Nowa technika Brainsourcingu szkoli A.I. Z Falami Mózgowymi

Wyobraź sobie pokój pełen biurek, których jest w sumie ponad dwa tuziny. Przy każdym identycznym biurku znajduje się komputer, przed którym siedzi osoba grająca w prostą grę identyfikacyjną. Gra prosi użytkownika o wykonanie szeregu podstawowych zadań rozpoznawania, takich jak wybór zdjęcie z serii przedstawiającej uśmiechniętą osobę lub osobę o ciemnych włosach lub ubraną okulary. Gracz musi podjąć decyzję przed przejściem do następnego obrazka.

Tyle że nie robią tego poprzez kliknięcie myszką lub dotknięcie ekranu dotykowego. Zamiast tego wybierają właściwą odpowiedź, po prostu o niej myśląc.

Każda osoba w pomieszczeniu wyposażona jest w czapkę z elektroencefalogramem (EEG); szlak przewodów prowadzący od każdej osoby do pobliskiego urządzenia rejestrującego monitory aktywność napięcia elektrycznego na skórze głowy. Scena wygląda jak otwarte biuro, w którym wszyscy są włączeni do Matrixa.

„Uczestnicy [naszego badania] mieli proste zadanie polegające na rozpoznaniu [czego mieli szukać]” Tuukka Ruotsalo, pracownik naukowy na Uniwersytecie w Helsinkach, który kierował niedawno opublikowanymi badaniami, powiedział Digital Trends. „Nie proszono ich o nic więcej. Po prostu spojrzeli na pokazane im obrazy. Następnie zbudowaliśmy klasyfikator, aby sprawdzić, czy potrafimy zidentyfikować właściwą twarz z docelowymi cechami, wyłącznie na podstawie sygnału mózgowego. Nie używano niczego innego poza sygnałem EEG w momencie, gdy uczestnicy widzieli zdjęcie.”

W eksperymencie łącznie 30 ochotnikom pokazano obrazy syntetyzowanych ludzkich twarzy (aby uniknąć prawdopodobieństwo, że jeden z uczestników rozpozna osobę, którą mu pokazano, i w związku z tym zniekształci obraz wyniki). Uczestnicy zostali poproszeni o mentalne oznaczenie twarzy na podstawie tego, co zobaczyli, i poproszono ich o szukanie. Wykorzystując wyłącznie dane dotyczące aktywności mózgu, an sztuczna inteligencja algorytm nauczył się rozpoznawać obrazy, na przykład gdy na ekranie pojawia się blondynka.

Świeże spojrzenie na stary pomysł

To imponujący materiał, ale nie jest szczególnie nowy. Co najmniej przez ostatnią dekadę badacze wykorzystywali dane dotyczące aktywności mózgu zebrane za pomocą EEG lub fMRI do przeprowadzania szeregu coraz bardziej imponujących demonstracji czytania w myślach. W niektórych przypadkach chodzi o identyfikację konkretnego obrazu lub filmu, jak w niedawnym badaniu, podczas którego naukowcy z Laboratorium Neurorobotyki w Moskwie wykazali, że można dowiedzieć się, które klipy wideo, które ludzie oglądają poprzez monitorowanie aktywności ich mózgu.

W innych przypadkach spostrzeżenia te można wykorzystać do wywołania określonych reakcji. Na przykład w 2011 roku badacze z Washington University w St. Louis umieścili tymczasowe elektrody nad ośrodkiem mowy w mózgu danej osoby, a następnie wykazali, że są w stanie przesuwaj kursor komputera na ekranie po prostu poprzez nakłonienie danej osoby do zastanowienia się, dokąd chce ją przenieść. Jeszcze inne badania wykazały, że dane mózgowe można wykorzystać do poruszania kończynami robotów lub unoszenia się w powietrzu dronów.

To, co sprawia, że ​​najnowsze badanie przeprowadzone na Uniwersytecie Helsińskim jest nowatorskie i interesujące, to fakt, że skupia się ono na aktywności mózgu: Grupa do wyciągania wniosków, takich jak klasyfikacja obrazów, a nie pojedynczych osób. Nie tylko pokazali, że to działa, ale także – przynajmniej do pewnego momentu – im więcej osób dodasz do grupy, tym dokładniejsze stają się dane.

„Kiedy dodamy więcej osób do puli pozyskiwania mózgów, tak aby dane mózgowe były rejestrowane od grupy osób, osiągniemy wydajność z dokładnością znacznie przekraczającą 90%” – powiedział Ruotsalo. „[To] prawie na poziomie [proszenia grupy o ręczne oznaczanie odpowiedzi.]”.

Może to początkowo wydawać się sprzeczne z intuicją. Jeśli dane mózgowe są zaszumione, czy dodanie większej liczby osób nie sprawi, że będzie jeszcze głośniej? W końcu, jeśli chcesz nasłuchiwać szczególnie trudnego do usłyszenia dźwięku w pomieszczeniu, łatwiej będzie, jeśli w pomieszczeniu będzie rozmawiała tylko jedna osoba niż 10. Lub 30. Jednak historia rewolucji big data i wiele najbardziej znaczących demonstracji uczenia maszynowego w działania, wyjaśniliśmy, im więcej danych masz do dyspozycji, aby rzucić światło na problem, tym dokładniejsze systemy stać się.

„Sygnał jest ogólnie zaszumiony w przypadku EEG lub innego obrazowania mózgu, a uczestnicy lub ludzie nie zawsze biorą udział w badaniu w 100%” – wyjaśnił Ruotsalo. „Pomyśl o samodzielnym oglądaniu zdjęć. Czasami, po przyjrzeniu się wielu osobom, twój umysł może błądzić. Nawet w przypadku pojedynczych uczestników badacze często stosują sztuczki, takie jak powtarzanie tego samego bodźca w kółko, aby móc uśrednić hałas. Tutaj wykorzystujemy sygnały od wielu uczestników.”

Szansa, że ​​przynajmniej część osób będzie skupiona w każdym momencie, jest znacznie większa w porównaniu z tylko jedną osobą. Dodaj do tego pojęcie mądrości tłumu (więcej o tym później), a otrzymasz potężną kombinację.

Wejdź do świata brainsourcingu

Tuukka Ruotsalo i jego zespół nazywają to grupowe czytanie mózgu „brainsourcingiem”. To gra z terminem crowdsourcing, odnosi się do sposobu podziału jednego dużego zadania na mniejsze zadania, które można przydzielić dużym grupom ludzi do pomocy rozwiązywać. W 2020 roku crowdsourcing może być najbardziej synonimem platform zbierania pieniędzy, takich jak Kickstarter, gdzie „dużym zadaniem” jest kapitał startowy potrzebny do wprowadzenia produktu na rynek, a rozproszony element oparty na tłumie polega na proszeniu ludzi o wpłacanie mniejszych kwot pieniądze.

Jednakże crowdsourcing może znaleźć zastosowanie również w innych zastosowaniach. Platforma Amazon Mechanical Turk i Zestaw badawczy Apple to narzędzia crowdsourcingowe, które wykorzystują siłę tłumu do wykonywania różnych zadań – od odpowiadania na ankiety po przeprowadzanie ważnych badań akademickich. Tymczasem firmy takie jak TaskRabbit i 99designs wykorzystują tłum, aby pomóc klientom dopasować się do właściwej osoby dostarczyć wszystko, od prac ogrodowych i zakupów spożywczych po zaprojektowanie idealnego logo lub nagłówka dla Twojej witryny internetowej.

sztuczna inteligencja mogą również skorzystać z crowdsourcingu. Weź pod uwagę np. Technologia reCAPTCHA firmy Google. Większość z nas prawdopodobnie uważa reCAPTCHA za sposób, w jaki strony internetowe mogą sprawdzić, czy jesteśmy botem, zanim pozwolą nam wykonać określone zadanie. Wypełnienie reCAPTCHA może polegać na przeczytaniu falistej linii tekstu lub kliknięciu każdego obrazu w zaznaczeniu, które zawiera kota. Ale reCAPTCHA nie służą tylko do sprawdzania, czy jesteśmy ludźmi, czy nie; są także bardzo sprytnym sposobem gromadzenia danych, które można wykorzystać do sztucznej inteligencji rozpoznawania obrazów Google. mądrzejszy. Za każdym razem, gdy czytasz fragment tekstu z przydrożnego znaku na obrazie reCAPTCHA, możesz przyczynić się do tego, aby na przykład autonomiczne samochody Google nieco lepiej rozpoznawały prawdziwy świat. Kiedy Google zgromadzi wystarczającą liczbę odpowiedzi dotyczących obrazu, ma wystarczającą pewność, że ma poprawną odpowiedź.

Jest zbyt wcześnie, aby rozważać, w jaki sposób brainsourcing mógłby w praktyce opierać się na tych pomysłach. „Sami próbowaliśmy się nad tym zastanowić” – powiedział Ruotsalo. „Nie sądzę, że mamy jeszcze pomysły. To tylko dowód na to, że możemy to zrobić. Teraz inne osoby mogą sprawdzić, jak dobrze i do jakich zadań oraz dla jakich grup osób moglibyśmy to wykorzystać”.

Przyszłość nadchodzi

Ale potencjał z pewnością jest. Dostępne na rynku, przenośne monitory EEG zaczynają być już dostępne — w różnych formach słuchawki czytające w mózgu Do inteligentne tatuaże. Obecnie demonstracje EEG, takie jak to w tym badaniu, mierzą jedynie niewielki procent całkowitej aktywności mózgu danej osoby. Jednak z biegiem czasu liczba ta może wzrosnąć, co oznacza, że ​​możliwe będzie zgromadzenie mniej binarnego zbioru informacji. Zamiast po prostu uzyskiwać odpowiedzi „tak” lub „nie” na pytania, technologia ta może obserwować reakcję ludzi na więcej złożone pytania, mogłaby monitorować reakcje na media takie jak program telewizyjny lub film, a następnie przekazywać do swoich zbiorczych danych zbiorcze dane dotyczące tłumów twórcy.

„Zamiast używać konwencjonalnych ocen lub podobnych przycisków, możesz po prostu posłuchać piosenki lub obejrzeć program i wykorzystać swój mózg Sama aktywność wystarczyłaby, aby określić twoją reakcję na to zjawisko” – Keith Davis, student i asystent naukowy na Uniwersytecie im projekt, – napisano w komunikacie prasowym towarzyszące pracy.

Wyobraź sobie, że miliony ludzi nosiłyby urządzenia do noszenia śledzące EEG i 10 razy dziennie oferowałbyś im mikropłatność w zamian za poświęcenie kilku sekund na pomoc w rozwiązaniu określonego zadania. Fantazyjny? Być może teraz, ale zaledwie kilka lat temu zrobiło to samo wiele współczesnych technologii crowdsourcingu.

W teleturnieju Kto chce być milioneremjedną z „linii ratunkowych”, z której mogą skorzystać uczestnicy konkursu, jest możliwość zadania widzom określonego pytania. Kiedy uruchomiona zostanie ta jednorazowa linia ratunkowa, publiczność korzysta z umieszczonych na swoich miejscach tablic do głosowania i głosuje na odpowiedź na pytanie wielokrotnego wyboru, które ich zdaniem jest prawidłowe. Następnie komputer podlicza wyniki i wyświetla je zawodnikowi jako procent. Według książki Jamesa Surowieckiego pt. Mądrość tłumówpytanie do publiczności daje poprawną odpowiedź w ponad 90% przypadków. To znacznie lepsze rozwiązanie niż dostępna w programie opcja 50/50, która eliminuje dwie błędne odpowiedzi, oraz opcja zadzwonienia do przyjaciela, która daje prawidłową odpowiedź w około dwóch trzecich przypadków.

Czy pozyskiwanie mózgów może być kolejnym świetnym pomysłem technologii? pomagając we wszystkim, od poprawy rozrywki po szkolenie lepszej sztucznej inteligencji. odpowiadać na wszelkiego rodzaju pytania? Trzeba przyznać, że jest za wcześnie, aby to stwierdzić. Ale z pewnością jest to termin, o którym usłyszysz znacznie więcej w nadchodzących miesiącach, latach i dziesięcioleciach.

Zalecenia redaktorów

• Superkomputer Nvidii może rozpocząć nową erę ChatGPT
• Zabawna formuła: dlaczego humor generowany maszynowo jest świętym Graalem sztucznej inteligencji?
• Nowy głos Nvidii A.I. brzmi jak prawdziwa osoba
• Niesamowita sztuczna inteligencja Intel do śledzenia sportowców to „święty Graal” technologii szkoleniowej
• Technologia rozpoznawania twarzy niedźwiedzi ma na celu zapewnienie ludziom bezpieczeństwa