Iedomājieties istabu, kas ir pilna ar rakstāmgaldiem, kuru kopējais skaits ir vairāk nekā divi desmiti. Pie katra identiska rakstāmgalda atrodas dators, kura priekšā sēž cilvēks, kurš spēlē vienkāršu identifikācijas spēli. Spēle lūdz lietotājam izpildīt dažādus pamata atpazīšanas uzdevumus, piemēram, izvēlēties, kurš fotogrāfija no sērijas, kurā redzams kāds smaidošs vai attēlots cilvēks ar tumšiem matiem vai valkāšanu brilles. Spēlētājam ir jāpieņem savs lēmums, pirms pāriet uz nākamo attēlu.
Saturs
- Jauns vecas idejas grieziens
- Ieejiet prāta avotu pasaulē
- Nākotne nāk
Tikai viņi to nedara, noklikšķinot ar peli vai pieskaroties skārienekrānam. Tā vietā viņi izvēlas pareizo atbildi, vienkārši to domājot.
Katrs cilvēks telpā ir aprīkots ar elektroencefalogrammas (EEG) galvaskausa vāciņu; vadu taka, kas ved no katras personas uz tuvējo ierakstīšanas ierīci, kas monitori elektriskā sprieguma aktivitāte viņu galvas ādā. Aina izskatās kā atvērta plānojuma birojs, kurā visi ir iekļuvuši The Matrix.
Saistīts
- Analogais A.I.? Tas izklausās traki, bet tā varētu būt nākotne
- Nvidia jaunākais A.I. rezultāti pierāda, ka ARM ir gatavs datu centram
- Facebook “droidlets” A.I. varētu pacelt runas atpazīšanu pilnīgi jaunā līmenī
"Dalībniekiem [mūsu pētījumā] bija vienkāršs uzdevums vienkārši atpazīt [to, ko viņiem lūdza meklēt]," Tuuka Ruotsalo, Helsinku universitātes pētnieks, kas vadīja nesen publicēto pētījumu, stāstīja Digital Trends. "Viņiem nekas cits netika lūgts. Viņi vienkārši aplūkoja attēlus, kas viņiem tika rādīti. Pēc tam mēs izveidojām klasifikatoru, lai noskaidrotu, vai mēs varam identificēt pareizo seju ar mērķa iezīmēm, pamatojoties tikai uz smadzeņu signālu. Nekas cits netika izmantots, izņemot EEG signālu brīdī, kad dalībnieki redzēja attēlu.
Eksperimentā kopumā 30 brīvprātīgajiem tika parādīti sintezētu cilvēku seju attēli (lai izvairītos no iespēja, ka kāds no dalībniekiem varētu atpazīt personu, kas viņiem tika parādīta, un tāpēc sagrozīt to rezultāti). Dalībniekiem tika lūgts garīgi marķēt sejas, pamatojoties uz to, ko viņi redzēja, un tika lūgts meklēt. Izmantojot tikai šos smadzeņu darbības datus, an mākslīgais intelekts algoritms iemācījās atpazīt attēlus, piemēram, kad ekrānā parādījās blondīne.
Jauns vecas idejas grieziens
Šīs ir iespaidīgas lietas, taču tās nav īpaši jaunas. Vismaz pēdējo desmit gadu laikā pētnieki ir izmantojuši smadzeņu darbības datus, kas iegūti, izmantojot EEG vai fMRI, lai veiktu arvien iespaidīgākus domu lasīšanas demonstrācijas. Dažos gadījumos tas identificē noteiktu attēlu vai videoklipu, piemēram, nesen veiktā pētījumā, kura laikā pētnieki no Neirorobotikas laboratorijas Maskavā parādīja, ka ir iespējams noskaidrot, kurš videoklipus, ko cilvēki skatās uzraugot viņu smadzeņu darbību.
Citos gadījumos šos ieskatus var izmantot, lai aktivizētu noteiktas atbildes. Piemēram, 2011. gadā pētnieki Vašingtonas Universitātē Sentluisā uzlika pagaidu elektrodus virs cilvēka smadzeņu runas centra un pēc tam pierādīja, ka viņi spēj pārvietot datora kursoru uz ekrāna vienkārši liekot personai padomāt, kur viņš to vēlas pārvietot. Vēl citi pētījumi ir parādījuši, ka smadzeņu datus var izmantot, lai pārvietotu robotu ekstremitātes vai lidinātu dronus.
Helsinku universitātes neseno pētījumu padara jaunu un interesantu tas, ka tas koncentrējas uz to, kā smadzeņu darbība a grupai cilvēku, nevis vientuļu cilvēku, var izmantot, lai izdarītu secinājumus, piemēram, klasificētu attēlus. Viņi ne tikai ir parādījuši, ka tas darbojas, bet arī — vismaz līdz brīdim, jo vairāk cilvēku pievienojat grupai, jo precīzāki dati kļūst.
"Kad smadzeņu avotu kopumam pievienojam vairāk cilvēku, lai smadzeņu dati tiktu reģistrēti no cilvēku grupas, mēs sasniedzam veiktspēju, kas pārsniedz 90% precizitāti," sacīja Ruotsalo. “[Tas ir] gandrīz tādā līmenī, ka [lūdzot grupai manuāli atzīmēt atbildes.]”
Sākotnēji tas varētu izklausīties pretrunīgi. Ja smadzeņu dati ir trokšņaini, vai vairāk cilvēku pievienošana nepadarītu tos vēl skaļākus? Galu galā, ja vēlaties klausīties īpaši grūti dzirdamu skaņu telpā, tas ir vieglāk, ja runājat tikai viens cilvēks, nevis 10. Vai 30. Bet kā lielās datu revolūcijas vēsture un daudzas no ievērojamākajām mašīnmācības demonstrācijām ir skaidri norādījuši, jo vairāk datu jums ir jūsu rīcībā, lai atrisinātu problēmu, jo precīzākas sistēmas kļūt.
"Signāls kopumā ir trokšņains no EEG vai jebkura cita smadzeņu attēlveidošanas, un dalībnieki vai cilvēki ne vienmēr piedalās 100% apmērā," skaidroja Ruotsalo. "Padomājiet par iespēju aplūkot attēlus pats. Dažkārt, pēc daudziem skatīšanās, jūsu prāts var klīst. Pat ar atsevišķiem dalībniekiem pētnieki bieži izmanto trikus, piemēram, atkārto vienu un to pašu stimulu vēlreiz, lai varētu vidējo trokšņa līmeni. Šeit mēs izmantojam signālus no daudziem dalībniekiem.
Iespēja, ka vismaz daži indivīdi katru reizi ir koncentrējušies, ievērojami palielinās salīdzinājumā ar vienu indivīdu. Pievienojiet jēdzienu pūļa gudrība (vairāk par to vēlāk), un jūs iegūsit ļoti jaudīgu kombināciju.
Ieejiet prāta avotu pasaulē
Tuukka Ruotsalo un viņa komanda šo uz grupām balstīto prāta lasīšanu sauc par “prāta piegādi”. Tā ir spēle par terminu pūļa resursi, atsaucoties uz veidu, kā vienu lielu uzdevumu sadalīt mazākos uzdevumos, kurus var sadalīt lielām cilvēku grupām, lai palīdzētu atrisināt. Šeit 2020. gadā pūļa piesaiste varētu būt sinonīms naudas vākšanas platformām, piemēram, Kickstarter, kur “lielais uzdevums” ir sākuma kapitāls, kas nepieciešams, lai palaistu produktu, un izplatītais, uz pūļa balstītais elements ietver lūgumu cilvēkiem iedalīt mazākas summas naudu.
Tomēr pūļa pakalpojumus var izmantot arī citām lietojumprogrammām. Amazon’s Mechanical Turk platforma un Apple ResearchKit ir pūļa rīki, kas izmanto pūļa spēku uzdevumiem, sākot no atbildēm uz aptaujām līdz svarīgu akadēmisku pētījumu veikšanai. Tikmēr uzņēmumi, piemēram, TaskRabbit un 99designs, piesaista pūli, lai palīdzētu klientiem atrast pareizo personu. lai piegādātu jebko, sākot no darbiem pagalmā un pārtikas preču iepirkšanās līdz ideāla logotipa vai virsraksta izstrādei jūsu vietnei.
Prāta avoti: pūļa avota atpazīšanas uzdevumi, izmantojot sadarbības prāta datoru saskarni (teaser)
A.I. var gūt labumu arī no kolektīvā piegādes. Apsveriet, piemēram, Google reCAPTCHA tehnoloģija. Lielākā daļa no mums, visticamāk, uzskata, ka reCAPTCHA ir veids, kā vietnes var pārbaudīt, vai mēs esam robots, pirms ļauj mums veikt konkrētu uzdevumu. Aizpildot reCAPTCHA, var būt jālasa kustīga teksta rindiņa vai jānoklikšķina uz katra attēla atlasē, kurā ir kaķis. Taču reCAPTCHA ir ne tikai pārbaude, vai mēs esam cilvēki vai nē; tie ir arī ļoti gudrs veids, kā vākt datus, ko var izmantot, lai Google attēlu atpazīšanas A.I. gudrāks. Katru reizi, kad reCAPTCHA attēlā lasāt teksta fragmentu no ceļa norādes, jūs varētu palīdzēt, teiksim, Google pašbraucošās automašīnas nedaudz labāk atpazīt reālo pasauli. Kad Google ir savācis pietiekami daudz atbilžu attēlam, Google ir diezgan pārliecināts, ka tam ir pareiza atbilde.
Ir pāragri apsvērt, kā prāta resursi varētu praktiski balstīties uz šīm idejām. "Mēs paši esam mēģinājuši par to domāt," sacīja Ruotsalo. "Es domāju, ka mums pat vēl nav ideju. Tas ir tikai koncepcijas pierādījums, ka mēs to varam izdarīt. Tagad citi cilvēki var izpētīt, cik labi un kāda veida uzdevumus un kāda veida cilvēku grupām mēs to varētu izmantot.
Nākotne nāk
Bet potenciāls noteikti ir. Tagad sāk kļūt pieejami komerciāli pieejami valkājami EEG monitori — to veidos, sākot no smadzeņu lasīšanas austiņas uz gudri tetovējumi. Pašlaik EEG demonstrācijas, piemēram, šajā pētījumā, mēra tikai nelielu procentuālo daļu no cilvēka kopējās smadzeņu darbības. Bet laika gaitā tas varētu palielināties, kas nozīmē, ka var tikt apkopota mazāk bināra informācijas kolekcija. Tā vietā, lai saņemtu atbildi “jā” vai “nē” uz jautājumiem, šī tehnoloģija varētu novērot cilvēku atbildes uz vairāk sarežģītus jautājumus, varētu pārraudzīt atbildes uz plašsaziņas līdzekļiem, piemēram, televīzijas pārraidēm vai filmām, un pēc tam ievadīt tajā apkopotos pūļa datus veidotāji.
“Tā vietā, lai izmantotu parastos vērtējumus vai pogas “Patīk”, jūs varētu vienkārši klausīties dziesmu vai skatīties pārraidi, un jūsu smadzenes ar aktivitāti vien pietiktu, lai noteiktu jūsu reakciju uz to,” Kīts Deiviss, students un pētniecības asistents projekts, teikts paziņojumā presei pavadot darbu.
Iedomājieties, ja miljoniem cilvēku valkātu EEG izsekošanas valkājamas ierīces un jūs piedāvātu procentuālo daļu no tiem mikromaksājumu 10 reizes dienā apmaiņā pret dažām sekundēm, lai palīdzētu atrisināt konkrētu uzdevumu. Fantastisks? Varbūt tieši tagad, taču arī daudzas mūsdienu pūļa pakalpojumu tehnoloģijas darīja tikai pirms dažiem gadiem.
Spēļu šovā Kurš vēlas būt miljonārs, viens no konkursa dalībniekiem pieejamajiem “glābšanas riņķiem” ir iespēja uzdot auditorijai noteiktu jautājumu. Kad šī vienreizējā glābšanas līnija tiek aktivizēta, auditorija izmanto balsošanas blokus, kas piestiprināti viņu sēdekļiem, un balso, lai atbildētu uz jautājumu ar atbilžu variantiem, kas, viņuprāt, ir pareizi. Pēc tam dators saskaita rezultātus un parāda tos procentos dalībniekam. Saskaņā ar Džeimsa Surovecka grāmatu, Pūļu gudrība, jautājot auditorijai, vairāk nekā 90% gadījumu tiek sniegta pareizā atbilde. Tas ir ievērojami labāks par šova 50/50 opciju, kas novērš divas nepareizas atbildes, un iespēju piezvanīt draugam, kas sniedz pareizo atbildi aptuveni divas trešdaļas laika.
Vai prāta avoti varētu būt tehnoloģiju nākamā lieliskā ideja; palīdzot darīt visu, sākot no izklaides uzlabošanas līdz labāka A.I. atbildēt uz visiem jautājumiem? Jāatzīst, ka ir pāragri teikt. Taču šis noteikti ir termins, par kuru nākamajos mēnešos, gados un gadu desmitos jūs dzirdēsit daudz vairāk.
Redaktoru ieteikumi
- Nvidia superdators var radīt jaunu ChatGPT ēru
- Smieklīgā formula: kāpēc mašīnu radīts humors ir A.I. svētais grāls?
- Nvidia jaunā balss A.I. izklausās gluži kā īsts cilvēks
- Intel neticami sportistu izsekošanas A.I. ir apmācības tehnoloģiju "svētais grāls".
- Lāču sejas atpazīšanas tehnoloģijas mērķis ir nodrošināt cilvēku drošību
