จากการเดินทางของ”อย่าหยุดเชื่อ”ถึงราชินี”โบฮีเมียนแรปโซดี้” ถึง Kylie Minogue”ไม่สามารถเอาคุณออกไปจากหัวของฉันได้” มีบางเพลงที่สามารถเจาะช่องหูของเราและเข้าไปอยู่ในสมองของเราได้สำเร็จ จะเป็นอย่างไรหากสามารถอ่านสัญญาณของสมองได้ และใช้สัญญาณเหล่านี้เพื่อเดาได้อย่างแม่นยำว่าบุคคลหนึ่งกำลังฟังเพลงไหนในช่วงเวลาใดก็ตาม
สารบัญ
- อ่านใจ เครื่องฝึก
- เส้นทางสู่การเชื่อมต่อสมองและคอมพิวเตอร์
นั่นคือสิ่งที่นักวิจัยจากแผนกการออกแบบที่เน้นมนุษย์เป็นศูนย์กลางของมหาวิทยาลัยเทคโนโลยีเดลฟต์ เนเธอร์แลนด์และแผนก Cognitive Science ของสถาบันเทคโนโลยีคานธีนครแห่งอินเดียได้รับ กำลังทำงานอยู่ ในการทดลองล่าสุด พวกเขาแสดงให้เห็นว่ามันเป็นไปได้อย่างมาก และผลกระทบอาจมีนัยสำคัญมากกว่าที่คุณคิด
วิดีโอแนะนำ
สำหรับการศึกษานี้ นักวิจัยได้คัดเลือกกลุ่มคนจำนวน 20 คน และขอให้ฟังเพลง 12 เพลงโดยใช้ หูฟัง. เพื่อช่วยให้พวกเขามีสมาธิ ห้องจึงมืดลงและอาสาสมัครก็ถูกปิดตา แต่ละคนได้รับการติดตั้งฝาครอบคลื่นไฟฟ้าสมอง (EEG) ซึ่งสามารถรับกิจกรรมทางไฟฟ้าบนหนังศีรษะได้โดยไม่เป็นอันตรายขณะฟังเพลง
ข้อมูลสมองนี้ควบคู่ไปกับเพลงที่เกี่ยวข้อง จะถูกนำมาใช้ในการฝึก
โครงข่ายประสาทเทียม เพื่อให้สามารถระบุความเชื่อมโยงระหว่างทั้งสองได้ เมื่ออัลกอริธึมผลลัพธ์ได้รับการทดสอบกับข้อมูลที่ไม่เคยเห็นมาก่อน สามารถระบุเพลงได้อย่างถูกต้องด้วยความแม่นยำ 85% โดยอิงจากคลื่นสมองทั้งหมด“เพลงดังกล่าวเป็นการผสมผสานระหว่างเพลงตะวันตกและเพลงอินเดีย และมีแนวเพลงหลายประเภท” กฤษณะ มิยะปุรัมผู้ช่วยศาสตราจารย์ด้านความรู้ความเข้าใจและวิทยาการคอมพิวเตอร์ที่ Indian Institute of Technology Gandhinagar กล่าวกับ Digital Trends “ด้วยวิธีนี้ เราจึงสร้างตัวอย่างตัวแทนขนาดใหญ่ขึ้นสำหรับการฝึกอบรมและการทดสอบ วิธีการนี้ได้รับการยืนยันเมื่อได้รับความแม่นยำในการจำแนกประเภทที่น่าประทับใจ แม้ว่าเราจะจำกัดข้อมูลการฝึกให้เหลือเพียงเปอร์เซ็นต์ที่น้อยกว่าของชุดข้อมูลก็ตาม”
อ่านใจ เครื่องฝึก
นี่ไม่ใช่ครั้งแรกที่นักวิจัยได้แสดงให้เห็นว่ามีความเป็นไปได้ที่จะดำเนินการสาธิต "การอ่านใจ" ซึ่งจะทำให้ David Blaine อิจฉา โดยทั้งหมดนี้ใช้ข้อมูล EEG ตัวอย่างเช่น นักประสาทวิทยาจากมหาวิทยาลัยโตรอนโต สการ์โบโรห์ของแคนาดา ได้สร้างภาพขึ้นใหม่โดยอาศัยข้อมูล EEG เพื่อ สร้างภาพใบหน้าใหม่แบบดิจิทัล เก็บไว้ในจิตใจของบุคคล มิยาปุรัม งานวิจัยก่อนหน้านี้ของตัวเอง รวมถึงโครงการที่ใช้ข้อมูล EEG เพื่อระบุคลิปภาพยนตร์ที่ผู้เข้าร่วมดู โดยแต่ละคลิปมีจุดประสงค์เพื่อกระตุ้นการตอบสนองทางอารมณ์ที่แตกต่างกัน
สิ่งที่น่าสนใจคืองานล่าสุดนี้แสดงให้เห็นว่าอัลกอริธึมที่พิสูจน์แล้วว่ามีประสิทธิภาพมากในการเดาเพลงที่กำลังฟัง โดยผู้เข้าร่วมรายหนึ่ง หลังจากได้รับการฝึกฝนเกี่ยวกับสมองเฉพาะของตนแล้ว จะไม่ได้ผลดีนักเมื่อนำไปใช้กับอีกรายหนึ่ง บุคคล. ในความเป็นจริง "ไม่ดีนัก" ถือเป็นการพูดที่น้อยเกินไป: ความแม่นยำในการทดสอบเหล่านี้ลดลงจาก 85% เหลือน้อยกว่า 10%
“งานวิจัยของเราแสดงให้เห็นว่า แต่ละคนมีประสบการณ์ด้านดนตรีเป็นส่วนตัว” มิยาปุรัมกล่าว “ใครๆ ก็คาดหวังว่าสมองจะตอบสนองในลักษณะเดียวกันในการประมวลผลข้อมูลจากสิ่งเร้าที่แตกต่างกัน สิ่งนี้เป็นจริงสำหรับสิ่งที่เราเข้าใจว่าเป็นคุณสมบัติระดับต่ำหรือคุณสมบัติระดับกระตุ้น [แต่] เมื่อพูดถึงเรื่องดนตรี บางทีคุณสมบัติระดับสูงกว่า เช่น ความเพลิดเพลิน นี่แหละที่ทำให้ประสบการณ์ของแต่ละบุคคลแตกต่างออกไป”
เดเร็ค โลมาสผู้ช่วยศาสตราจารย์ด้าน A.I. เชิงบวก ที่มหาวิทยาลัยเทคโนโลยีเดลฟต์ กล่าวว่าเป้าหมายในอนาคตของโครงการคือการจัดทำแผนที่ความสัมพันธ์ระหว่างความถี่ EEG และความถี่ดนตรี สิ่งนี้สามารถช่วยตอบคำถามต่างๆ เช่น เสียงสะท้อนเชิงสุนทรีย์ที่มากขึ้นนั้นมาพร้อมกับเสียงสะท้อนของระบบประสาทที่มากขึ้นหรือไม่
กล่าวอีกนัยหนึ่งคือบุคคลที่ "ประทับใจ" กับดนตรีชิ้นหนึ่งจะแสดงความสัมพันธ์ที่มากขึ้นระหว่างตัวเพลงกับเพลง การตอบสนองของสมอง ทำให้สามารถคาดเดาได้อย่างแม่นยำว่าคนๆ หนึ่งเพลิดเพลินกับดนตรีมากแค่ไหนเพียงแค่ดูคลื่นสมองของพวกเขา? แม้ว่าการตอบสนองต่อดนตรีของทุกคนอาจแตกต่างกันเล็กน้อย แต่สิ่งนี้สามารถช่วยให้ความกระจ่างได้ว่าเหตุใดมนุษย์จึงมองหาดนตรีตั้งแต่แรก
เส้นทางสู่การเชื่อมต่อสมองและคอมพิวเตอร์
“สำหรับการใช้งานในระยะสั้น (ในอีกสองปีข้างหน้า) เราจินตนาการถึงเครื่องมือแนะนำเพลงที่อาจอิงตามการตอบสนองของสมองของบุคคล” Lomas กล่าวกับ Digital Trends “ขณะนี้ฉันมีนักเรียนคนหนึ่งที่ทำงานเกี่ยวกับเพลงที่สร้างด้วยอัลกอริทึมซึ่งจะเพิ่มการสะท้อนของระบบประสาทให้สูงสุด มันค่อนข้างน่าขนลุก: เสียงสะท้อนของระบบประสาทสูงสุดไม่เหมือนกับเสียงสะท้อนด้านสุนทรียภาพสูงสุด”
ในระยะกลาง Lomas แนะนำว่าสิ่งนี้อาจนำไปสู่การประยุกต์ที่มีประสิทธิภาพเพื่อรับข้อมูลเกี่ยวกับ “ประสบการณ์เชิงลึก” ที่บุคคลมีส่วนร่วมกับสื่อได้รับ การใช้เครื่องมือวิเคราะห์สมองอาจ (และควร) สามารถคาดการณ์ได้อย่างแม่นยำว่าบุคคลนั้นมีส่วนร่วมอย่างลึกซึ้งเพียงใดในขณะที่พูด ดูหนัง หรือฟังอัลบั้ม การวัดการมีส่วนร่วมโดยใช้สมองสามารถใช้เพื่อฝึกฝนประสบการณ์ที่เฉพาะเจาะจงได้ ต้องการทำให้ภาพยนตร์ของคุณน่าดึงดูดยิ่งขึ้นสำหรับผู้ชม 90% หรือไม่? บิด นี้ ฉากการเปลี่ยนแปลง ที่ หนึ่ง.
“ในระยะยาว 20 ปี งานด้านนี้อาจช่วยให้สามารถถ่ายทอดเนื้อหาของจินตนาการได้” โลมาสกล่าวต่อ “เช่น การถ่ายทอดความคิดเป็นข้อความ นั่นคืออนาคตที่ยิ่งใหญ่ของ [อินเทอร์เฟซคอมพิวเตอร์สมอง]”
ดังที่ Lomas กล่าวไว้ เรายังห่างไกลจากเป้าหมายสุดท้ายของอินเทอร์เฟซคอมพิวเตอร์สมอง อย่างไรก็ตาม งานเช่นนี้แสดงให้เห็นว่ามีผลไม้ห้อยต่ำแสนอร่อยมากมายบนต้นไม้ต้นนั้นก่อนที่เราจะโค่นล้มในที่สุด
ก กระดาษอธิบายการวิจัยนี้มีการนำเสนอชื่อ GuessTheMusic: Song Identification from Electroencephalography ที่งาน CODS-COMAD 2021 เมื่อเร็ว ๆ นี้
คำแนะนำของบรรณาธิการ
- การเรียนรู้เชิงลึก A.I. สามารถเลียนแบบเอฟเฟ็กต์การบิดเบี้ยวของเทพเจ้าแห่งกีตาร์อันเป็นเอกลักษณ์ได้
อัพเกรดไลฟ์สไตล์ของคุณDigital Trends ช่วยให้ผู้อ่านติดตามโลกแห่งเทคโนโลยีที่เปลี่ยนแปลงไปอย่างรวดเร็วด้วยข่าวสารล่าสุด รีวิวผลิตภัณฑ์สนุกๆ บทบรรณาธิการที่เจาะลึก และการแอบดูที่ไม่ซ้ำใคร
