AR, XR ja aivorajapinnat

Tekoälyä Käytetään Mielipiteiden Analysointiin Aivotoiminnan Kautta

mm
Lisää Unite.AI suosikkilähteisiisi Google-palvelussa

Helsingin yliopiston tutkijat ovat kehittäneet uuden tekniikan, joka hyödyntää tekoälyä (AI) ja ryhmien aivotoimintaa mielipiteiden analysointiin ja johtopäätösten tekemiseen. Tutkijat ovat nimeittäneet tätä tekniikkaa “aivoryhmäksi”, ja se voi auttaa luokittelussa tai sisällön suosittelussa.

Mikä on Joukkoistaminen

Joukkoistamista käytetään, kun on monimutkainen tehtävä, joka on jaettava pienempiin, hallitumpiin osiin. Nämä osat jaetaan sitten suurille ryhmille, jotka ratkaisevat ongelmat yksin. Esimerkiksi, jos ihmisiltä kysytään, näkyykö jokin esine kuvassa, ja vastaukset käytetään sitten kuvatunnistusjärjestelmän koulutusdatana. Nykyiset parhaat kuvatunnistusjärjestelmät, jotka perustuvat tekoälyyn, eivät ole vielä täysin automaattisia. Tämän vuoksi useiden ihmisten mielipiteitä useista näytekuvista on käytettävä koulutusdatana.

Tutkijat halusivat kokeilla joukkoistamista analysoimalla yksilöiden aivotoimintaa ja käyttää siihen tekoälytekniikoita. Tämä mahdollistaisi tiedon hakemisen aivotoiminnasta ilman, että ihmiset joutuisivat antamaan mielipiteitänsä.

Tuukka Ruotsalo on akatemiaturkimusapulainen Helsingin yliopistosta.

“Halusimme tutkia, voidaanko joukkoistamista soveltaa kuvatunnistukseen hyödyntämällä ihmisten luonnollisia reaktioita ilman, että heidän tarvitsee suorittaa manuaalisia tehtäviä näppäimistöllä tai hiirellä”, sanoo Ruotsalo.

Tutkimus

Tutkimukseen osallistui 30 vapaaehtoista, joille näytettiin tietokonenäyttö, jolla oli ihmiskasvoja. Osallistujat merkinnät kasvoja mieleensä sen mukaan, mitä kuvissa oli, kuten vaaleat vai tummat hiukset tai hymyilevä vai ei hymyilevä henkilö. Suuri ero perinteisiin joukkoistamistehtäviin verrattuna oli, että osallistujien ei tarvinnut tehdä mitään muuta kuin tarkastella näytettyjä kuvia.

Sähköenkefalografiasta käytettiin keräämään jokaisen osallistujan aivotoimintaa, ja tekoälyalgoritmi käytti tätä tietoa oppiakseen tunnistamaan kuvia, jotka liittyivät tehtävään, kuten kun tietokoneen näytöllä näkyi kuva, jossa oli tiettyjä piirteitä.

Tutkijat totesivat, että tietokone pystyi tulkitsemaan nämä mielikuvat suoraan EEG:stä, ja aivoryhmä voidaan käyttää tunnistustehtävissä.

https://www.youtube.com/watch?v=_zY4RClQpKs

Tutkimuksen tulevaisuudesta opiskelija ja tutkimusavustaja Keith Davis sanoo, ”Lähestymistapaamme rajoittaa saatavilla oleva teknologia.”

“Nykyiset aivotoiminnan mittaamiseen käytettävät menetelmät ovat riittäviä laboratoriossa, mutta teknologiaa on kehitettävä arkikäyttöön. Nämä menetelmät kaappaavat vain pienen osan koko aivotoiminnasta. Kun aivokuvantamisteknologia paranee, saattaa tulla mahdolliseksi kaapata suosikkiasetukset suoraan aivoista. Sen sijaan, että käyttäisimme perinteisiä arvosteluita tai tykkäyspainikkeita, voitaisiin kuunnella vaikka laulua tai katsoa ohjelmaa, ja aivotoiminta riittäisi jo vastaukseksi siihen.”

Tuloksia voidaan käyttää käyttöliittymissä, jotka yhdistävät aivotoiminnan ja tietokoneen toiminnan, kuten kevyissä EEG-laitteissa, jotka ovat kehittymässä. Kevyet, kannettavat EEG-laitteet ovat kehityksessä.

Tämäntyyppinen teknologia mahdollistaa tekoälyn käytön arvokkaiden tietojen hakemiseen ihmisten toiminnasta hyvin vähän vaivaa. Koska se jatkuu parantumistaan, voidaan odottaa, että tämä suuntaus jatkuu, ja yksilön osallistuminen tulee tarpeettomaksi monissa tapauksissa.

Alex McFarland on AI-toimittaja ja kirjailija, joka tutkii viimeisimpiä kehityksiä tekoälyssä. Hän on tehnyt yhteistyötä useiden AI-startup-yritysten ja julkaisujen kanssa maailmanlaajuisesti.