Van Journey’s “Stop niet met geloven” naar Queen’s “Bohemian Rhapsody” naar Kylie Minogue’s “Ik krijg je niet uit mijn hoofd”, zijn er enkele nummers die erin slagen zich met succes een weg door onze gehoorgangen te banen en zich in onze hersenen te nestelen. Wat als het mogelijk zou zijn om de signalen van de hersenen te lezen en deze te gebruiken om nauwkeurig te raden naar welk nummer iemand op een bepaald moment luistert?
Inhoud
- Gedachten lezen, machines trainen
- De weg naar brein-computerinterfaces
Dat zeggen onderzoekers van de afdeling Human-Centered Design van de TU Delft in het Nederland en de afdeling Cognitieve Wetenschappen van het Indian Institute of Technology Gandhinagar zijn geweest werken aan. In een recent experiment hebben ze aangetoond dat dit bij uitstek mogelijk is – en dat de implicaties groter kunnen zijn dan je zou denken.
Aanbevolen video's
Voor het onderzoek rekruteerden de onderzoekers een groep van twintig mensen. en vroeg hen om naar 12 nummers te luisteren met behulp van
hoofdtelefoon. Om hen te helpen zich beter te concentreren, werd de kamer verduisterd en werden de vrijwilligers geblinddoekt. Ze waren allemaal uitgerust met een elektro-encefalografie (EEG)-kapje dat op niet-invasieve wijze de elektrische activiteit op hun hoofdhuid kan oppikken terwijl ze naar de liedjes luisteren.Deze hersengegevens werden vervolgens, samen met de bijbehorende muziek, gebruikt om een kunstmatig neuraal netwerk om verbanden tussen deze twee te kunnen identificeren. Toen het resulterende algoritme werd getest op gegevens die het nog niet eerder had gezien, kon het het nummer correct identificeren met een nauwkeurigheid van 85% – volledig gebaseerd op de hersengolven.
“De nummers waren een mix van westerse en Indiase nummers, en omvatten een aantal genres,” Krishna Miyapuram, assistent-professor cognitieve wetenschappen en computerwetenschappen aan het Indian Institute of Technology Gandhinagar, aan Digital Trends. “Op deze manier hebben we een grotere representatieve steekproef samengesteld voor training en testen. De aanpak werd bevestigd bij het verkrijgen van indrukwekkende classificatienauwkeurigheden, zelfs toen we de trainingsgegevens beperkten tot een kleiner percentage van de dataset.”
Gedachten lezen, machines trainen
Dit is niet de eerste keer dat onderzoekers hebben aangetoond dat het mogelijk is om demonstraties van ‘gedachtenlezen’ uit te voeren waar David Blaine jaloers op zou worden, allemaal met behulp van EEG-gegevens. Neurowetenschappers van de Canadese Universiteit van Toronto Scarborough hebben bijvoorbeeld eerder beelden gereconstrueerd op basis van EEG-gegevens om Gezichtsafbeeldingen digitaal opnieuw maken opgeslagen in iemands geest. Miyapuram's eigen eerder onderzoek omvat een project waarin EEG-gegevens werden gebruikt om filmfragmenten te identificeren die door deelnemers werden bekeken, waarbij elke film bedoeld was om een andere emotionele reactie uit te lokken.
Interessant is dat dit laatste werk aantoonde dat algoritmen zeer effectief bleken te zijn in het raden van de nummers waarnaar werd geluisterd die door de ene deelnemer wordt toegepast, nadat hij is getraind in zijn specifieke brein, zou niet zo goed werken als hij op een andere deelnemer wordt toegepast persoon. In feite is ‘niet zo goed’ een grove understatement: de nauwkeurigheid van deze tests kelderde van 85% naar minder dan 10%.
“Ons onderzoek toont aan dat individuen persoonlijke muziekervaringen hebben”, zegt Miyapuram. “Je zou verwachten dat de hersenen op een vergelijkbare manier reageren op het verwerken van informatie van verschillende stimuli. Dit geldt voor wat wij begrijpen als kenmerken op laag niveau of kenmerken op stimulusniveau. [Maar] als het om muziek gaat, zijn het misschien de kenmerken op een hoger niveau, zoals genieten, die onderscheid maken tussen individuele ervaringen.
Derek Lomas, universitair docent positieve A.I. aan de Technische Universiteit Delft, zei dat een toekomstig doel van het project is om de relatie tussen EEG-frequenties en muzikale frequenties in kaart te brengen. Dit zou kunnen helpen bij het beantwoorden van vragen zoals of een grotere esthetische resonantie gepaard gaat met een grotere neurale resonantie.
Met andere woorden: zal iemand die ‘geroerd’ is door een muziekstuk een grotere correlatie vertonen tussen de muziek zelf en de hersenreactie, waardoor het mogelijk wordt nauwkeurig te voorspellen hoeveel iemand van een muziekstuk geniet, simpelweg door naar zijn of haar hersengolven te kijken? Hoewel de reactie van iedereen op muziek subtiel verschillend kan zijn, zou dit licht kunnen werpen op de vraag waarom mensen überhaupt op zoek gaan naar muziek.
De weg naar brein-computerinterfaces
“Voor toepassingen op de korte termijn [in de komende twee jaar] stellen we ons een motor voor muziekaanbevelingen voor die gebaseerd zou kunnen zijn op de hersenreactie van een persoon”, vertelde Lomas aan Digital Trends. “Momenteel heb ik een student die werkt aan algoritmisch gegenereerde muziek die de neurale resonantie maximaliseert. Het is best griezelig: de maximale neurale resonantie is niet hetzelfde als de maximale esthetische resonantie.”
Op de middellange termijn suggereerde Lomas dat dit zou kunnen leiden tot krachtige toepassingen voor het verkrijgen van informatie over de ‘diepte van de ervaring’ die iemand heeft die zich met de media bezighoudt. Met behulp van hulpmiddelen voor hersenanalyse kan (en zou het ook moeten) mogelijk zijn om nauwkeurig te voorspellen hoe diep betrokken iemand is terwijl hij bijvoorbeeld een film kijkt of naar een album luistert. Een op de hersenen gebaseerde maatstaf voor betrokkenheid zou dan kunnen worden gebruikt om specifieke ervaringen aan te scherpen. Wilt u uw film aantrekkelijker maken voor 90% van de kijkers? Aanpassing dit toneel, verandering Dat een.
“Op de lange termijn – twintig jaar – kan dit werkveld methoden mogelijk maken voor het transcriberen van de inhoud van de verbeelding,” vervolgde Lomas. “Bijvoorbeeld het overbrengen van gedachten naar tekst. Dat is de grote toekomst van [brain-computer interfaces.]”
Zoals Lomas opmerkte, zijn we nog steeds ver verwijderd van het uiteindelijke doel van een brein-computerinterface. Desalniettemin suggereert dit soort werk dat er nog genoeg smakelijk, lager hangend fruit aan de boom zit voordat we hem uiteindelijk laten vallen.
A artikel waarin dit onderzoek wordt beschreven, getiteld GuessTheMusic: Song Identification from Electroencephalography, werd onlangs gepresenteerd op CODS-COMAD 2021.
Aanbevelingen van de redactie
- Diep lerende AI kan de vervormingseffecten van iconische gitaargoden imiteren
Upgrade uw levensstijlMet Digital Trends kunnen lezers de snelle technische wereld in de gaten houden met het laatste nieuws, leuke productrecensies, inzichtelijke redactionele artikelen en unieke sneak peeks.
