Monitorowanie elektroencefalogramów za pomocą sztucznej inteligencji umożliwia ustalenie preferencji dużych grup ludzi za pomocą ich aktywności mózgowej.
Naukowcy Uniwersytetu Helsińskiego opracowali za pomocą sztucznej inteligencji metodę analizowania opinii i wyciągania wniosków, używając aktywności mózgowej grup ludzi. Ta metoda, którą naukowcy nazywają “brainsourcing”, może zostać użycia do klasyfikowania zdjęć albo polecania zawartości, co do tej pory nie było możliwe.
Crowdsourcing to metoda rozbicia złożonego zadania na mniejsze, dystrybuowane do dużych grup ludzi i rozwiązywane indywidualnie. Można na przykład zapytać ludzi o to, czy dany obiekt widać na obrazie, a ich odpowiedzi wykorzystać jako dane instruktażowe dla systemu rozpoznawania obrazu. Nawet najbardziej zaawansowane systemy oparte na sztucznej inteligencji nie są w pełni zautomatyzowane. Uczenie ich wymaga oceny większej ilości ludzi na zawartość wielu przykładowych obrazów.
Naukowcy Uniwersytetu Helsińskiego eksperymentowali z możliwością wykonywania crowdsourcingu poprzez analizę elektroencefalogramów (EEG) za pomocą sztucznej inteligencji. Zamiast pytania ludzi o ocenę, ta informacja mogłaby być odczytywana bezpośrednio z EEG.
– Chcieliśmy sprawdzić czy crowdsourcing może zostać użyty do rozpoznawania obrazu wykorzystując naturalne ludzkie reakcje bez potrzeby wykonywania jakichkolwiek manualnych działań za pomocą myszki czy klawiatury – mówi Tuukka Ruotsalo, pracownik naukowy akademii z Uniwersytetu Helsińskiego.
Komputery klasyfikują obrazy
Podczas badań 30 wolontariuszom pokazywano na komputerze zdjęcia ludzkich twarzy. Uczestnikom polecono etykietować w myślach twarze na podstawie tego, co zostało przedstawione na obrazach — na przykład czy osoba na zdjęciu miała jasne czy ciemne włosy, albo czy się uśmiechała. W przeciwieństwie do typowych zadań crowdsourcingu, nie podawali oni informacji za pomocą myszy czy klawiatury — a jedynie obserwowali prezentowane im zdjęcia.
W tym czasie aktywność mózgu każdego z uczestników była zbierana za pomocą Elektroencefalografii. Na podstawie EEG algorytm sztucznej inteligencji uczył się rozpoznawać obrazy zgodnie z zadaniem, na przykład czy na zdjęciu pojawiła się osoba o jasnych włosach. W rezultacie komputer był w stanie zinterpretować etykiety bezpośrednio z EEG.
Naukowcy stwierdzili, że brainsourcing może być używany przy prostych i dobrze zdefiniowanych zadaniach polegających na rozpoznawaniu. Wysoce wiarygodne wyniki etykietowania uzyskano już po wykorzystaniu danych zebranych od 12 woluntariuszy.
Łatwe w obsłudze wearables już nadchodzą
Wyniki badań mogą zostać użyte przy różnych interfejsach, które łączą aktywność mózgu i komputera. Te interfejsy wymagałyby dostępności lekkiego i łatwego w obsłudze sprzętu EEG w formie wearables [urządzenia ubieralne], w przeciwieństwie do sprzętu użytego podczas badań, który wymaga obecności przeszkolonego technika. Lekkie wearables mierzące EEG są już opracowywane i mogą być dostępne w niedalekiej przyszłości.
– Nasze podejście jest ograniczone dostępną technologią – powiedział ” Keith Davis, student i asystent naukowy Uniwersytetu Helsińskiego.
– Obecne metody mierzenia aktywności mózgu są odpowiednie dla warunków laboratoryjnych, ale do codziennego użytku potrzebujemy lepszej technologii. Co więcej, te metody wychwytują jedynie niewielki procent całkowitej aktywności mózgu. Wraz z udoskonaleniem technologii obrazowania mózgu może stać się możliwe przechwytywanie informacji o preferencjach bezpośrednio z mózgu. Zamiast używania konwencjonalnych ocen lub przycisku “lubię to”, moglibyśmy po prostu słuchać piosenki lub oglądać program, a sama aktywność mózgowa wystarczyłaby do określenia naszych reakcji.
Źródło: Brainsourcing: Crowdsourcing Recognition Tasks via Collaborative Brain-Computer Interfacing (ACM Conference on Human Factors in Computing Systems), University of Helsinki