Stel je een kamer vol bureaus voor, in totaal meer dan twintig. Bij elk identiek bureau staat een computer met een persoon ervoor die een eenvoudig identificatiespelletje speelt. De game vraagt de gebruiker om een assortiment basisherkenningstaken uit te voeren, zoals kiezen welke foto uit een serie waarop iemand lacht of een persoon afbeeldt met donker haar of kleding bril. De speler moet een beslissing nemen voordat hij naar de volgende foto gaat.
Inhoud
- Een frisse draai aan een oud idee
- Betreed de wereld van brainsourcing
- De toekomst komt eraan
Alleen doen ze dat niet door met de muis te klikken of op een touchscreen te tikken. In plaats daarvan selecteren ze het juiste antwoord door er simpelweg aan te denken.
Elke persoon in de kamer is uitgerust met een elektro-encefalogram (EEG) schedelkapje; een spoor van draden dat van elke persoon naar een nabijgelegen opnameapparaat leidt monitoren de elektrische spanningsactiviteit op hun hoofdhuid. De scène ziet eruit als een open kantoor waarin iedereen in The Matrix wordt gezogen.
Verwant
- Analoge AI? Het klinkt gek, maar het zou de toekomst kunnen zijn
- Nvidia's nieuwste A.I. De resultaten bewijzen dat ARM klaar is voor het datacenter
- Facebook's 'droidlet' A.I. zou spraakherkenning naar een geheel nieuw niveau kunnen tillen
“De deelnemers [in onze studie] hadden de eenvoudige taak om te herkennen [waar ze naar moesten zoeken],” Tuukka Ruotsalo, een onderzoekscollega aan de Universiteit van Helsinki, die leidde het onlangs gepubliceerde onderzoek, vertelde Digitale Trends. “Ze werden niet gevraagd om iets anders te doen. Ze keken alleen naar de beelden die ze te zien kregen. Vervolgens hebben we een classificator gebouwd om te zien of we het juiste gezicht met de doelkenmerken konden identificeren, uitsluitend op basis van het hersensignaal. Er werd niets anders gebruikt, behalve het EEG-signaal op het moment dat de deelnemers de foto zagen.”
In het experiment kregen in totaal 30 vrijwilligers afbeeldingen te zien van gesynthetiseerde menselijke gezichten (om de De kans is groot dat een van de deelnemers een persoon herkent die hen werd getoond, en daardoor de afbeelding vertekent resultaten). Deelnemers werd gevraagd de gezichten mentaal te labelen op basis van wat ze zagen en waar ze naar moesten zoeken. Door alleen die hersenactiviteitsgegevens te gebruiken, kan een kunstmatige intelligentie algoritme leerde afbeeldingen herkennen, bijvoorbeeld wanneer een blond persoon op het scherm verscheen.
Een frisse draai aan een oud idee
Dit is indrukwekkend spul, maar het is niet bijzonder nieuw. De afgelopen tien jaar hebben onderzoekers hersenactiviteitsgegevens, verzameld via EEG of fMRI, gebruikt om een assortiment van steeds indrukwekkendere demonstraties van gedachtelezen uit te voeren. In sommige gevallen identificeert het een bepaalde afbeelding of video, zoals blijkt uit een recent onderzoek waarin onderzoekers van het Neurorobotics Lab in Moskou hebben aangetoond dat het mogelijk is om erachter te komen welke videoclips waar mensen naar kijken door hun hersenactiviteit te monitoren.
In andere gevallen kunnen deze inzichten worden gebruikt om bepaalde reacties uit te lokken. In 2011 plaatsten onderzoekers van de Washington University in St. Louis bijvoorbeeld tijdelijke elektroden over het spraakcentrum van iemands hersenen en toonden vervolgens aan dat ze in staat waren om verplaats een computercursor op het scherm simpelweg door de persoon te laten nadenken over waar hij het naartoe wilde verplaatsen. Nog andere onderzoeken hebben aangetoond dat hersengegevens kunnen worden gebruikt om robotledematen te bewegen of drones te laten zweven.
Wat de recente studieroman van de Universiteit van Helsinki interessant maakt, is dat deze zich richt op de manier waarop de hersenactiviteit van a groep van mensen, in plaats van alleenstaanden, kan worden gebruikt om conclusies te trekken, zoals het classificeren van afbeeldingen. Ze hebben niet alleen aangetoond dat het werkt, maar dat – in ieder geval tot op zekere hoogte – hoe meer mensen je aan de groep toevoegt, hoe nauwkeuriger de gegevens worden.
“Als we meer mensen toevoegen aan de hersenbronpool, zodat hersengegevens van een groep mensen worden vastgelegd, bereiken we prestaties met een nauwkeurigheid van ruim 90%”, aldus Ruotsalo. “[Dat is] bijna op het niveau van [een groep vragen om handmatig antwoorden te taggen.]”
Dit klinkt misschien in eerste instantie contra-intuïtief. Als hersengegevens veel ruis bevatten, zou het toevoegen van meer mensen het dan niet nog luidruchtiger maken? Als je wilt luisteren naar een bijzonder moeilijk hoorbaar geluid in een kamer, is het immers gemakkelijker als er maar één persoon over je heen praat dan met tien. Of 30. Maar aangezien de geschiedenis van de big data-revolutie en veel van de meest opmerkelijke demonstraties van machinaal leren in actie, hebben duidelijk gemaakt: hoe meer gegevens u tot uw beschikking heeft om een probleem aan te pakken, hoe nauwkeuriger de systemen zijn worden.
"Het signaal is over het algemeen luidruchtig van EEG of andere hersenbeelden, en deelnemers of mensen zijn niet altijd 100% aanwezig", legt Ruotsalo uit. “Denk er eens over om zelf naar foto’s te kijken. Soms, nadat je er veel hebt bekeken, kunnen je gedachten afdwalen. Zelfs bij individuele deelnemers gebruiken onderzoekers vaak trucjes, zoals het opnieuw herhalen van dezelfde stimulus om de ruis te kunnen uitgemiddelden. Hierbij maken we gebruik van signalen van veel deelnemers.”
De kans dat ten minste enkele individuen op elk moment gefocust zijn, is aanzienlijk groter dan bij slechts één individu. Voeg daar het idee van de wijsheid van de menigte aan toe (daarover later meer) en je hebt een geweldige combinatie.
Betreed de wereld van brainsourcing
Tuukka Ruotsalo en zijn team noemen dit op groepen gebaseerde hersenlezen ‘brainsourcing’. Het is een spel met de term crowdsourcing, verwijst naar een manier om één grote taak op te splitsen in kleinere taken die kunnen worden verdeeld onder grote groepen mensen om te helpen oplossen. Anno 2020 is crowdsourcing misschien wel het meest synoniem met platforms voor het inzamelen van geld, zoals Kickstarter, waar de ‘grote taak’ het startkapitaal dat nodig is om een product te lanceren, en het gedistribueerde crowd-based element houdt in dat mensen worden gevraagd kleinere bedragen in te zamelen geld.
Crowdsourcing kan zich echter ook voor andere toepassingen lenen. Amazon's Mechanical Turk-platform en Apple's ResearchKit zijn crowdsourcing-tools die de kracht van de menigte benutten voor taken die variëren van het beantwoorden van enquêtes tot het uitvoeren van belangrijk academisch onderzoek. Ondertussen maken bedrijven als TaskRabbit en 99designs gebruik van de menigte om klanten te helpen de juiste persoon te vinden om alles te leveren, van tuinwerk en boodschappen doen tot het ontwerpen van het perfecte logo of de perfecte masthead voor uw website.
Brainsourcing: crowdsourcing-herkenningstaken via collaboratieve hersencomputerinterface (teaser)
AI kunnen ook profiteren van crowdsourcing. Denk bijvoorbeeld aan De reCAPTCHA-technologie van Google. De meesten van ons beschouwen reCAPTCHA waarschijnlijk als een manier waarop websites kunnen controleren of we een bot zijn voordat we een bepaalde taak kunnen uitvoeren. Het voltooien van een reCAPTCHA kan inhouden dat u een kronkelige regel tekst leest of op elke afbeelding klikt in een selectie waarin een kat voorkomt. Maar reCAPTCHA’s gaan niet alleen over het testen of we mensen zijn of niet; ze zijn ook een zeer slimme manier om gegevens te verzamelen die kunnen worden gebruikt om de beeldherkennings-AI van Google te verbeteren. slimmer. Elke keer dat u een tekstfragment van een bord langs de weg op een reCAPTCHA-afbeelding leest, kunt u eraan bijdragen dat bijvoorbeeld de zelfrijdende auto's van Google de echte wereld iets beter herkennen. Wanneer Google voldoende antwoorden voor een afbeelding heeft verzameld, is Google er redelijk zeker van dat zij een juist antwoord heeft.
Het is nog te vroeg om na te denken over hoe brainsourcing praktisch op deze ideeën zou kunnen voortbouwen. “We hebben hier zelf over nagedacht”, zei Ruotsalo. “Ik denk dat we de ideeën nog niet eens hebben. Het is slechts een proof-of-concept dat we dit kunnen doen. Nu staat het open voor andere mensen om te onderzoeken hoe goed, en wat voor soort taken, en voor welke soorten groepen mensen we dit zouden kunnen gebruiken.”
De toekomst komt eraan
Maar het potentieel is zeker aanwezig. Commercieel verkrijgbare draagbare EEG-monitoren beginnen nu beschikbaar te komen – in vormen die variëren van hoofdtelefoons die hersenen lezen naar slimme tatoeages. Momenteel meten EEG-demonstraties zoals die in dit onderzoek slechts een klein percentage van de totale hersenactiviteit van een persoon. Maar in de loop van de tijd zou dit kunnen toenemen, wat betekent dat er een minder binaire verzameling informatie kan worden verzameld. In plaats van alleen maar een ‘ja’ of ‘nee’ antwoord op vragen te krijgen, zou deze technologie de reactie van mensen op meer vragen kunnen observeren complexe vragen, kunnen de reacties op media zoals een tv-programma of film monitoren en vervolgens verzamelde crowd-gegevens terugsturen naar de media makers.
“In plaats van conventionele beoordelingen of like-knoppen te gebruiken, kun je eenvoudig naar een nummer luisteren of naar een programma kijken, en je hersenen activiteit alleen zou voldoende zijn om uw reactie erop te bepalen”, Keith Davis, een student en onderzoeksassistent aan de universiteit project, zei in een persbericht begeleiden van het werk.
Stel je voor dat miljoenen mensen EEG-tracking-wearables zouden dragen en je zou een percentage van hen tien keer per dag een microbetaling aanbieden in ruil voor een paar seconden de tijd om een bepaalde taak op te lossen. Fantasierijk? Misschien nu al, maar een paar jaar geleden gold dat ook voor veel van de hedendaagse crowdsourcing-technologieën.
Op de spelshow Wie wilt er een millionair zijn, een van de ‘levenslijnen’ die de deelnemers ter beschikking staan, is de mogelijkheid om het publiek een bepaalde vraag te stellen. Wanneer deze eenmalige levenslijn wordt geactiveerd, gebruikt het publiek stemkastjes die aan hun stoelen zijn bevestigd en stemt het voor het antwoord op een meerkeuzevraag waarvan zij denken dat deze juist is. De computer telt vervolgens de resultaten op en toont ze als een percentage aan de deelnemer. Volgens het boek van James Surowiecki: De wijsheid van menigtenAls je het publiek vraagt, krijg je in ruim 90% van de gevallen het juiste antwoord. Dat is aanzienlijk beter dan de 50/50-optie van de show, die twee onjuiste antwoorden elimineert, en de optie om een vriend te bellen, waardoor je ongeveer tweederde van de tijd het juiste antwoord krijgt.
Zou brainsourcing het volgende geweldige idee van technologie kunnen zijn; helpen bij alles, van het verbeteren van entertainment tot het trainen van betere A.I. om allerlei vragen te beantwoorden? Het is weliswaar nog te vroeg om dat te zeggen. Maar dit is absoluut een term waar je de komende maanden, jaren en decennia nog veel meer over zult horen.
Aanbevelingen van de redactie
- De supercomputer van Nvidia kan een nieuw tijdperk van ChatGPT inluiden
- De grappige formule: waarom door machines gegenereerde humor de heilige graal is van A.I.
- Nvidia's nieuwe stem A.I. klinkt net als een echt persoon
- Intel's ongelooflijke A.I. voor het volgen van atleten is de ‘heilige graal’ van trainingstechnologie
- Gezichtsherkenningstechnologie voor beren is bedoeld om mensen te beschermen
