Из Јоурнеи'с “Не престани да верујеш„Квинс“Боемска рапсодија„за филм Кајли Миног“Не могу да те избацим из главе,” постоје неке песме које успевају да се успешно провуку низ наше ушне канале и настањују се у нашим мозговима. Шта ако је било могуће прочитати сигнале мозга и користити их да тачно погодите коју песму особа слуша у било ком тренутку?
Садржај
- Читање мисли, машине за обуку
- Пут до интерфејса мозак-рачунар
То су рекли истраживачи са одељења за дизајн усмерен на човека на Технолошком универзитету Делфт у Холандија и Одељење за когнитивне науке на Индијском институту за технологију Гандхинагар су ради на. У недавном експерименту, они су показали да је то изузетно могуће - и да би импликације могле бити значајније него што мислите.
Препоручени видео снимци
За студију, истраживачи су регрутовали групу од 20 људи. и замолио их да слушају 12 песама користећи слушалице. Да би им се помогло да се фокусирају, просторија је замрачена, а волонтерима стављене повезе на очи. Свака од њих је била опремљена капом за електроенцефалографију (ЕЕГ) која је у стању да неинвазивно ухвати електричну активност на њиховом скалпу док слушају песме.
Ови подаци о мозгу, заједно са одговарајућом музиком, затим су коришћени за обуку вештачка неуронска мрежа да би могли да идентификују везе између то двоје. Када је резултујући алгоритам тестиран на подацима које раније није видео, успео је да тачно идентификује песму са 85% тачности - у потпуности на основу можданих таласа.
„Песме су биле мешавина западних и индијских песама и укључивале су бројне жанрове,“ Крисхна Мииапурам, доцент когнитивне науке и рачунарства на Индијском институту за технологију Гандхинагар, рекао је за Дигитал Трендс. „На овај начин смо направили већи репрезентативни узорак за обуку и тестирање. Приступ је потврђен приликом добијања импресивне тачности класификације, чак и када смо ограничили податке о обуци на мањи проценат скупа података.
Читање мисли, машине за обуку
Ово није први пут да су истраживачи показали да је могуће извести демонстрације „читања мисли“ које би учиниле Дејвида Блејна љубоморним, а све користећи ЕЕГ податке. На пример, неуронаучници са канадског универзитета у Торонту Сцарбороугх су претходно реконструисали слике на основу ЕЕГ података за дигитално поново креирају слике лица похрањене у уму особе. Мииапурам’с сопственог претходног истраживања укључује пројекат у којем су ЕЕГ подаци коришћени за идентификацију филмских исјечака које су учесници погледали, а сваки је имао за циљ да изазове другачији емоционални одговор.
Занимљиво је да је овај најновији рад показао да алгоритми који су се показали веома ефикасни у погађању песама које се слушају да један учесник, након што је обучен на њиховом специфичном мозгу, не би функционисао тако добро када се примени на другог особа. У ствари, „не тако добро“ је грубо потцењивање: тачност ових тестова је пала са 85% на мање од 10%.
„Наше истраживање показује да појединци имају персонализовано искуство музике“, рекао је Мијапурам. „Очекивало би се да мозак реагује на сличан начин обрађујући информације из различитих стимуланса. Ово важи за оно што разумемо као карактеристике ниског нивоа или карактеристике на нивоу стимулуса. [Али] када је у питању музика, можда су карактеристике вишег нивоа, као што је уживање, које разликују индивидуална искуства.”
Дерек Ломас, доцент позитивне А.И. на Технолошком универзитету у Делфту, рекао је да је будући циљ пројекта мапирање односа између ЕЕГ фреквенција и музичких фреквенција. Ово би могло помоћи да се одговори на питања као што су да ли је већа естетска резонанца праћена већом неуронском резонанцом.
Другим речима, да ли ће особа која је „покренута” музичким делом показати већу корелацију између саме музике и одговор мозга, што омогућава прецизно предвиђање колико особа ужива у музичком делу једноставно гледањем у њене мождане таласе? Иако свачији одговор на музику може бити суптилно другачији, ово би могло помоћи да се расветли зашто људи траже музику за почетак.
Пут до интерфејса мозак-рачунар
„За краткорочне примене [у наредне две године], замишљамо механизам за музичке препоруке који би могао да се заснива на одговору мозга особе“, рекао је Ломас за Дигитал Трендс. „Тренутно имам студента који ради на алгоритамски генерисаној музици која максимизира неуронску резонанцу. Прилично је језиво: максимална неуронска резонанца није исто што и максимална естетска резонанца."
Средњорочно, Ломас је сугерисао да би то могло да доведе до моћних апликација за добијање информација о „дубини искуства“ у којима ужива особа која се бави медијима. Користећи алате за анализу мозга, може (и заиста би требало) бити могуће тачно предвидети колико је особа дубоко ангажована док, рецимо, гледа филм или слуша албум. Мера ангажовања заснована на мозгу би се тада могла користити за усавршавање специфичних искустава. Желите да свој филм учините привлачнијим за 90% гледалаца? Штипање ово сцена, промена то један.
„Дугорочно – 20 година – ово поље рада може омогућити методе за транскрибовање садржаја маште“, наставио је Ломас. „На пример, преписивање мисли у текст. То је велика будућност [интерфејса мозак-рачунар]“.
Као што је Ломас приметио, још увек смо далеко од тог коначног циља интерфејса мозак-рачунар. Без обзира на то, рад као што је овај сугерише да на том дрвету има доста укусног нижег воћа пре него што га коначно оборимо.
А рад који описује ово истраживање, под називом ГуессТхеМусиц: Идентификација песме из електроенцефалографије, недавно је представљен на ЦОДС-ЦОМАД 2021.
Препоруке уредника
- Дубоко учење А.И. може да имитира ефекте дисторзије култних гитарских богова
Надоградите свој животни стилДигитални трендови помажу читаоцима да прате убрзани свет технологије са свим најновијим вестима, забавним рецензијама производа, проницљивим уводницима и јединственим кратким прегледима.
