Исследователи из Хельсинкского университета разработали методику с использованием искусственного интеллекта, чтобы анализировать мнения и делать выводы, используя мозговую активность групп людей. Этот метод, который исследователи называют «мозговой сбор», можно использовать для классификации изображений или рекомендации контента, чего ранее не демонстрировалось.
Краудсорсинг – это метод разделения более сложной задачи на более мелкие задачи, которые могут быть распределены между большими группами людей и решены индивидуально. Например, людей можно спросить, можно ли увидеть объект на изображении, и их ответы используются в качестве инструктивных данных для системы распознавания изображений.
Даже самые современные системы распознавания изображений на основе искусственного интеллекта еще не полностью автоматизированы. Вместо этого для их обучения требуется мнение нескольких людей о содержании множества образцов изображений.
Исследователи из Хельсинкского университета экспериментировали с возможностью реализации краудсорсинга, анализируя электроэнцефалограммы (ЭЭГ) людей с помощью методов искусственного интеллекта. Вместо того, чтобы спрашивать мнение людей, эту информацию можно было прочитать непосредственно из ЭЭГ.
«Мы хотели выяснить, можно ли применить краудсорсинг к распознаванию изображений, используя естественные реакции людей без необходимости выполнять какие-либо ручные задачи с помощью клавиатуры или мыши», – говорит научный сотрудник Академии Туукка Руотсало из Университета Хельсинки.
Компьютеры классифицируют изображения
В ходе исследования 30 добровольцам были показаны изображения человеческих лиц на экране компьютера.
Участникам было предложено пометить лица в уме на основе того, что было изображено на изображениях. Например, изображен ли на изображении светловолосый или темноволосый человек, улыбающийся или не улыбающийся человек.
В отличие от обычных задач краудсорсинга, они не предоставляли никакой дополнительной информации с помощью мыши или клавиатуры – они просто наблюдали за изображениями, которые им представлялись.
Между тем, активность мозга каждого участника была собрана с помощью электроэнцефалографии. На основе ЭЭГ алгоритм ИИ научился распознавать изображения, относящиеся к задаче, например, когда на экране появляется изображение светловолосого человека.
По результатам эксперимента компьютер смог интерпретировать эти мысленные метки непосредственно с ЭЭГ.
Исследователи пришли к выводу, что мозговые ресурсы можно применять для простых и четко определенных задач распознавания. Высоконадежные результаты маркировки уже получены с использованием данных, собранных у 12 добровольцев.
Удобные для пользователя методы в пути
Полученные данные могут быть использованы в различных интерфейсах, сочетающих мозговую и компьютерную деятельность.
Эти интерфейсы потребуют наличия легкого и удобного для пользователя оборудования ЭЭГ в виде носимой электроники, в отличие от оборудования, используемого в исследовании, которое требует наличия обученного техника. Легкие носимые устройства для измерения ЭЭГ активно разрабатываются и могут быть доступны в ближайшем будущем.
«Наш подход ограничен доступными технологиями», – говорит Кейт Дэвис, студент и научный сотрудник Хельсинкского университета.
"Текущие методы измерения активности мозга подходят для контролируемых установок в лаборатории, но технологии необходимо усовершенствовать для повседневного использования. Кроме того, эти методы охватывают лишь очень небольшой процент от общей активности мозга.
По мере совершенствования технологий визуализации мозга может появиться возможность получать информацию о предпочтениях непосредственно из мозга. Вместо того, чтобы использовать обычные рейтинги или кнопки лайков, вы можете просто послушать песню или посмотреть шоу, и одной вашей мозговой активности будет достаточно, чтобы определить вашу реакцию на нее."