Attīstot preferenču atpazīšanas sistēmas un mērķtiecīgu reklāmu, piedāvājumi skatīties video un draugus sociālajos tīklos rada lietotājam ilūziju, ka dators lasa viņa domas. Tomēr labāk vai sliktāk mēs faktiski virzāmies uz datoriem un sistēmām, kas patiesībā lasa mūsu domas. Jauns Japānas izstrādātāju pētījums bez pārspīlējumiem ir absolūti izrāviens šajā virzienā.
Kioto universitātes komanda nolēma izmantot virtuālo neironu tīklu, lai mēģinātu lasīt un interpretēt domas dzīvajā neironu tīklā, cilvēka smadzenēs. Lai arī tas izklausās diezgan traks, eksperiments nav principiāli jauns, un japāņi nav pirmā grupa, kas strādā šajā virzienā. Atšķirība starp Kioto komandu un viņu priekšgājējiem ir tāda, ka agrākās tehnikas rekonstruēja attēlus no pikseļiem un pamata ģeometriskajām formām. Tomēr jaunā tehnoloģija, saukta par "dziļā attēla rekonstrukciju", pārsniedz bināros pikseļus un dod pētniekiem iespēju atšifrēt attēlus ar vairākiem krāsu un struktūras slāņiem.
“Mūsu smadzenes apstrādā vizuālo informāciju, hierarhiski iegūstot dažādu līmeņu pazīmes vai dažādas sarežģītības komponentus,” intervijā sacīja Yukiyasu Kamitani, viens no pētījumā iesaistītajiem zinātniekiem. "Šos neironu tīklus vai AI modeļus var izmantot kā tuvinājumu cilvēka smadzeņu hierarhiskajai struktūrai."
Pētījums ilga 10 mēnešus. Trīs eksperimentālie brīvprātīgie dažādos laika periodos aplūkoja trīs dažādu kategoriju attēlus: dabiskus objektus (piemēram, dzīvniekus vai cilvēkus), mākslīgas ģeometriskas formas un alfabēta burtus.
Šajā gadījumā attēlu skatīšanas laikā tika reģistrēta smadzeņu aktivitāte. Pēc tam attēls tika noņemts, un subjektam tika lūgts padomāt par attēlu, kuru viņš tikko apskatīja. Tajā pašā laikā smadzeņu darbība atkal tika reģistrēta un dati tika salīdzināti ar iepriekšējiem, pēc tam rezultāti tika ievadīti virtuālajā neironu tīklā, kas vēlāk tos izmantoja, lai interpretētu smadzeņu darbību kā noteiktas domas.
Cilvēkiem (un tiešām visiem zīdītājiem) redzes garozs atrodas smadzeņu aizmugurē, pakauša daivā, kas atrodas virs smadzenītes. Aktivitāte redzes garozā tika izmērīta, izmantojot funkcionālās magnētiskās rezonanses attēlveidošanu (fMRI), pārveidojot iegūto attēlu virtuālā neironu tīkla hierarhiskajās iezīmēs.
Sākot no nejauša attēla, ģenerētais tīkls vairākas reizes optimizē šī attēla pikseļu vērtības. Rezultātā ieejas attēla neironu tīkla funkcijas ir līdzīgas tām, kas atkodētas no smadzeņu darbības.
Reklāmas video:
Svarīgi atzīmēt, ka eksperimentālajā modelī tika pieņemts, ka tiek izmantoti ne tikai dabiski attēli (cilvēki vai daba), bet arī mākslīgo struktūru un ģeometrisko formu ģenerēšana un atpazīšana:
Kā redzat no video, sistēmai ir daudz grūtāk atšifrēt attēlu situācijā, kad cilvēks neskatās uz attēlu, bet tikai domā par redzēto. Tomēr tas, acīmredzot, ir pilnīgi dabiski: ne visas smadzenes atceras katru tikko redzēto attēla detaļu, piemēram, lapu no grāmatas. Mūsu atmiņas parasti ir ļoti izplūdušas un izplūdušas.
Šajā pētījuma posmā attēli, kas rekonstruēti no smadzeņu darbības, saglabā tikai zināmu līdzību ar oriģinālajiem attēliem, kurus apskatījuši eksperimenta dalībnieki, tie lielākoties izskatās kā minimāli detalizēti pikseļu sakopojumi. Tomēr tas ir tikai ceļa sākums un laika gaitā atpazīšanas precizitāte būs arvien lielāka, lai gan pat tagad mēs varam droši pateikt, par kuru objektu subjekts domā.
Tas viss izstrādātājiem paver pārsteidzošas perspektīvas. Iedomājieties "tūlītēju modelēšanu", kad jūs vienkārši iedomājaties priekšmetu galvā - mākslas koncepciju vai mehānisma detaļu - un tā dators nekavējoties, nepiespiežot nevienu pogu, automātiski izveido nepieciešamo trīsdimensiju objektu.
Vai arī AI varētu iet daudz tālāk, reģistrējot smadzeņu aktivitātes miega laikā un pēc tam visus savus sapņus atkārtot 3D pasaulē?
Šai attīstībai ir neskaitāmas programmas, tāpēc Japānas komanda smagi strādā pie visa. Tomēr mūsu visu interesēs ir tas, ka prāta lasīšana attīstās pakāpeniski un pietiekami uzmanīgi, jo tehnoloģija rada daudzas briesmas.
