Kuvittele huone täynnä työpöytää, joita on yhteensä yli kaksi tusinaa. Jokaisen samanlaisen pöydän ääressä on tietokone, jonka edessä istuu henkilö, joka pelaa yksinkertaista tunnistuspeliä. Peli pyytää käyttäjää suorittamaan valikoiman perustunnistustehtäviä, kuten valitsemaan mitkä kuva sarjasta, jossa joku hymyilee tai jossa on tummat hiukset tai yllään lasit. Pelaajan on tehtävä päätös ennen kuin hän siirtyy seuraavaan kuvaan.
Sisällys
- Uusi kierros vanhaan ideaan
- Astu aivohankinnan maailmaan
- Tulevaisuus on tulossa
He eivät vain tee sitä napsauttamalla hiirellä tai koskettamalla kosketusnäyttöä. Sen sijaan he valitsevat oikean vastauksen yksinkertaisesti ajattelemalla sitä.
Jokaisella huoneessa olevalla henkilöllä on elektroenkefalogrammi (EEG) -kallohattu; jokaisesta henkilöstä läheiseen tallennuslaitteeseen johtava johto monitorit niiden päänahan sähköjännite. Kohtaus näyttää avoimelta toimistolta, jossa kaikki ovat Matrixissa.
Liittyvät
- Analoginen A.I.? Kuulostaa hullulta, mutta se saattaa olla tulevaisuutta
- Nvidian uusin A.I. tulokset osoittavat, että ARM on valmis palvelinkeskukseen
- Facebookin "droidlet" A.I. voisi viedä puheentunnistuksen aivan uudelle tasolle
"Osallistujilla [tutkimuksessamme] oli yksinkertainen tehtävä vain tunnistaa [mitä heitä pyydettiin etsimään]", Tuukka Ruotsalo, tutkija Helsingin yliopistosta, joka johti hiljattain julkaistua tutkimusta, kertoi Digital Trendsille. "Heitä ei pyydetty tekemään mitään muuta. He vain katsoivat kuvia, joita heille näytettiin. Rakensimme sitten luokittelijan nähdäksemme, pystyisimmekö tunnistamaan oikeat kasvot kohdeominaisuuksista pelkästään aivosignaalin perusteella. Mitään muuta ei käytetty, paitsi EEG-signaalia sillä hetkellä, kun osallistujat näkivät kuvan."
Kokeessa yhteensä 30 vapaaehtoiselle näytettiin kuvia syntetisoiduista ihmiskasvoista (jotta vältetään mahdollisuus, että joku osallistujista tunnistaa heille näytetyn henkilön ja vääristää sen tulokset). Osallistujia pyydettiin merkitsemään henkisesti kasvot sen perusteella, mitä he näkivät, ja heitä pyydettiin etsimään. Käyttämällä vain näitä aivotoimintatietoja, an tekoäly Algoritmi oppi tunnistamaan kuvia, esimerkiksi kun vaalea henkilö ilmestyi näytölle.
Uusi kierros vanhaan ideaan
Tämä on vaikuttava asia, mutta se ei ole erityisen uusi. Ainakin viimeisen vuosikymmenen ajan tutkijat ovat käyttäneet EEG: n tai fMRI: n avulla kerättyä aivotoimintadataa suorittaakseen valikoiman yhä vaikuttavampia ajatustenlukudemonstraatioita. Joissakin tapauksissa se tunnistaa tietyn kuvan tai videon, kuten äskettäisessä tutkimuksessa, jonka aikana Moskovan Neurorobotics Labin tutkijat osoittivat, että on mahdollista selvittää, mikä videoleikkeitä, joita ihmiset katsovat seuraamalla heidän aivotoimintaansa.
Muissa tapauksissa näitä oivalluksia voidaan käyttää tiettyjen vastausten laukaisemiseen. Esimerkiksi vuonna 2011 Washingtonin yliopiston St. Louisissa tutkijat asettivat väliaikaiset elektrodit ihmisen aivojen puhekeskuksen päälle ja osoittivat sitten pystyvänsä siirtää tietokoneen kohdistinta näytölle yksinkertaisesti antamalla henkilön miettimään, minne hän halusi siirtää sen. Vielä muut tutkimukset ovat osoittaneet, että aivodataa voidaan käyttää robottiraajojen liikuttamiseen tai lennokkien leijumiseen.
Helsingin yliopiston tuoreesta tutkimuksesta tekee uudenlaisen ja mielenkiintoisen se, että se keskittyy siihen, miten aivojen toiminta a ryhmä ihmisten, ei yksittäisten ihmisten, avulla voidaan tehdä johtopäätöksiä, kuten luokitella kuvia. He eivät vain ole osoittaneet, että se toimii, vaan että - ainakin tiettyyn pisteeseen asti - mitä enemmän ihmisiä lisäät ryhmään, sitä tarkempia tiedoista tulee.
"Kun lisäämme ihmisiä aivolähteiden joukkoon niin, että aivodataa tallennetaan ryhmästä, saavutamme reilusti yli 90 prosentin tarkkuuden", Ruotsalo sanoi. "[Se on] melkein sillä tasolla, että [pyytää ryhmää merkitsemään vastaukset manuaalisesti.]"
Tämä saattaa aluksi kuulostaa ristiriitaiselta. Jos aivodata on meluisaa, eikö ihmisten lisääminen tekisi siitä vieläkin meluisampaa? Loppujen lopuksi, jos haluat kuunnella erityisen vaikeasti kuultavaa ääntä huoneessa, on helpompaa, jos sinulla on vain yksi henkilö puhumassa yli 10. Tai 30. Mutta kuten suuren datan vallankumouksen historia ja monet koneoppimisen merkittävimmistä demonstraatioista toimi, olet tehnyt selväksi, mitä enemmän sinulla on käytettävissäsi dataa ongelman ratkaisemiseksi, sitä tarkemmat järjestelmät tulla.
"Signaali on yleensä meluisa EEG: stä tai mistä tahansa muusta aivokuvauksesta, eivätkä osallistujat tai ihmiset ole aina läsnä 100-prosenttisesti", Ruotsalo selitti. "Ajattele katsella kuvia itse. Joskus moniin katsottuasi mielesi saattaa vaeltaa. Jopa yksittäisten osallistujien kanssa tutkijat käyttävät usein temppuja, kuten saman ärsykkeen toistamista uudelleen, jotta melun keskiarvo saadaan pois. Tässä käytämme monien osallistujien signaaleja."
Mahdollisuus, että ainakin osa ihmisistä keskittyy joka kerta, kasvaa huomattavasti verrattuna vain yhteen yksilöön. Lisää käsitys joukkojen viisaudesta (sitä lisää myöhemmin), niin saat hemmetin tehokkaan yhdistelmän.
Astu aivohankinnan maailmaan
Tuukka Ruotsalo ja hänen tiiminsä kutsuvat tätä ryhmäpohjaista aivolukemista "aivorahoitukseksi". Se on leikki termillä crowdsourcing, viittaa tapaan hajottaa yksi suuri tehtävä pienempiin tehtäviin, jotka voidaan jakaa suurille ihmisryhmille avuksi ratkaista. Täällä vuonna 2020 joukkoistaminen saattaa olla synonyymi rahankeräysalustoille, kuten Kickstarter, jossa "suuri tehtävä" on tuotteen lanseeraamiseen tarvittava aloituspääoma ja hajautettu joukkopohjainen elementti sisältää ihmisten pyytämisen hakemaan pienempiä summia raha.
Joukkoistaminen voi kuitenkin soveltua myös muihin sovelluksiin. Amazonin Mechanical Turk -alusta ja Applen ResearchKit ovat joukkohankintatyökaluja, jotka valjastavat joukon voiman tehtäviin, jotka vaihtelevat kyselyihin vastaamisesta tärkeän akateemisen tutkimuksen suorittamiseen. Samaan aikaan yritykset, kuten TaskRabbit ja 99designs, hyödyntävät yleisöä auttaakseen asiakkaita löytämään oikean henkilön. toimittaa mitä tahansa pihatöistä ja päivittäistavaraostoksista täydellisen logon tai mastheadin suunnitteluun verkkosivustollesi.
Brainsourcing: Joukkohankinnan tunnistustehtävät Collaborative Brain Computer Interfacen (Teaser) kautta
A.I. voi myös hyötyä joukkoistamisesta. Harkitse esim. Googlen reCAPTCHA-tekniikka. Useimmat meistä pitävät reCAPTCHAa todennäköisesti tapana, jolla verkkosivustot voivat tarkistaa, olemmeko robotti vai emme, ennen kuin sallimme meidän suorittaa tietyn tehtävän. ReCAPTCHA: n suorittaminen saattaa edellyttää heiluvan tekstirivin lukemista tai jokaisen kuvan napsauttamista valinnassa, jossa on kissa. Mutta reCAPTCHA: t eivät tarkoita vain sen testaamista, olemmeko ihmisiä vai emme. ne ovat myös erittäin näppärä tapa kerätä tietoja, joita voidaan käyttää Googlen kuvantunnistuksen A.I. älykkäämpi. Joka kerta kun luet tekstikatkelman tienvarsikyltistä reCAPTCHA-kuvassa, saatat edesauttaa sitä, että esimerkiksi Googlen itseajavat autot tunnistavat hieman paremmin todellisen maailman. Kun Google on kerännyt tarpeeksi vastauksia kuvaan, Google on melko varma, että sillä on oikea vastaus.
On liian aikaista pohtia, kuinka aivohankinta voisi käytännössä rakentaa näille ideoille. "Olemme yrittäneet miettiä tätä itse", Ruotsalo sanoi. "En usko, että meillä ei ole edes ideoita vielä. Se on vain todiste konseptista, että voimme tehdä tämän. Nyt on avoin muiden ihmisten tutkia, kuinka hyvin, minkälaisia tehtäviä ja minkä tyyppisille ihmisryhmille voisimme käyttää tätä.
Tulevaisuus on tulossa
Mutta potentiaalia on varmasti olemassa. Kaupallisesti saatavilla olevat puettavat EEG-monitorit alkavat nyt tulla saataville – muodoissa, jotka vaihtelevat aivoja lukevat kuulokkeet to älykkäitä tatuointeja. Tällä hetkellä tämän tutkimuksen kaltaiset EEG-esitykset mittaavat vain pienen prosenttiosuuden ihmisen kokonaisaivotoiminnasta. Mutta ajan myötä tämä voi lisääntyä, mikä tarkoittaa, että voidaan kerätä vähemmän binaarista tiedon kokoelmaa. Sen sijaan, että saisi vain "kyllä" tai "ei" vastauksen kysymyksiin, tämä tekniikka voisi tarkkailla ihmisten vastauksia useampaan monimutkaisia kysymyksiä, voisi seurata vastauksia mediaan, kuten TV-ohjelmaan tai elokuvaan, ja syöttää sitten koostettua yleisödataa takaisin siihen tekijöitä.
"Perinteisten luokittelu- tai tykkäyspainikkeiden käyttämisen sijaan voit yksinkertaisesti kuunnella kappaletta tai katsoa esitystä ja aivosi pelkkä aktiivisuus riittäisi määrittämään vastauksesi siihen", Keith Davis, opiskelija ja tutkimusassistentti projekti, sanoi lehdistötiedotteessa työn mukana.
Kuvittele, jos miljoonat ihmiset käyttäisivät EEG-seurantavaatteita ja tarjoaisit heille tietyn prosenttiosuuden mikromaksuna 10 kertaa päivässä vastineeksi siitä, että he käyttävät muutaman sekunnin tietyn tehtävän ratkaisemiseen. Mielikuvituksellinen? Ehkä juuri nyt, mutta niin tekivät myös monet nykyiset joukkolähdeteknologiat vain muutama vuosi sitten.
Pelinäytöksessä Kuka haluaa olla miljonääri, yksi kilpailijoiden käytettävissä olevista "elinlinjoista" on mahdollisuus kysyä yleisöltä tietty kysymys. Kun tämä kertaluonteinen pelastusköysi laukeaa, yleisö käyttää istuimiinsa kiinnitettyjä äänestyslappuja ja äänestää vastausta monivalintakysymykseen, jonka he uskovat olevan oikein. Sitten tietokone laskee tulokset ja näyttää ne prosentteina kilpailijalle. James Surowieckin kirjan mukaan Väkijoukkojen viisaus, kysymällä yleisöltä saadaan oikea vastaus yli 90 % ajasta. Se on huomattavasti parempi kuin ohjelman 50/50-vaihtoehto, joka eliminoi kaksi väärää vastausta, ja vaihtoehto soittaa ystävälle, joka antaa oikean vastauksen noin kahdessa kolmasosassa ajasta.
Voisiko aivohankinta olla tekniikan seuraava loistava idea; auttaa tekemään kaikkea viihteen parantamisesta paremman A.I: n kouluttamiseen. vastaamaan kaikkiin kysymyksiin? On kieltämättä liian aikaista sanoa. Mutta tämä on ehdottomasti termi, josta tulet kuulemaan paljon enemmän tulevina kuukausina, vuosina ja vuosikymmeninä.
Toimittajien suositukset
- Nvidian supertietokone voi tuoda ChatGPT: n uuden aikakauden
- Hauska kaava: Miksi koneella luotu huumori on A.I: n pyhä malja?
- Nvidian uusi ääni A.I. kuulostaa ihan oikealta ihmiseltä
- Intelin uskomaton urheilijaseuranta A.I. on koulutustekniikan "pyhä malja".
- Karhujen kasvojentunnistustekniikalla pyritään pitämään ihmiset turvassa
