Toplamda iki düzineden fazla sayıda masayla dolu bir oda hayal edin. Her bir aynı masada, önünde basit bir kimlik belirleme oyunu oynayan bir kişinin oturduğu bir bilgisayar vardır. Oyun, kullanıcıdan bir dizi temel tanıma görevini tamamlamasını ister. Gülümseyen birini gösteren veya siyah saçlı veya siyah saçlı bir kişiyi gösteren bir serinin fotoğrafı gözlük. Oyuncu bir sonraki resme geçmeden önce kararını vermelidir.
İçindekiler
- Eski bir fikre yeni bir dönüş
- Beyin kaynağı dünyasına girin
- Gelecek geliyor
Ancak bunu fareleriyle tıklayarak veya dokunmatik ekrana dokunarak yapmazlar. Bunun yerine sadece düşünerek doğru cevabı seçerler.
Odadaki her kişi bir elektroensefalogram (EEG) kafatası başlığıyla donatılmıştır; her kişiden yakındaki bir kayıt cihazına giden kablo izi monitörler kafa derisindeki elektrik voltajı aktivitesi. Sahne, herkesin Matrix'e sokulduğu açık planlı bir ofise benziyor.
İlgili
- Analog yapay zeka mı? Çılgınca gelebilir ama gelecek olabilir
- Nvidia'nın en yeni yapay zekası. sonuçlar ARM'ın veri merkezi için hazır olduğunu kanıtlıyor
- Facebook'un 'droidlet'i A.I. konuşma tanımayı tamamen yeni bir seviyeye taşıyabilir
"[Çalışmamızdaki] katılımcılar, [kendilerinden ne aramaları istendiğini] tanımak gibi basit bir görevle karşı karşıyaydı." Tuukka RuotsaloHelsinki Üniversitesi'nde araştırma görevlisi olan yakın zamanda yayınlanan araştırmaya öncülük etti, Digital Trends'e söyledi. “Onlardan başka bir şey yapmaları istenmedi. Sadece kendilerine gösterilen resimlere baktılar. Daha sonra, yalnızca beyin sinyaline dayanarak, hedef özelliklerle doğru yüzü tanımlayıp tanımlayamayacağımızı görmek için bir sınıflandırıcı oluşturduk. Katılımcıların resmi gördüğü andaki EEG sinyali dışında başka hiçbir şey kullanılmadı.”
Deneyde, toplam 30 gönüllüye sentezlenmiş insan yüzlerinin görüntüleri gösterildi. katılımcılardan birinin kendisine gösterilen kişiyi tanıması ve dolayısıyla görüntüyü çarpıtması ihtimali sonuçlar). Katılımcılardan, gördüklerine ve aramalarına göre yüzleri zihinsel olarak etiketlemeleri istendi. Yalnızca bu beyin aktivitesi verilerini kullanarak, yapay zeka Algoritma, ekranda sarışın bir kişinin görünmesi gibi görüntüleri tanımayı öğrendi.
Eski bir fikre yeni bir dönüş
Bu etkileyici bir şey ama özellikle yeni değil. En azından son on yılda araştırmacılar, EEG veya fMRI yoluyla toplanan beyin aktivitesi verilerini, giderek daha etkileyici hale gelen düşünce okuma gösterileri gerçekleştirmek için kullandılar. Bazı durumlarda, Moskova'daki Nörorobotik Laboratuvarı'ndaki araştırmacıların, hangisinin hangisi olduğunu bulmanın mümkün olduğunu gösterdiği yakın tarihli bir çalışmada olduğu gibi, belirli bir görüntü veya videonun tanımlanmasıdır. insanların izlediği video klipler beyin aktivitelerini izleyerek.
Diğer durumlarda bu bilgiler belirli yanıtları tetiklemek için kullanılabilir. Örneğin, 2011 yılında St. Louis'deki Washington Üniversitesi'ndeki araştırmacılar, bir kişinin beyninin konuşma merkezi üzerine geçici elektrotlar yerleştirdiler ve ardından bunların şunları yapabildiğini gösterdiler. bilgisayar imlecini ekranda hareket ettirme basitçe kişinin onu nereye taşımak istediğini düşünmesini sağlayarak. Yine başka çalışmalar, beyin verilerinin robotik uzuvları veya uçan dronları hareket ettirmek için kullanılabileceğini gösterdi.
Helsinki Üniversitesi'nin son çalışma romanını ilginç kılan şey, bir kişinin beyin aktivitesinin nasıl gerçekleştiğine odaklanmasıdır. grup Tek kişi yerine kişi sayısı, görüntüleri sınıflandırmak gibi sonuçlara varmak için kullanılabilir. Sadece işe yaradığını göstermekle kalmadılar, aynı zamanda - en azından bir noktaya kadar - gruba ne kadar çok kişi eklerseniz verilerin o kadar doğru olacağını gösterdiler.
Ruotsalo, "Beyin kaynak havuzuna daha fazla insan eklediğimizde, böylece bir grup insandan beyin verileri kaydedildiği zaman, %90'ın üzerinde doğruluk oranına sahip bir performans elde ediyoruz" dedi. "[Bu,] neredeyse [bir gruptan yanıtları manuel olarak etiketlemesini istemek] düzeyinde."
Bu başlangıçta mantığa aykırı gelebilir. Eğer beyin verileri gürültülüyse, daha fazla kişinin eklenmesi onu daha da gürültülü yapmaz mı? Sonuçta, bir odada özellikle duyulması zor bir sesi dinlemek istiyorsanız, 10 kişi yerine yalnızca bir kişinin konuşması daha kolaydır. Veya 30. Ancak büyük veri devriminin tarihi ve makine öğreniminin en dikkate değer kanıtlarının çoğu Bir sorunu çözmek için elinizde ne kadar çok veri varsa, sistemlerin o kadar doğru olacağını açıkça belirttim. haline gelmek.
Ruotsalo, "EEG'den veya diğer beyin görüntülemelerinden gelen sinyal genel olarak gürültülü ve katılımcılar veya insanlar her zaman %100 katılmıyor" diye açıkladı. “Resimlere kendi başınıza bakmayı düşünün. Bazen pek çok şeye baktıktan sonra aklınız dağılabilir. Araştırmacılar, tek katılımcılarla bile gürültünün ortalamasını alabilmek için aynı uyaranı tekrarlamak gibi hilelere sıklıkla başvuruyorlar. Burada birçok katılımcıdan gelen sinyalleri kullanıyoruz."
Her seferinde en azından bazı kişilerin odaklanma şansı, tek bir kişiye göre büyük ölçüde artar. Kalabalıkların bilgeliği kavramını da ekleyin (bu konuya daha sonra değineceğim) ve ortaya çok güçlü bir kombinasyon çıkıyor.
Beyin kaynağı dünyasına girin
Tuukka Ruotsalo ve ekibi bu grup tabanlı beyin okumaya "beyin kaynağı" adını veriyor. Bu, kitle kaynak kullanımı terimiyle ilgili bir oyun, büyük bir görevi, yardımcı olmak için büyük insan gruplarına dağıtılabilecek daha küçük görevlere bölmenin bir yoluna atıfta bulunmak çözmek. 2020'de kitle kaynak kullanımı, Kickstarter gibi para toplama platformlarıyla eşanlamlı olabilir; burada "büyük görev", Bir ürünü piyasaya sürmek için gereken başlangıç sermayesi ve dağıtılmış kalabalığa dayalı unsur, insanlardan daha küçük miktarlarda para yatırmalarını istemeyi içeriyor para.
Ancak kitle kaynak kullanımı diğer uygulamalara da katkıda bulunabilir. Amazon’un Mechanical Turk platformu ve Apple'ın Araştırma Kiti anketleri yanıtlamaktan önemli akademik araştırmaları yürütmeye kadar çeşitli görevler için kalabalığın gücünden yararlanan kitle kaynak araçlarıdır. Bu arada TaskRabbit ve 99designs gibi şirketler, müşterilerin doğru kişiyle eşleşmesine yardımcı olmak için kalabalıktan yararlanıyor bahçe işleri ve market alışverişinden web siteniz için mükemmel logo veya künyeyi tasarlamaya kadar her şeyi sunmak.
Beyin Kaynak Kullanımı: İşbirlikçi Beyin Bilgisayar Arayüzü Aracılığıyla Kitle Kaynak Kullanımı Tanıma Görevleri (Tanıtım Fragmanı)
yapay zeka kitle kaynak kullanımından da yararlanabilirler. Örneğin şunu düşünün: Google'ın reCAPTCHA teknolojisi. Birçoğumuz muhtemelen reCAPTCHA'yı, web sitelerinin belirli bir görevi gerçekleştirmemize izin vermeden önce bot olup olmadığımızı kontrol edebilmesinin bir yolu olarak görüyoruz. Bir reCAPTCHA'yı tamamlamak, hareketli bir metin satırını okumayı veya kedi içeren bir seçimdeki her görsele tıklamayı içerebilir. Ancak reCAPTCHA'lar yalnızca insan olup olmadığımızı test etmekle ilgili değil; aynı zamanda Google'ın görüntü tanıma yapay zekasını geliştirmek için kullanılabilecek verileri toplamanın çok akıllıca bir yoludur. daha akıllı. Bir reCAPTCHA görselindeki yol kenarındaki tabeladan bir parça metin okuduğunuz her seferde, örneğin Google'ın sürücüsüz arabalarının gerçek dünyayı tanıma konusunda biraz daha iyi olmasına katkıda bulunabilirsiniz. Google bir görsel için yeterli sayıda yanıt topladığında, Google görselin doğru bir yanıta sahip olduğundan makul ölçüde emin olur.
Beyin kaynaklarının pratikte bu fikirler üzerine nasıl inşa edilebileceğini düşünmek için henüz çok erken. Ruotsalo, "Bunu kendimiz düşünmeye çalışıyorduk" dedi. "Henüz fikir sahibi olduğumuzu sanmıyorum. Bu sadece bunu yapabileceğimizin bir kanıtı. Artık diğer insanların bunu ne kadar iyi, ne tür görevler ve ne tür insan grupları için kullanabileceğimizi keşfetmesi açık."
Gelecek geliyor
Ama potansiyel kesinlikle var. Ticari olarak temin edilebilen giyilebilir EEG monitörleri artık çeşitli şekillerde mevcut olmaya başlıyor; beyin okuyan kulaklıklar ile akıllı dövmeler. Şu anda, bu çalışmadaki gibi EEG gösterileri, bir kişinin toplam beyin aktivitesinin yalnızca küçük bir yüzdesini ölçmektedir. Ancak zamanla bu artabilir, bu da daha az ikili bilgi koleksiyonunun toplanabileceği anlamına gelir. Bu teknoloji, sorulara yalnızca "evet" veya "hayır" yanıtı almak yerine, insanların daha fazla soruya verdiği yanıtları gözlemleyebiliyor. karmaşık sorular, bir TV programı veya film gibi medyaya verilen yanıtları izleyebilir ve ardından toplu kitle verilerini kendi ana sayfasına geri besleyebilir. yapımcılar.
"Geleneksel derecelendirme veya beğenme düğmelerini kullanmak yerine, yalnızca bir şarkıyı dinleyebilir veya bir programı izleyebilirsiniz ve beyniniz Öğrenci ve araştırma görevlisi Keith Davis, tek başına aktivitenin buna tepkinizi belirlemek için yeterli olacağını söyledi. proje, bir basın açıklamasında söyledi çalışmaya eşlik ediyor.
Milyonlarca insanın EEG izleme giyilebilir cihazları kullandığını ve belirli bir görevi çözmeye yardımcı olmak için birkaç saniye ayırmaları karşılığında belirli bir yüzdeye günde 10 kez mikro ödeme teklif ettiğinizi hayal edin. Hayalperest mi? Belki şu anda öyle ama sadece birkaç yıl önce günümüzün kitlesel kaynak teknolojilerinin çoğu da aynı durumdaydı.
Oyun şovunda Kim Milyoner Olmak ister, yarışmacıların kullanabileceği "yaşam halatlarından" biri seyirciye belirli bir soru sorma seçeneğidir. Bu tek seferlik yaşam çizgisi tetiklendiğinde, seyirci koltuklarına iliştirilen oylama kâğıtlarını kullanarak doğru olduğuna inandıkları çoktan seçmeli bir sorunun cevabına oy verir. Bilgisayar daha sonra sonuçları sayar ve bunları yarışmacıya yüzde olarak gösterir. James Surowiecki'nin kitabına göre, Kalabalıkların Bilgeliği, dinleyicilere soru sormak %90'dan fazla oranda doğru cevabı verir. Bu, dizinin iki yanlış yanıtı ortadan kaldıran 50/50 seçeneğinden ve yaklaşık üçte iki oranında size doğru yanıtı veren bir arkadaşınıza telefon etme seçeneğinden çok daha iyi.
Beyin kaynağı teknolojinin bir sonraki harika fikri olabilir mi? eğlenceyi geliştirmekten daha iyi yapay zeka eğitimi vermeye kadar her şeyin yapılmasına yardımcı oluyor. her türlü soruyu cevaplamak için? Kuşkusuz bunu söylemek için henüz çok erken. Ancak bu kesinlikle önümüzdeki aylarda, yıllarda ve on yıllarda hakkında çok daha fazla şey duyacağınız bir terim.
Editörlerin Önerileri
- Nvidia'nın süper bilgisayarı ChatGPT'de yeni bir dönem başlatabilir
- Komik formül: Makine tarafından üretilen mizah neden yapay zekanın kutsal kâsesidir?
- Nvidia'nın yeni sesi A.I. tıpkı gerçek bir insana benziyor
- Intel'in inanılmaz sporcu takip yapay zekası. eğitim teknolojisinin 'kutsal kâsesidir'
- Ayılar için yüz tanıma teknolojisi insanları güvende tutmayı amaçlıyor
