά έδειξε ότι αλγόριθμοι που αποδείχθηκαν πολύ αποτελεσματικοί στο να μαντέψουν τα τραγούδια που ακούγονται από έναν συμμετέχοντα, αφού είχε εκπαιδευτεί στον συγκεκριμένο εγκέφαλό του, δεν θα λειτουργούσε τόσο καλά όταν εφαρμόζεται σε άλλον πρόσωπο. Στην πραγματικότητα, το "όχι και τόσο καλά" είναι μια κατάφωρη υποτίμηση: Η ακρίβεια σε αυτές τις δοκιμές έπεσε από 85% σε λιγότερο από 10%.
«Η έρευνά μας δείχνει ότι τα άτομα έχουν εξατομικευμένες εμπειρίες μουσικής», είπε ο Miyapuram. «Θα περίμενε κανείς ότι οι εγκέφαλοι ανταποκρίνονται με παρόμοιο τρόπο επεξεργάζοντας πληροφορίες από διαφορετικά ερεθίσματα. Αυτό ισχύει για αυτό που καταλαβαίνουμε ως χαρακτηριστικά χαμηλού επιπέδου ή χαρακτηριστικά σε επίπεδο ερεθίσματος. [Αλλά] όταν πρόκειται για μουσική, είναι ίσως τα χαρακτηριστικά υψηλότερου επιπέδου, όπως η απόλαυση, που διακρίνουν τις ατομικές εμπειρίες».
Ντέρεκ Λόμας, επίκουρος καθηγητής θετικής Α.Ι. στο Τεχνολογικό Πανεπιστήμιο του Ντελφτ, είπε ότι ένας μελλοντικός στόχος του έργου είναι να χαρτογραφήσει τη σχέση μεταξύ των συχνοτήτων EEG και των μουσικών συχνοτήτων. Αυτό θα μπορούσε να βοηθήσει να απαντηθούν ερωτήματα όπως εάν ο μεγαλύτερος αισθητικός συντονισμός συνοδεύεται από μεγαλύτερο νευρικό συντονισμό.
Για να το θέσω αλλιώς, είναι ένα άτομο που «συγκινείται» από ένα μουσικό κομμάτι θα δείξει μεγαλύτερους συσχετισμούς μεταξύ της ίδιας της μουσικής και της εγκεφαλική απόκριση, καθιστώντας δυνατή την ακριβή πρόβλεψη του πόσο απολαμβάνει ένα άτομο ένα μουσικό κομμάτι απλά κοιτάζοντας τα εγκεφαλικά του κύματα; Ενώ η ανταπόκριση του καθενός στη μουσική μπορεί να είναι διακριτικά διαφορετική, αυτό θα μπορούσε να βοηθήσει να ρίξει φως στο γιατί οι άνθρωποι αναζητούν τη μουσική από την αρχή.
Ο δρόμος προς τις διεπαφές εγκεφάλου-υπολογιστή
«Για βραχυπρόθεσμες εφαρμογές [τα επόμενα δύο χρόνια], φανταζόμαστε μια μηχανή προτάσεων μουσικής που θα μπορούσε να βασίζεται στην απόκριση του εγκεφάλου ενός ατόμου», δήλωσε ο Lomas στο Digital Trends. «Αυτή τη στιγμή έχω έναν μαθητή που εργάζεται σε αλγοριθμικά δημιουργημένη μουσική που μεγιστοποιεί τον νευρικό συντονισμό. Είναι αρκετά τρομακτικό: Ο μέγιστος νευρικός συντονισμός δεν είναι ο ίδιος με τον μέγιστο αισθητικό συντονισμό».
Μεσοπρόθεσμα, ο Lomas πρότεινε ότι θα μπορούσε να οδηγήσει σε ισχυρές εφαρμογές για την απόκτηση πληροφοριών σχετικά με το «βάθος της εμπειρίας» που απολαμβάνει ένα άτομο που ασχολείται με τα μέσα. Χρησιμοποιώντας εργαλεία ανάλυσης εγκεφάλου, μπορεί (και, πράγματι, θα έπρεπε) να είναι δυνατό να προβλεφθεί με ακρίβεια πόσο βαθιά αφοσιωμένος είναι ένας άνθρωπος ενώ, ας πούμε, παρακολουθεί μια ταινία ή ακούει ένα άλμπουμ. Ένα μέτρο δέσμευσης βασισμένο στον εγκέφαλο θα μπορούσε στη συνέχεια να χρησιμοποιηθεί για να βελτιώσει συγκεκριμένες εμπειρίες. Θέλετε να κάνετε την ταινία σας πιο ελκυστική για το 90% των θεατών; Μικροδιόρθωση Αυτό σκηνή, αλλαγή ότι ένας.
«Μακροπρόθεσμα - 20 χρόνια - αυτό το πεδίο εργασίας μπορεί να επιτρέψει μεθόδους μεταγραφής του περιεχομένου της φαντασίας», συνέχισε ο Λόμας. «Για παράδειγμα, μεταγραφή σκέψεων σε κείμενο. Αυτό είναι το μεγάλο μέλλον των [διασυνδέσεων εγκεφάλου-υπολογιστή.]».
Όπως σημείωσε ο Lomas, βρισκόμαστε ακόμα πολύ μακριά από αυτόν τον τελικό στόχο της διεπαφής εγκεφάλου-υπολογιστή. Ωστόσο, μια τέτοια εργασία υποδηλώνει ότι υπάρχουν πολλά νόστιμα φρούτα που κρέμονται χαμηλότερα σε αυτό το δέντρο πριν το πέσουμε τελικά.
ΕΝΑ έγγραφο που περιγράφει αυτή την έρευνα, με τίτλο GuessTheMusic: Song Identification from Electroencephalography, παρουσιάστηκε πρόσφατα στο CODS-COMAD 2021.
Συστάσεις των συντακτών
- Deep Learning A.I. μπορεί να μιμηθεί τα εφέ παραμόρφωσης των εμβληματικών θεών της κιθάρας
Αναβαθμίστε τον τρόπο ζωής σαςΤο Digital Trends βοηθά τους αναγνώστες να παρακολουθούν τον γρήγορο κόσμο της τεχνολογίας με όλα τα τελευταία νέα, διασκεδαστικές κριτικές προϊόντων, διορατικά editorial και μοναδικές κρυφές ματιές.
