Įsivaizduokite kambarį, pilną rašomųjų stalų, kurių iš viso yra daugiau nei dvi dešimtys. Prie kiekvieno identiško stalo stovi kompiuteris, prie kurio sėdi žmogus, žaidžiantis paprastą atpažinimo žaidimą. Žaidime vartotojo prašoma atlikti daugybę pagrindinių atpažinimo užduočių, pavyzdžiui, pasirinkti kurią nuotrauka iš serijos, kurioje kažkas šypsosi arba vaizduojamas žmogus tamsiais plaukais arba vilkintis akinius. Žaidėjas turi priimti sprendimą prieš pereidamas prie kitos nuotraukos.
Turinys
- Naujas senos idėjos posūkis
- Įeikite į protų šaltinio pasaulį
- Ateitis ateina
Tik jie to nedaro spustelėdami pele ar liesdami jutiklinį ekraną. Vietoj to, jie pasirenka teisingą atsakymą tiesiog pagalvodami.
Kiekvienas kambaryje esantis asmuo turi elektroencefalogramos (EEG) kaukolės dangtelį; laidų takas, vedantis nuo kiekvieno asmens iki netoliese esančio įrašymo įrenginio, kuris monitoriai elektros įtampos aktyvumas jų galvos odoje. Scena atrodo kaip atviro plano biuras, kuriame visi patenka į „Matricą“.
Susijęs
- Analoginis A.I.? Skamba beprotiškai, bet tai gali būti ateitis
- Naujausias Nvidia A.I. rezultatai įrodo, kad ARM yra pasiruošęs duomenų centrui
- „Facebook“ „droidletas“ A.I. galėtų pakelti kalbos atpažinimą į visiškai naują lygį
„Dalyvės [mūsų tyrime] turėjo paprastą užduotį tiesiog atpažinti [ko jų buvo paprašyta ieškoti]“, Tuukka Ruotsalo, Helsinkio universiteto mokslinis bendradarbis, kuris vadovavo neseniai paskelbtam tyrimui, pasakojo „Digital Trends“. „Jie nebuvo paprašyti nieko kito. Jie tiesiog žiūrėjo į jiems rodomus vaizdus. Tada sukūrėme klasifikatorių, kad pamatytume, ar galime identifikuoti teisingą veidą su tikslinėmis savybėmis, remdamiesi tik smegenų signalu. Nieko daugiau nebuvo panaudota, išskyrus EEG signalą tuo metu, kai dalyviai pamatė nuotrauką.
Eksperimento metu iš viso 30 savanorių buvo parodyti susintetintų žmonių veidų vaizdai (siekiant išvengti tikimybė, kad vienas iš dalyvių atpažins asmenį, kuris jiems buvo parodytas, ir todėl iškreips rezultatai). Dalyvių buvo paprašyta mintyse pažymėti veidus pagal tai, ką jie matė, ir jų buvo paprašyta ieškoti. Naudojant tik tuos smegenų veiklos duomenis, an dirbtinis intelektas algoritmas išmoko atpažinti vaizdus, pavyzdžiui, kai ekrane pasirodė šviesiaplaukė.
Naujas senos idėjos posūkis
Tai įspūdingi dalykai, tačiau tai nėra ypač naujiena. Bent jau pastarąjį dešimtmetį mokslininkai naudojo smegenų veiklos duomenis, surinktus naudojant EEG arba fMRT, kad atliktų vis įspūdingesnių minčių skaitymo demonstracijų asortimentą. Kai kuriais atvejais tai identifikuoja konkretų vaizdą ar vaizdo įrašą, kaip neseniai atliktas tyrimas, kurio metu Maskvos Neurorobotikos laboratorijos mokslininkai parodė, kad įmanoma išsiaiškinti, kuris vaizdo klipai, kuriuos žiūri žmonės stebint jų smegenų veiklą.
Kitais atvejais šios įžvalgos gali būti naudojamos tam tikriems atsakymams suaktyvinti. Pavyzdžiui, 2011 m. Vašingtono universiteto Sent Luise mokslininkai uždėjo laikinus elektrodus virš žmogaus smegenų kalbos centro ir tada įrodė, kad jie gali perkelti kompiuterio žymeklį ekrane tiesiog verčiant žmogų galvoti, kur jis nori jį perkelti. Dar kiti tyrimai parodė, kad smegenų duomenys gali būti naudojami robotų galūnėms judinti arba dronams skraidinti.
Helsinkio universiteto neseniai atliktas tyrimas yra naujas ir įdomus tuo, kad jame daugiausia dėmesio skiriama tam, kaip smegenų veikla a grupė žmonių, o ne vienišų žmonių, galima naudoti išvadoms daryti, pavyzdžiui, klasifikuoti vaizdus. Jie ne tik parodė, kad tai veikia, bet – bent jau iki tam tikro taško – kuo daugiau žmonių įtraukiate į grupę, tuo tikslesni duomenys.
„Kai į smegenų šaltinių fondą įtraukiame daugiau žmonių, kad smegenų duomenys būtų įrašyti iš žmonių grupės, pasiekiame daugiau nei 90 % tikslumo“, – sakė Ruotsalo. „[Tai yra] beveik lygiu [prašant grupės rankiniu būdu pažymėti atsakymus.]“
Iš pradžių tai gali atrodyti prieštaringai. Jei smegenų duomenys yra triukšmingi, ar pridėjus daugiau žmonių jie nebūtų dar triukšmingesni? Galų gale, jei norite klausytis ypač sunkiai girdimo garso patalpoje, tai lengviau, jei kalbate tik vieną žmogų, nei 10. Arba 30. Tačiau kaip didžiųjų duomenų revoliucijos istorija ir daugelis žymiausių mašininio mokymosi demonstracijų aišku, kuo daugiau duomenų turėsite, kad galėtumėte išspręsti problemą, tuo tikslesnės sistemos tapti.
„Signalas apskritai yra triukšmingas iš EEG ar bet kokio kito smegenų vaizdo, o dalyviai ar žmonės ne visada dalyvauja 100 proc.“, - paaiškino Ruotsalo. „Pagalvokite, kad patys žiūrėtumėte į nuotraukas. Kartais pažvelgus į daugelį jūsų mintys gali suklysti. Net ir turėdami pavienius dalyvius, tyrėjai dažnai naudoja gudrybes, pvz., kartoja tą patį stimulą iš naujo, kad būtų galima vidutiniškai sumažinti triukšmą. Čia mes naudojame daugelio dalyvių signalus.
Tikimybė, kad bent kai kurie asmenys kiekvieną kartą bus susikaupę, labai padidėja, palyginti su vienu asmeniu. Pridėkite minios išminties sąvoką (apie tai vėliau) ir gausite galingą derinį.
Įeikite į protų šaltinio pasaulį
Tuukka Ruotsalo ir jo komanda šį grupinį smegenų skaitymą vadina „smegenų šaltiniu“. Tai žaidimo terminas „crowdsourcing“, kalbama apie būdą, kaip vieną didelę užduotį suskaidyti į mažesnes užduotis, kurias galima paskirstyti didelėms žmonių grupėms, kad padėtų išspręsti. Čia 2020 m. minios tiekimas gali būti labiausiai sinonimas pinigų rinkimo platformoms, tokioms kaip Kickstarter, kur „didelė užduotis“ yra pradinis kapitalas, reikalingas produktui pristatyti, o paskirstytas minios elementas apima žmonių prašymus skirti mažesnes sumas pinigų.
Tačiau sutelktinis tiekimas gali būti pritaikytas ir kitoms programoms. Amazon's Mechanical Turk platforma ir „Apple“ tyrimų rinkinys yra minios tiekimo įrankiai, kurie panaudoja minios galias užduotims, pradedant nuo atsakymo į apklausas iki svarbių akademinių tyrimų atlikimo. Tuo tarpu tokios įmonės kaip „TaskRabbit“ ir „99designs“ pasitelkia minią, kad padėtų klientams susitikti su reikiamu asmeniu. pristatyti bet ką – nuo darbų kieme ir apsipirkimo bakalėjoje iki tobulo logotipo ar svetainės antraštės sukūrimo.
Smegenų tiekimas: „Crowdsourcing“ atpažinimo užduotys naudojant bendradarbiaujančią smegenų kompiuterių sąsają (anonsą)
A.I. taip pat gali gauti naudos iš sutelktinio tiekimo. Apsvarstykite, pvz. Google reCAPTCHA technologija. Daugelis iš mūsų tikriausiai mano, kad reCAPTCHA yra būdas, kuriuo svetainės gali patikrinti, ar nesame robotas, prieš leisdamos mums atlikti tam tikrą užduotį. Užpildant reCAPTCHA gali prireikti perskaityti vingiuojančią teksto eilutę arba spustelėti kiekvieną atrankoje esantį vaizdą, kuriame yra katė. Tačiau reCAPTCHA yra ne tik bandymas, ar mes esame žmonės, ar ne; jie taip pat yra labai protingas būdas rinkti duomenis, kurie gali būti naudojami „Google“ vaizdo atpažinimo A.I. protingesnis. Kiekvieną kartą, kai perskaitysite teksto fragmentą iš kelio ženklo reCAPTCHA vaizde, galite prisidėti prie to, kad, tarkime, „Google“ savarankiškai važiuojantys automobiliai šiek tiek geriau atpažintų realų pasaulį. Kai „Google“ surinko pakankamai atsakymų į vaizdą, „Google“ yra pagrįstai įsitikinusi, kad turi teisingą atsakymą.
Dar per anksti svarstyti, kaip protų tiekimas galėtų praktiškai remtis šiomis idėjomis. "Mes patys bandėme apie tai galvoti", - sakė Ruotsalo. „Manau, kad mes dar neturime idėjų. Tai tik koncepcijos įrodymas, kad galime tai padaryti. Dabar kiti žmonės gali ištirti, kaip gerai, kokias užduotis atlikti ir kokioms žmonių grupėms galėtume tai panaudoti.
Ateitis ateina
Bet potencialo tikrai yra. Dabar pradeda būti parduodami dėvimi EEG monitoriai – įvairių formų smegenų skaitymo ausinės į protingos tatuiruotės. Šiuo metu EEG demonstracijos, tokios kaip šiame tyrime, matuoja tik mažą procentą viso žmogaus smegenų veiklos. Tačiau laikui bėgant tai gali padidėti, o tai reiškia, kad gali būti renkamas mažiau dvejetainis informacijos rinkinys. Užuot tiesiog gavęs „taip“ arba „ne“ atsakymą į klausimus, ši technologija gali stebėti žmonių atsakymą į daugiau sudėtingus klausimus, galėtų stebėti atsakymus į žiniasklaidą, pvz., TV laidą ar filmą, ir grąžinti į ją sukauptus minios duomenis kūrėjai.
„Užuot naudoję įprastus įvertinimus ar mygtukus „Patinka“, galite tiesiog klausytis dainos ar žiūrėti laidą ir savo smegenis vien veiklos pakaktų, kad būtų galima nustatyti jūsų atsaką į jį“, – studentas ir mokslinio tyrimo asistentas Keithas Davisas projektas, sakoma pranešime spaudai lydintys darbą.
Įsivaizduokite, jei milijonai žmonių dėvėtų EEG sekimo nešiojamus prietaisus, o jūs pasiūlytumėte tam tikrą procentą iš jų mikromokėjimą 10 kartų per dieną mainais už tai, kad skiriate kelias sekundes tam tikrai užduočiai išspręsti. Išgalvotas? Galbūt dabar, bet prieš keletą metų taip pat buvo daugybė šiuolaikinių sutelktinio tiekimo technologijų.
Žaidimo laidoje Kas nori būti milijonieriumi, vienas iš konkurso dalyviams prieinamų „gelbėjimosi ratų“ yra galimybė užduoti auditorijai tam tikrą klausimą. Kai suveikia ši vienkartinė gelbėjimo linija, auditorija naudoja balsavimo bloknotus, pritvirtintus prie savo sėdynių, ir balsuoja už atsakymą į klausimą su daugybe atsakymų, kurie, jų nuomone, yra teisingi. Tada kompiuteris suskaičiuoja rezultatus ir parodo dalyviui juos procentais. Pagal Jameso Surowieckio knygą, Minios išmintis, paklausus auditorijos daugiau nei 90 % atvejų gaunamas teisingas atsakymas. Tai žymiai geriau nei laidos parinktis 50/50, kuri pašalina du neteisingus atsakymus, ir parinktį paskambinti draugui, kuri suteikia teisingą atsakymą maždaug du trečdalius laiko.
Ar smegenų šaltinis gali būti kita puiki technologijų idėja; padėti daryti viską nuo pramogų tobulinimo iki geresnio A.I. atsakyti i visokius klausimus? Tiesa, dar anksti pasakyti. Tačiau tai tikrai yra terminas, apie kurį ateinančiais mėnesiais, metais ir dešimtmečiais išgirsite daug daugiau.
Redaktorių rekomendacijos
- „Nvidia“ superkompiuteris gali atnešti naują „ChatGPT“ erą
- Juokinga formulė: kodėl mašinų sukurtas humoras yra šventasis A.I.
- Naujasis „Nvidia“ balsas A.I. skamba kaip tikras žmogus
- Neįtikėtinas „Intel“ sportininkų stebėjimas A.I. yra mokymo technologijų „šventasis gralis“.
- Meškų veido atpažinimo technologija skirta apsaugoti žmones
