Sztuczna inteligencja wykorzystywana do analizy opinii za pomocą aktywności mózgu

Naukowcy z Uniwersytetu w Helsinkach rozwinęli nową technikę, która wykorzystuje sztuczną inteligencję (AI) i aktywność mózgu grup ludzi w celu analizy opinii i wyciągania wniosków. Naukowcy określili tę technikę mianem „brainsourcingu” i może ona pomóc w klasyfikacji obrazów lub rekomendacji treści.

Czym jest Crowdsourcing

Crowdsourcing jest wykorzystywany, gdy istnieje złożone zadanie, które należy rozbić na mniejsze, bardziej zarządzalne części. Następnie są one rozdzielane do dużych grup ludzi, którzy rozwiązują problemy indywidualnie. Przykładem może być sytuacja, w której ludzie są pytani, czy obiekt pojawia się na obrazie, a odpowiedzi są następnie wykorzystywane do szkolenia systemu rozpoznawania obrazów. Najlepsze obecnie systemy rozpoznawania obrazów oparte na AI nie są jeszcze w pełni zautomatyzowane. Dlatego też opinie kilku osób na temat zawartości wielu przykładowych obrazów muszą być wykorzystywane jako dane szkoleniowe.

Naukowcy chcieli spróbować zaimplementować crowdsourcing, analizując elektroencefalogramy (EEG) osób i wykorzystując techniki AI. Pozwoliłoby to na wyodrębnienie informacji z EEG zamiast konieczności wyrażania opinii przez ludzi.

Tuukka Ruotsalo jest Fellowem Akademii Badań z Uniwersytetu w Helsinkach.

“Chcieliśmy zbadać, czy crowdsourcing może być zastosowany do rozpoznawania obrazów, wykorzystując naturalne reakcje ludzi bez konieczności wykonywania przez nich żadnych zadań ręcznych z klawiatury lub myszy”, mówi Ruotsalo.

Badanie

Badanie obejmowało 30 ochotników, którzy byli pokazywani wyświetlacz komputera z ludzkimi twarzami. Uczestnicy następnie opisywali twarze w swoim umyśle na podstawie tego, co było na obrazach, takich jak blondynka lub ciemnowłosa osoba, czy osoba uśmiechnięta czy nie. Duża różnica w porównaniu z tradycyjnymi zadaniami crowdsourcingu polegała na tym, że uczestnicy nie musieli podejmować żadnych dalszych działań poza obserwacją wyświetlanych obrazów.

Następnie wykorzystano elektroencefalografię do zebrania aktywności mózgu każdego uczestnika, a algorytm AI wykorzystał ją do nauczenia się rozpoznawania obrazów istotnych dla zadania, takich jak pojawienie się obrazu osoby z określonymi cechami na ekranie.

Naukowcy odkryli, że komputer był w stanie interpretować te mentalne etykiety bezpośrednio z EEG, a brain sourcing może być wykorzystywany w zadaniach rozpoznawania.

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

Jeśli chodzi o przyszłość tej techniki, student i asystent badawczy Keith Davis mówi: „Nasze podejście jest ograniczone przez dostępną technologię”.

“Obecne metody pomiaru aktywności mózgu są odpowiednie dla kontrolowanych ustawień w laboratorium, ale technologia musi się poprawić dla codziennego użytku. Ponadto te metody przechwytują tylko bardzo mały procent całkowitej aktywności mózgu. Wraz z poprawą technologii obrazowania mózgu może stać się możliwe przechwycenie informacji o preferencjach bezpośrednio z mózgu. Zamiast korzystać z tradycyjnych ocen lub przycisków polubienia, można po prostu słuchać piosenki lub oglądać program, a twoja aktywność mózgu sama będzie wystarczająca, aby określić twoją reakcję na to.”

Wyniki mogą być wykorzystane w interfejsach, które łączą aktywność mózgu i komputera, takich jak te, które wymagają lekkiego sprzętu EEG jako noszonego elektronika. Lekkie noszone urządzenia zdolne do pomiaru EEG są w trakcie rozwoju.

Ten rodzaj technologii pozwala na wykorzystanie AI do wyodrębnienia cennych informacji z bardzo małym wysiłkiem ze strony człowieka. Wraz z poprawą tej technologii można oczekiwać, że ten trend będzie się tylko nasilał i udział jednostki będzie niepotrzebny w wielu przypadkach.