Artificiell intelligens används för att analysera åsikter genom hjärnaktivitet

Forskare från Helsingfors universitet har utvecklat en ny teknik som använder artificiell intelligens (AI) och hjärnaktiviteten hos grupper av människor för att analysera åsikter och dra slutsatser. Forskarna har kallat tekniken “brainsourcing”, och den kan hjälpa till att klassificera bilder eller rekommendera innehåll.

Vad är Crowdsourcing

Crowdsourcing används när det finns en komplex uppgift som måste brytas ner i mindre, hanterbara delar. Dessa delar fördelas sedan till stora grupper av människor som löser problemen individuellt. Ett exempel på detta skulle vara om människor blev ombedda att avgöra om ett föremål syns på en bild, och svaren skulle sedan användas för att träna ett bildigenkänningssystem. De bästa bildigenkänningssystemen som baseras på AI idag är fortfarande inte helt automatiserade. På grund av detta måste åsikterna från flera människor om innehållet i flera exempelbilder användas som träningsdata.

Forskarna ville försöka implementera crowdsourcing genom att analysera elektroencefalogram (EEG) från individer, och de använde AI-tekniker för att göra det. Detta skulle tillåta informationen att extraheras från EEG i stället för att människor måste ge sina åsikter.

Tuukka Ruotsalo är en akademisk forskare från Helsingfors universitet.

“Vi ville undersöka om crowdsourcing kan tillämpas på bildigenkänning genom att utnyttja människors naturliga reaktioner utan att de behöver utföra några manuella uppgifter med tangentbord eller mus”, säger Ruotsalo.

Studien

Studien involverade 30 frivilliga som visades en datorskärm med mänskliga ansikten. Deltagarna märkte sedan ansiktena i sinnet baserat på vad som fanns i bilderna, till exempel en blond eller mörkhårig person, eller om en person log eller inte. Den stora skillnaden från traditionella crowdsourcing-uppgifter var att deltagarna inte behövde vidta några ytterligare åtgärder utöver att observera de visade bilderna.

Elektroencefalografi användes sedan för att samla in hjärnaktiviteten hos varje deltagare, och AI-algoritmen använde denna för att lära sig att känna igen bilder som var relevanta för uppgiften, till exempel när en bild av en person med vissa egenskaper visades på skärmen.

Forskarna fann att datorn kunde tolka dessa mentala märkningar direkt från EEG, och att brain sourcing kan användas i igenkänningssuppgifter.

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

När det gäller framtiden för denna teknik säger studenten och forskningsassistenten Keith Davis, “Vår metod är begränsad av den tillgängliga tekniken.”

“De nuvarande metoderna för att mäta hjärnaktivitet är tillräckliga för kontrollerade miljöer i ett laboratorium, men tekniken behöver förbättras för daglig användning. Dessutom fångar dessa metoder bara en mycket liten del av den totala hjärnaktiviteten. När hjärnavbildningstekniken förbättras kan det bli möjligt att fånga preferensinformation direkt från hjärnan. I stället för att använda konventionella betygsättningar eller gilla-knappar kunde du helt enkelt lyssna på en låt eller titta på en show, och din hjärnaktivitet ensam skulle vara tillräcklig för att bestämma din reaktion på den.”

Resultaten kan användas i gränssnitt som kombinerar hjärn- och datoraktivitet, till exempel de som kräver lätt EEG-utrustning som bärbara elektroniska enheter. Lätta bärbara enheter som kan mäta EEG är under utveckling.

Denna typ av teknik tillåter AI att användas för att extrahera värdefull information med mycket liten ansträngning från människans sida. När den fortsätter att förbättras kan det förväntas att denna trend kommer att fortsätta och deltagande från individen kommer att vara onödigt i många fall.