De meesten van ons hebben er gebruik van gemaakt apps zoals Shazam, die nummers kan identificeren als we onze telefoon tegen een luidspreker houden. Maar wat als het voor een app mogelijk zou zijn om een muziekstuk te identificeren op basis van niets anders dan jouw denkpatronen? Onmogelijk? Misschien niet, volgens een nieuw onderzoek uitgevoerd door onderzoekers van de University of California, Berkeley.
In 2014 gebruikten onderzoeker Brian Pasley en collega’s een deep-learning algoritme en hersenactiviteit, gemeten met elektroden, om iemands gedachten om te zetten in digitaal gesynthetiseerde spraak. Dit werd bereikt door de hersengolven van een persoon te analyseren terwijl hij aan het praten was, om zo het verband tussen spraak en hersenactiviteit te decoderen.
Aanbevolen video's
Als we een paar jaar vooruit springen, heeft het team dat eerdere onderzoek nu verbeterd en hun bevindingen op muziek toegepast. Concreet konden ze nauwkeurig (50 procent nauwkeuriger dan in het vorige onderzoek) voorspellen aan welke geluiden een pianist denkt, op basis van hersenactiviteit.
Verwant
- Kan A.I. menselijke ingenieurs verslaan bij het ontwerpen van microchips? Google denkt van wel
- Algoritmische architectuur: moeten we A.I. gebouwen voor ons ontwerpen?
- Waarom het leren van robots om verstoppertje te spelen de sleutel zou kunnen zijn tot de volgende generatie AI
“Tijdens auditieve waarneming, als je luistert naar geluiden zoals spraak of muziek, weten we dat zeker delen van de auditieve cortex ontleden deze geluiden in akoestische frequenties, bijvoorbeeld laag of hoog tonen,” Pasley vertelde Digitale Trends. “We hebben getest of deze zelfde hersengebieden ook ingebeelde geluiden verwerken op dezelfde manier waarop je het geluid van je eigen stem intern verwoordt, of je het geluid van klassieke muziek voorstelt in een stille kamer. We ontdekten dat er een grote overlap was, maar ook duidelijke verschillen in de manier waarop de hersenen het geluid van ingebeelde muziek representeren. Door een machine learning-model te bouwen van de neurale representatie van ingebeeld geluid, gebruikten we het model om met redelijke nauwkeurigheid te raden welk geluid op elk moment werd voorgesteld.”
Voor het onderzoek registreerde het team de hersenactiviteit van een pianist wanneer hij muziek speelde op een elektrisch toetsenbord. Door dit te doen, konden ze zowel de hersenpatronen als de gespeelde noten op elkaar afstemmen. Vervolgens voerden ze het experiment opnieuw uit, maar schakelden het geluid van het toetsenbord uit en vroegen de muzikant zich de noten voor te stellen terwijl hij ze speelde. Dankzij deze training konden ze hun muziekvoorspellende algoritme creëren.
“Het langetermijndoel van ons onderzoek is het ontwikkelen van algoritmen voor een spraakprothese om de communicatie te herstellen bij verlamde personen die niet kunnen praten”, aldus Pasley. “We zijn nog ver verwijderd van het realiseren van dat doel, maar dit onderzoek betekent een belangrijke stap voorwaarts. Het toont aan dat het neurale signaal tijdens auditieve beelden voldoende robuust en nauwkeurig is voor gebruik in machine learning-algoritmen die akoestische signalen van gemeten hersenen kunnen voorspellen activiteit."
Er was een document waarin het werk werd beschreven onlangs gepubliceerd in het tijdschrift Cerebral Cortex.
Aanbevelingen van de redactie
- Dit is wat een trendanalyserende A.I. denkt dat dit de volgende grote stap in de technologie zal zijn
- Lees het griezelig mooie ‘synthetische geschrift’ van een A.I. die denkt dat het God is
- Emotiegevoelige A.I. is hier, en het zou in je volgende sollicitatiegesprek kunnen zijn
- Wetenschappers gebruiken A.I. om kunstmatige menselijke genetische code te creëren
- De BigSleep AI is als Google Image Search voor afbeeldingen die nog niet bestaan
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.
