Iz Journeyjevog "Nemoj prestati vjerovati"u Queen's"Češka rapsodija" do Kylie Minogue "Ne mogu te izbaciti iz glave”, postoje neke pjesme koje se uspješno probijaju kroz naše ušne kanale i nastanjuju se u našem mozgu. Što ako je moguće čitati signale mozga i pomoću njih točno pogoditi koju pjesmu osoba sluša u bilo kojem trenutku?
Sadržaj
- Čitanje misli, strojevi za treniranje
- Put do sučelja mozak-računalo
To je ono što su istraživači s odjela za dizajn usmjeren na čovjeka na Tehnološkom sveučilištu u Delftu Nizozemska i Odjel za kognitivnu znanost na Indijskom institutu za tehnologiju Gandhinagar bili su radi na. U nedavnom eksperimentu pokazali su da je to krajnje moguće - a implikacije bi mogle biti značajnije nego što mislite.
Preporučeni videozapisi
Za istraživanje su znanstvenici regrutirali grupu od 20 ljudi. i zamolio ih da poslušaju 12 pjesama pomoću slušalice. Kako bi se lakše usredotočili, soba je zamračena i volonterima su stavljeni povezi na oči. Svaki je bio opremljen kapom za elektroencefalografiju (EEG) koja može neinvazivno bilježiti električnu aktivnost na njihovom tjemenu dok slušaju pjesme.
Ti podaci o mozgu, uz odgovarajuću glazbu, korišteni su za treniranje umjetna neuronska mreža kako bi mogli identificirati veze između to dvoje. Kad je dobiveni algoritam testiran na podacima koje prije nije vidio, uspio je ispravno identificirati pjesmu s 85% točnosti — u potpunosti na temelju moždanih valova.
“Pjesme su bile mješavina zapadnjačkih i indijskih pjesama i uključivale su brojne žanrove,” Krishna Miyapuram, pomoćnik profesora kognitivnih znanosti i računalnih znanosti na Indijskom institutu za tehnologiju Gandhinagar, rekao je za Digital Trends. “Na ovaj način konstruirali smo veći reprezentativni uzorak za obuku i testiranje. Pristup je potvrđen pri dobivanju impresivne točnosti klasifikacije, čak i kad smo podatke o obuci ograničili na manji postotak skupa podataka.”
Čitanje misli, strojevi za treniranje
Ovo nije prvi put da su istraživači pokazali da je moguće provesti demonstracije "čitanja misli" koje bi Davida Blainea učinile ljubomornim, a sve koristeći EEG podatke. Na primjer, neuroznanstvenici s kanadskog sveučilišta Toronto Scarborough prethodno su rekonstruirali slike na temelju EEG podataka kako bi digitalno rekreirajte slike lica pohranjeno u umu osobe. Miyapuramov vlastito prethodno istraživanje uključuje projekt u kojem su EEG podaci korišteni za identifikaciju filmskih isječaka koje su gledali sudionici, a svaki je trebao izazvati drugačiji emocionalni odgovor.
Zanimljivo, ovaj posljednji rad pokazao je da algoritmi koji su se pokazali vrlo učinkovitima u pogađanju pjesama koje se slušaju koju je napravio jedan sudionik, nakon što je treniran na njihovom specifičnom mozgu, ne bi djelovao tako dobro kada bi se primijenio na drugog osoba. Zapravo, "ne tako dobro" je grubo podcjenjivanje: točnost u ovim testovima pala je s 85% na manje od 10%.
"Naše istraživanje pokazuje da pojedinci imaju personalizirana iskustva glazbe", rekao je Miyapuram. “Očekivalo bi se da mozak reagira na sličan način obrađujući informacije iz različitih podražaja. Ovo vrijedi za ono što mi razumijemo kao značajke niske razine ili značajke razine podražaja. [Ali] kada je riječ o glazbi, možda su karakteristike više razine, poput užitka, ono što razlikuje pojedinačna iskustva.”
Derek Lomas, docentica pozitivne A.I. na Tehnološkom sveučilištu u Delftu, rekao je da je budući cilj projekta mapirati odnos između EEG frekvencija i glazbenih frekvencija. To bi moglo pomoći odgovoriti na pitanja kao što je prati li veća estetska rezonanca veća neuralna rezonanca.
Drugim riječima, hoće li osoba koja je "dirnuta" glazbenim djelom pokazati veće korelacije između same glazbe i odgovor mozga, što omogućuje točno predviđanje koliko osoba uživa u glazbenom komadu jednostavno gledajući njihove moždane valove? Iako svačiji odgovor na glazbu može biti suptilno drugačiji, ovo bi moglo pomoći da se rasvijetli zašto ljudi traže glazbu.
Put do sučelja mozak-računalo
"Za kratkoročne primjene [u sljedeće dvije godine], zamišljamo mehanizam za preporuku glazbe koji bi se mogao temeljiti na odgovoru mozga osobe", rekao je Lomas za Digital Trends. “Trenutno imam studenta koji radi na algoritamski generiranoj glazbi koja maksimizira neuralnu rezonancu. Prilično je jezivo: maksimalna neuralna rezonanca nije isto što i maksimalna estetska rezonanca.”
Srednjoročno gledano, Lomas je sugerirao da bi to moglo dovesti do snažnih aplikacija za dobivanje informacija o "dubini iskustva" koje uživa osoba koja se bavi medijima. Koristeći alate za analizu mozga, moglo bi (i zapravo bi trebalo) biti moguće točno predvidjeti koliko je osoba duboko angažirana dok, recimo, gleda film ili sluša album. Mjera angažmana temeljena na mozgu tada bi se mogla koristiti za usavršavanje specifičnih iskustava. Želite li svoj film učiniti privlačnijim za 90% gledatelja? Štipanje ovaj scena, promjena da jedan.
"Dugoročno - 20 godina - ovo područje rada može omogućiti metode za prepisivanje sadržaja mašte", nastavio je Lomas. “Na primjer, prepisivanje misli u tekst. To je velika budućnost [sučelja mozak-računalo.]"
Kao što je Lomas primijetio, još smo daleko od tog konačnog cilja sučelja mozak-računalo. Unatoč tome, rad kao što je ovaj sugerira da na tom stablu ima mnogo ukusnog nižeg voća prije nego što ga konačno oborimo.
A rad koji opisuje ovo istraživanje, pod nazivom GuessTheMusic: Song Identification from Electroencephalography, nedavno je predstavljen na CODS-COMAD 2021.
Preporuke urednika
- Duboko učenje A.I. može oponašati efekte distorzije legendarnih bogova gitare
Nadogradite svoj životni stilDigitalni trendovi pomažu čitateljima da prate brzi svijet tehnologije sa svim najnovijim vijestima, zabavnim recenzijama proizvoda, pronicljivim uvodnicima i jedinstvenim brzim pregledima.
