Замислите собу пуну столова, укупно више од две десетине. За сваким идентичним столом налази се компјутер са особом која седи испред њега и игра једноставну игрицу идентификације. Игра тражи од корисника да испуни низ основних задатака препознавања, као што је избор који фотографија из серије која приказује некога како се смеје или приказује особу са тамном косом или носи наочаре. Играч мора да донесе одлуку пре него што пређе на следећу слику.
Садржај
- Нова идеја о старој идеји
- Уђите у свет браинсоурцинга
- Будућност долази
Само што то не раде тако што кликну мишем или додирну екран осетљив на додир. Уместо тога, они бирају прави одговор једноставним размишљањем.
Свака особа у просторији је опремљена капицом за електроенцефалограм (ЕЕГ); траг жица који води од сваке особе до оближњег уређаја за снимање који монитори активност електричног напона на њиховом скалпу. Сцена изгледа као канцеларија отвореног плана у којој су сви укључени у Матрикс.
Повезан
- Аналогни А.И.? Звучи лудо, али то би могла бити будућност
- Нвидијин најновији А.И. резултати доказују да је АРМ спреман за дата центар
- Фејсбуков „дроидлет“ А.И. могао да подигне препознавање говора на потпуно нови ниво
„Учесници [у нашој студији] имали су једноставан задатак да само препознају [шта је од њих тражено да траже]“, Туукка Руотсало, научни сарадник на Универзитету у Хелсинкију, који водио је недавно објављено истраживање, рекао је за Дигитал Трендс. „Од њих није тражено да ураде ништа друго. Они су само погледали слике које су им приказане. Затим смо направили класификатор да видимо да ли можемо да идентификујемо исправно лице са циљним карактеристикама, искључиво на основу можданог сигнала. Ништа друго није коришћено, осим ЕЕГ сигнала у тренутку када су учесници видели слику.
У експерименту, укупно 30 добровољаца је показало слике синтетизованих људских лица (да би се избегло могућност да неко од учесника препозна особу која им је приказана, и стога искриви резултати). Од учесника је затражено да ментално означе лица на основу онога што су видели и од њих се тражило да потраже. Користећи само те податке о можданој активности, ан вештачка интелигенција алгоритам је научио да препознаје слике, на пример када се плавуша појави на екрану.
Нова идеја о старој идеји
Ово је импресивна ствар, али није посебно нова. Најмање у последњој деценији, истраживачи су користили податке о можданој активности, прикупљене путем ЕЕГ-а или фМРИ-а, да би спровели низ све импресивнијих демонстрација читања мисли. У неким случајевима, то је идентификација одређене слике или видео снимка, као што је случај са недавном студијом током које су истраживачи из Лабораторије за неуророботику у Москви показали да је могуће открити који видео клипове које људи гледају праћењем њихове мождане активности.
У другим случајевима, ови увиди се могу користити за покретање одређених одговора. На пример, 2011. истраживачи са Вашингтонског универзитета у Сент Луису поставили су привремене електроде преко говорног центра нечијег мозга и затим показали да су у стању да померите курсор рачунара на екрану једноставно тако што ће особа да размисли где жели да је премести. Друге студије су показале да се подаци о мозгу могу користити за померање роботских удова или лебдећих дронова.
Оно што недавну студију Универзитета у Хелсинкију чини романом и занимљивом јесте то што се фокусира на то како мождана активност група људи, а не појединачних људи, може се користити за извођење закључака, као што је класификација слика. Не само да су показали да то функционише, већ да — барем до одређене тачке — што више људи додате у групу, подаци постају тачнији.
„Када додамо још људи у скуп извора мозга, тако да се подаци о мозгу снимају од групе људи, постижемо перформансе од преко 90% тачности“, рекао је Руотсало. „[То је] скоро на нивоу [тражити групу да ручно означи одговоре.]“
Ово би у почетку могло звучати контраинтуитивно. Ако су подаци о мозгу бучни, зар додавање више људи не би учинило још бучним? На крају крајева, ако желите да слушате звук који је посебно тешко чути у просторији, лакше је ако имате само једну особу која говори преко тога него 10. Или 30. Али као што је историја револуције великих података и многе од најзначајнијих демонстрација машинског учења у акције, јасно су рекли, што више података имате на располагању за решавање проблема, то су системи прецизнији постати.
„Сигнал је генерално бучан од ЕЕГ-а или било којег другог снимања мозга, а учесници или људи не присуствују увек 100%“, објаснио је Руотсало. „Размислите о томе да сами гледате слике. Понекад, након што погледате [у] многе, ваш ум може одлутати. Чак и са појединачним учесницима, истраживачи често користе трикове, као што је понављање истог стимулуса изнова да би могли да усредсреде буку. Овде користимо сигнале многих учесника.”
Шанса да су бар неки појединци фокусирани у сваком тренутку је знатно повећана у односу на само једног појединца. Додајте појам мудрости гомиле (више о томе касније) и добићете врашки моћну комбинацију.
Уђите у свет браинсоурцинга
Туукка Руотсало и његов тим ово групно читање мозга називају „браинсоурцингом“. То је игра са термином цровдсоурцинг, који се односи на начин да се један велики задатак подели на мање задатке који се могу поделити великим групама људи да помогну решити. Овде у 2020., цровдсоурцинг би могао бити најсиноним за платформе за прикупљање новца као што је Кицкстартер, где је „велики задатак“ почетни капитал потребан за лансирање производа, а дистрибуирани елемент заснован на маси укључује тражење људи да уложе мање суме новац.
Међутим, цровдсоурцинг се може користити и за друге апликације. Амазонова платформа Мецханицал Турк и Апплеов РесеарцхКит су алати за цровдсоурцинг који користе моћ гомиле за задатке који се крећу од одговарања на анкете до спровођења важних академских истраживања. У међувремену, компаније као што су ТаскРаббит и 99десигнс користе гомилу како би помогли купцима да се поклопе са правом особом да испоручи било шта, од рада у дворишту и куповине намирница до дизајнирања савршеног логотипа или мастхеда за вашу веб локацију.
Браинсоурцинг: Задаци за препознавање у групи преко колаборативног можданог рачунарског интерфејса (Теасер)
А.И. такође може имати користи од цровдсоурцинга. Узмите у обзир, на пример, Гоогле-ова реЦАПТЦХА технологија. Већина нас вероватно сматра реЦАПТЦХА начином на који веб локације могу да провере да ли смо бот пре него што нам дозволе да извршимо одређени задатак. Довршавање реЦАПТЦХА може укључивати читање врцкаве линије текста или клик на сваку слику у избору који укључује мачку. Али реЦАПТЦХА се не ради само о тестирању да ли смо људи или не; они су такође веома паметан начин прикупљања података који се могу користити да би Гоогле-ово препознавање слика А.И. паметнији. Сваки пут када прочитате фрагмент текста са знака поред пута на реЦАПТЦХА слици, могли бисте да допринесете да, рецимо, Гоогле-ови аутомобили који се сами возе буду мало бољи у препознавању стварног света. Када Гоогле прикупи довољно одговора за слику, Гоогле је прилично сигуран да има тачан одговор.
Прерано је размишљати о томе како би извор мозга практично могао да се заснива на овим идејама. „Покушавали смо да сами размислимо о овоме“, рекао је Руотсало. „Мислим да још немамо ни идеје. То је само доказ концепта да то можемо. Сада је отворено за друге људе да истраже колико добро, и које врсте задатака, и за које врсте група људи ово можемо да користимо."
Будућност долази
Али потенцијал свакако постоји. Комерцијално доступни носиви ЕЕГ монитори сада почињу да постају доступни - у облицима који варирају од слушалице за читање мозга до паметне тетоваже. Тренутно, ЕЕГ демонстрације попут оне у овој студији мере само мали проценат укупне мождане активности особе. Али временом би се ово могло повећати, што значи да се може прикупити мање бинарна збирка информација. Уместо да добије само „да“ или „не“ одговор на питања, ова технологија би могла да посматра одговор људи на више сложена питања, могли би да прате одговоре на медије попут ТВ емисије или филма, а затим да враћају скупне податке о маси творци.
„Уместо да користите конвенционалне оцене или дугмад за свиђање, могли бисте једноставно да слушате песму или гледате емисију, а ваш мозак сама активност би била довољна да одредите свој одговор на њу“, рекао је Кеитх Давис, студент и истраживачки асистент пројекат, речено је у саопштењу за јавност пратећи рад.
Замислите да милиони људи носе носиве уређаје за праћење ЕЕГ-а и да неком проценту од њих понудите микроуплату 10 пута дневно у замену за неколико секунди да помогнете у решавању одређеног задатка. Фанцифул? Можда управо сада, али и многе данашње цровдсоурцинг технологије пре само неколико година.
У емисији Ко жели да буде милионер, једна од „жила за спасавање“ која је доступна такмичарима је могућност да публици постави одређено питање. Када се ова једнократна линија спасавања покрене, публика користи гласачке блокове причвршћене за њихова места и гласа за одговор на питање са вишеструким одговорима за које верује да је тачан. Компјутер затим збраја резултате и показује их у процентима такмичару. Према књизи Џејмса Суровиецког, Мудрост гомиле, постављање питања публици даје тачан одговор више од 90% времена. То је знатно боље од опције 50/50 у емисији, која елиминише два нетачна одговора, и опције да телефонирате пријатељу, што вам даје тачан одговор око две трећине времена.
Може ли извођење мозга бити следећа сјајна идеја технологије; помаже да се уради све, од побољшања забаве до обуке бољег А.И. да одговорим на сва питања? Додуше, прерано је рећи. Али ово је дефинитивно термин о којем ћете чути много више у наредним месецима, годинама и деценијама.
Препоруке уредника
- Нвидијин суперкомпјутер би могао да уведе нову еру ЦхатГПТ-а
- Смешна формула: Зашто је хумор генерисан машинама свети грал А.И.
- Нвидијин нови глас А.И. звучи као права особа
- Интелов невероватан АИ за праћење спортиста. је 'свети грал' технологије обуке
- Технологија препознавања лица за медведе има за циљ да заштити људе
