Kunstig intelligens brukt til å analysere meninger gjennom hjerneaktivitet

Forskere fra Universitetet i Helsinki har utviklet en ny teknikk som bruker kunstig intelligens (AI) og hjerneaktiviteten til grupper av mennesker for å analysere meninger og trekke konklusjoner. Forskerne har kalt teknikken “brainsourcing”, og den kan hjelpe med å klassifisere bilder eller anbefale innhold. 

Hva er Crowdsourcing

Crowdsourcing brukes når det er et komplekst oppgave som må brytes ned i mindre, mer håndterbare deler. Disse delene distribueres deretter til store grupper av mennesker som løser problemene individuelt. Et eksempel på dette ville være hvis mennesker ble bedt om å si om et objekt er synlig på et bilde, og svarene ville deretter brukes til å trene et bilde-gjenkjennelsessystem. I dagens topp bilde-gjenkjennelsessystemer som er basert på AI, er de fortsatt ikke fullstendig automatiserte. Derfor må meninger fra flere mennesker om innholdet i flere eksempelbilder brukes som treningdata.

Forskerne ønsket å prøve å implementere crowdsourcing ved å analysere elektroencefalogram (EEG) fra enkeltpersoner, og de brukte AI-teknikker til å gjøre det. Dette ville tillate informasjonen å bli trukket ut fra EEG i stedet for at mennesker måtte gi sine meninger. 

Tuukka Ruotsalo er en Academy Research Fellow fra Universitetet i Helsinki. 

“Vi ønsket å undersøke om crowdsourcing kan brukes til bilde-gjenkjennelse ved å utnytte de naturlige reaksjonene til mennesker uten at de må utføre noen manuelle oppgaver med tastatur eller mus,” sier Ruotsalo.

Studien

Studien involverte 30 frivillige som ble vist en dataskjerm med menneskeansikter. Deltagerne merket deretter ansiktene i sinnet basert på hva som var i bildene, som for eksempel en blond eller mørkhåret person, eller om en person smilet eller ikke. Den store forskjellen fra konvensjonelle crowdsourcing-oppgaver var at deltagerne ikke trengte å utføre noen ytterligere handlinger enn å se på bildene som ble presentert for dem.

Elektroencefalografi ble deretter brukt til å samle inn hjerneaktiviteten til hver deltager, og AI-algoritmen brukte denne informasjonen til å lære å gjenkjenne bilder relevante for oppgaven, som for eksempel når et bilde av en person med bestemte trekk dukket opp på skjermen.

Forskerne fant ut at datamaskinen var i stand til å tolke disse mentale merkingene direkte fra EEG, og at brain sourcing kan brukes i gjenkjennelsesoppgaver. 

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

Når det gjelder fremtiden for denne teknikken, sier student og forskningsassistent Keith Davis, “Vår tilnærming er begrenset av den teknologien som er tilgjengelig.”

“Aktuelle metoder for å måle hjerneaktivitet er tilstrekkelige for kontrollerte oppsett i et laboratorium, men teknologien må forbedres for daglig bruk. I tillegg fanger disse metodene bare en svært liten prosent av total hjerneaktivitet. Når hjerneavbildningsteknologien forbedres, kan det bli mulig å fange preferanseinformasjon direkte fra hjernen. I stedet for å bruke konvensjonelle vurderinger eller like-knapper, kunne du enkelt lytte til en sang eller se på en show, og din hjerneaktivitet alene ville være nok til å bestemme din reaksjon på det.”

Resultatene kan brukes i grensesnitt som kombinerer hjerne- og datamaskinaktivitet, som for eksempel de som krever lett EEG-utstyr som bærbare elektroniske enheter. Lettvektige bærbare enheter som kan måle EEG er under utvikling.

Denne typen teknologi tillater AI å brukes til å trekke ut verdifull informasjon med svært liten innsats fra menneskets side. Når den fortsetter å forbedres, kan det forventes at denne trenden vil fortsette, og deltakelse fra den enkelte vil være unødvendig i mange tilfeller.