Nova tehnika pridobivanja možganov usposablja A.I. Z možganskimi valovi

Predstavljajte si sobo, polno miz, ki jih je skupno več kot dva ducata. Za vsako enako mizo je računalnik, pred katerim sedi oseba, ki igra preprosto identifikacijsko igro. Igra od uporabnika zahteva, da opravi vrsto osnovnih nalog prepoznavanja, kot je izbira, katera fotografija iz serije, ki prikazuje nekoga nasmejanega ali prikazuje osebo s temnimi lasmi ali oblečeno očala. Igralec se mora odločiti, preden preide na naslednjo sliko.

Le da tega ne storijo s klikanjem z miško ali tapkanjem zaslona na dotik. Namesto tega izberejo pravi odgovor preprosto tako, da o njem razmišljajo.

Vsaka oseba v sobi je opremljena z lobanjsko kapo za elektroencefalogram (EEG); sled žic, ki vodi od vsake osebe do bližnje snemalne naprave, ki monitorji aktivnost električne napetosti na njihovem lasišču. Prizor je videti kot pisarna odprtega tipa, v kateri so vsi vklopljeni v Matrico.

"Udeleženci [v naši študiji] so imeli preprosto nalogo, da samo prepoznajo [kaj so morali iskati]," Tuukka Ruotsalo, znanstvena sodelavka Univerze v Helsinkih, ki vodil nedavno objavljeno raziskavo, je povedal za Digital Trends. »Niso jih prosili, naj naredijo kaj drugega. Samo pogledali so slike, ki so jim bile prikazane. Nato smo zgradili klasifikator, da bi ugotovili, ali lahko identificiramo pravi obraz s ciljnimi značilnostmi, izključno na podlagi možganskega signala. Uporabljeno ni bilo nič drugega, razen signala EEG v trenutku, ko so udeleženci videli sliko.«

V poskusu so skupaj 30 prostovoljcem prikazali slike sintetiziranih človeških obrazov (da bi se izognili možnost, da bi eden od udeležencev prepoznal osebo, ki mu je bila prikazana, in bi tako popačil rezultati). Udeležence so prosili, naj v mislih označijo obraze glede na to, kar so videli, in jih prosili, naj iščejo. Z uporabo le teh podatkov o možganski aktivnosti, an umetna inteligenca algoritem naučil prepoznati slike, na primer ko se je na zaslonu pojavila blondinka.

Nov premik na staro idejo

To je impresivna stvar, vendar ni posebej nova. Vsaj zadnje desetletje so raziskovalci uporabljali podatke o možganski aktivnosti, zbrane z EEG ali fMRI, da bi izvedli izbor vedno bolj impresivnih demonstracij branja misli. V nekaterih primerih gre za identifikacijo določene slike ali videoposnetka, kot je bila nedavna študija, v kateri so raziskovalci iz laboratorija Neurorobotics v Moskvi pokazali, da je mogoče ugotoviti, kateri video posnetkov, ki jih ljudje gledajo s spremljanjem njihove možganske aktivnosti.

V drugih primerih se lahko ti vpogledi uporabijo za sprožitev določenih odzivov. Na primer, leta 2011 so raziskovalci na Univerzi Washington v St. Louisu namestili začasne elektrode na center za govor v možganih posameznika in nato dokazali, da so sposobni premikanje računalniškega kazalca na zaslonu preprosto tako, da oseba razmisli, kam jo želi premakniti. Spet druge študije so pokazale, da je mogoče možganske podatke uporabiti za premikanje robotskih udov ali lebdečih dronov.

Zaradi česar je nedavna študija Univerze v Helsinkih nova in zanimiva, je to, da se osredotoča na to, kako možganska aktivnost skupina ljudi, namesto samskih ljudi, lahko uporabite za sklepanje, kot je razvrščanje slik. Ne samo, da so pokazali, da deluje, ampak da – vsaj do neke točke – več ljudi, kot jih dodate v skupino, bolj natančni postanejo podatki.

"Ko dodamo več ljudi v skupino za pridobivanje možganov, tako da se podatki o možganih zabeležijo iz skupine ljudi, dosežemo zmogljivost, ki je precej več kot 90-odstotna natančnost," je dejal Ruotsalo. "[To je] skoraj na ravni [prošnje skupine, naj ročno označi odgovore.]"

To se lahko na začetku sliši protislovno. Če so možganski podatki hrupni, ali ne bi dodajanje več ljudi postalo še hrupnejše? Konec koncev, če želite v sobi poslušati zvok, ki ga je še posebej težko slišati, je lažje, če imate samo eno osebo, ki govori preko njega, kot pa 10. ali 30. Toda kot zgodovina velike podatkovne revolucije in številne najbolj opazne predstavitve strojnega učenja v ukrepanje, so jasno povedali, več podatkov kot imate na voljo za reševanje težave, bolj natančni so sistemi postati.

"Signal je na splošno šumen zaradi EEG ali katerega koli drugega slikanja možganov in udeleženci ali ljudje niso vedno prisotni 100 %," je pojasnil Ruotsalo. »Pomislite, da bi sami gledali slike. Včasih, ko pogledate veliko, vam misli lahko tavajo. Tudi pri posameznih udeležencih raziskovalci pogosto uporabljajo trike, kot je ponavljanje istega dražljaja znova, da bi lahko izračunali povprečje hrupa. Tu uporabljamo signale številnih udeležencev.«

Možnost, da so vsakič osredotočeni vsaj nekateri posamezniki, se močno poveča v primerjavi s samo enim posameznikom. Dodajte idejo o modrosti množic (več o tem pozneje) in dobili boste hudičevo močno kombinacijo.

Vstopite v svet pridobivanja možganov

Tuukka Ruotsalo in njegova ekipa imenujejo to skupinsko branje možganov »brainsourcing«. To je igra z izrazom crowdsourcing, ki se nanaša na način razdelitve ene velike naloge na manjše naloge, ki jih je mogoče razdeliti velikim skupinam ljudi, da pomagajo rešiti. Leta 2020 bo množično iskanje najbolj sinonim za platforme za zbiranje denarja, kot je Kickstarter, kjer je »velika naloga« zagonski kapital, ki je potreben za lansiranje izdelka, porazdeljeni množični element pa zahteva od ljudi, da vložijo manjše vsote denar.

Vendar pa je množično iskanje primerno tudi za druge aplikacije. Amazonova platforma Mechanical Turk in Applov ResearchKit so orodja za zbiranje množic, ki izkoriščajo moč množice za naloge, ki segajo od izpolnjevanja anket do izvajanja pomembnih akademskih raziskav. Medtem podjetja, kot sta TaskRabbit in 99designs, izkoristijo množico, da strankam pomagajo najti pravo osebo za dostavo karkoli, od dela na dvorišču in nakupovanja živil do oblikovanja popolnega logotipa ali kolofona za vaše spletno mesto.

A.I. lahko koristi tudi množično iskanje. Razmislite, na primer, Googlova tehnologija reCAPTCHA. Večina od nas verjetno meni, da je reCAPTCHA način, s katerim lahko spletna mesta preverijo, ali smo bot ali ne, preden nam dovolijo izvedbo določene naloge. Izpolnjevanje reCAPTCHA lahko vključuje branje gibljive vrstice besedila ali klikanje vsake slike v izboru, ki vključuje mačko. Toda pri reCAPTCHA ne gre le za preverjanje, ali smo ljudje ali ne; so tudi zelo pameten način zbiranja podatkov, ki se lahko uporabijo za izdelavo Googlovega umetnega inteligenca za prepoznavanje slik. pametnejši. Vsakič, ko preberete delček besedila obcestnega znaka na sliki reCAPTCHA, lahko prispevate k temu, da bodo, recimo, Googlovi samovozeči avtomobili nekoliko boljši pri prepoznavanju resničnega sveta. Ko Google zbere dovolj odgovorov za sliko, je Google razumno prepričan, da ima pravilen odgovor.

Prezgodaj je razmišljati, kako bi lahko vir možganov praktično nadgradil te zamisli. "O tem smo poskušali razmišljati sami," je dejal Ruotsalo. »Mislim, da sploh še nimamo idej. To je samo dokaz koncepta, da to zmoremo. Zdaj je odprto za druge ljudi, da raziščejo, kako dobro, za katere vrste nalog in za katere vrste skupin ljudi bi to lahko uporabili.«

Prihodnost prihaja

Toda potencial vsekakor obstaja. Komercialno dostopni nosljivi EEG monitorji so zdaj na voljo – v oblikah, ki segajo od slušalke za branje možganov do pametne tetovaže. Trenutno predstavitve EEG, kot je ta v tej študiji, merijo le majhen odstotek celotne možganske aktivnosti osebe. Toda sčasoma bi se to lahko povečalo, kar pomeni, da bi se lahko zbrala manj binarna zbirka informacij. Ta tehnologija bi lahko opazovala odziv ljudi na več vprašanj, namesto da bi le prejela odgovor »da« ali »ne zapletena vprašanja, bi lahko spremljal odzive na medije, kot je TV-oddaja ali film, in nato posredoval združene podatke o množici nazaj svojemu izdelovalci.

»Namesto uporabe običajnih ocen ali gumbov »Všeč mi je«, lahko preprosto poslušate pesem ali gledate oddajo in vaši možgani sama dejavnost bi bila dovolj, da bi določili vaš odziv nanjo,« Keith Davis, študent in asistent pri raziskavi projekt, je dejal v sporočilu za javnost ki spremljajo delo.

Predstavljajte si, da bi milijoni ljudi nosili nosljive naprave za sledenje EEG in bi odstotku od njih ponudili mikroplačilo 10-krat na dan v zameno za to, da bi si vzeli nekaj sekund za pomoč pri reševanju določene naloge. Čudovito? Morda prav zdaj, a tako je bilo tudi z mnogimi današnjimi tehnologijami množičnega izvajanja le nekaj let nazaj.

Na predstavi igre Kdo želi biti milijonar, ena od »rešilnih bilk«, ki so na voljo tekmovalcem, je možnost, da občinstvu zastavijo določeno vprašanje. Ko se sproži ta enkratna rešilna bilka, občinstvo uporabi glasovalne bloke, pritrjene na svoje sedeže, in glasuje za odgovor na vprašanje z več možnimi odgovori, za katerega menijo, da je pravilno. Računalnik nato sešteje rezultate in jih v odstotkih prikaže tekmovalcu. Po knjigi Jamesa Surowieckega, Modrost množic, spraševanje občinstva v več kot 90 % primerov prinese pravilen odgovor. To je bistveno boljše od možnosti 50/50 v oddaji, ki izloči dva napačna odgovora, in možnosti, da pokličete prijatelja, ki vam daje pravi odgovor v približno dveh tretjinah primerov.

Ali bi lahko bil vir možganov naslednja odlična ideja tehnologije; pomaga narediti vse, od izboljšanja zabave do usposabljanja boljšega A.I. odgovarjati na vsa vprašanja? Resda je še prezgodaj reči. Toda to je vsekakor izraz, o katerem boste v prihodnjih mesecih, letih in desetletjih slišali še veliko več.

Priporočila urednikov

• Nvidijin superračunalnik lahko prinese novo dobo ChatGPT
• Smešna formula: Zakaj je strojno ustvarjen humor sveti gral A.I.
• Nvidijin novi glasovni AI zveni tako kot prava oseba
• Intelov neverjeten AI za sledenje športnikom je "sveti gral" tehnike usposabljanja
• Tehnologija za prepoznavanje obrazov medvedov je namenjena zaščiti ljudi