Исследователи по всему миру обучают ИИ воссоздавать изображения, которые видят люди, используя только волны их мозга. Эксперты говорят, что технология все еще находится в зачаточном состоянии, но она предвещает новую индустрию анализа мозга.
Человек участвует в исследовании сканирования мозга ИИ в Национальном университете Сингапура.
Цзыцзяо Чен может читать ваши мысли с небольшой помощью мощного искусственного интеллекта и аппарата фМРТ.
Согласно статье, опубликованной в ноябре, Чен, докторант Национального университета Сингапура, входит в группу исследователей, которые показали, что могут расшифровывать снимки человеческого мозга, чтобы определить, что человек представляет себе в своем воображении.
Их команда, состоящая из исследователей из Национального университета Сингапура, Китайского университета Гонконга и Стэнфордского университета, сделала это, используя сканирование мозга участников, когда они рассматривали более 1000 изображений — красная пожарная машина, серое здание, жираф, поедающий листья, — находясь внутри функциональной машины магнитно-резонансной томографии, или фМРТ, которая записывала результирующие сигналы мозга с течением времени. Затем исследователи отправили эти сигналы через модель ИИ, чтобы научить ее связывать определенные мозговые паттерны с определенными изображениями.
Позже, когда испытуемым показывали новые изображения на фМРТ, система обнаруживала мозговые волны пациента, генерировала краткое описание того, чему, по ее мнению, соответствовали эти мозговые волны, и использовала генератор изображений ИИ для создания наиболее вероятного факсимиле. Изображение, которое увидел участник.
Результаты поразительны и сказочны. Изображение дома и подъездной дороги привело к амальгаме спальни и гостиной аналогичного цвета. Украшенная каменная башня, показанная участнику исследования, породила образы аналогичной башни с окнами, расположенными под нереальными углами. Медведь стал странным, лохматым, собачьим существом.
Полученное сгенерированное изображение соответствовало атрибутам (цвету, форме и т. д.) и семантическому значению исходного изображения примерно в 84% случаев.
Исследователи работают над преобразованием активности мозга в изображения в исследовании сканирования мозга с помощью ИИ в Национальном университете Сингапура.
Хотя эксперимент требует обучения модели активности мозга каждого отдельного участника в течение примерно 20 часов, прежде чем она сможет выводить изображения из данных фМРТ, исследователи полагают, что всего через десять лет эту технологию можно будет использовать на ком угодно и где угодно.
«Возможно, это поможет пациентам с ограниченными возможностями восстановить то, что они видят и о чем думают», — сказал Чен. В идеальном случае, добавил Чен, людям даже не придется использовать мобильные телефоны для общения. — Мы можем просто подумать.
Результаты касались лишь нескольких испытуемых, но результаты показывают, что неинвазивные записи мозга команды могут стать первым шагом к более точному и эффективному декодированию изображений изнутри мозга.
Исследователи работают над технологией расшифровки активности мозга уже более десяти лет. И многие исследователи ИИ в настоящее время работают над различными приложениями ИИ, связанными с нейросетями, включая аналогичные проекты, такие как проекты Meta** и Техасского университета в Остине по декодированию речи и языка.
Ученый из Калифорнийского университета в Беркли Джек Галлант начал изучать декодирование мозга более десяти лет назад, используя другой алгоритм. Он сказал, что темпы развития этой технологии зависят не только от модели, используемой для декодирования мозга — в данном случае от ИИ, — но и от устройств визуализации мозга и от того, сколько данных доступно исследователям. Как разработка аппарата фМРТ, так и сбор данных создают препятствия для любого, кто изучает декодирование мозга.
«Это то же самое, что прийти в Xerox PARC в 1970-х и сказать: «О, смотрите, у нас у всех на столах будут ПК», — сказал Галлант.
Хотя он может увидеть, как декодирование мозга будет использоваться в области медицины в течение следующего десятилетия, он сказал, что до широкого использования его для широкой публики еще несколько десятилетий.
Тем не менее, это последний шаг в развитии технологий искусственного интеллекта, поразивший общественное воображение. Сгенерированные ИИ медиа от изображений и голосов до шекспировских сонетов и курсовых работ продемонстрировали некоторые скачки, которые технология сделала за последние годы, особенно с тех пор, как так называемые модели трансформатора позволили передавать огромные объемы данных в ИИ, так что он может быстро выучить шаблоны.
Команда из Национального университета Сингапура использовала программное обеспечение для создания изображений на основе искусственного интеллекта под названием Stable Diffusion, которое используется во всем мире для создания стилизованных изображений кошек, друзей, космических кораблей и практически всего, что может пожелать человек.
Программное обеспечение позволяет доценту Хелен Чжао и ее коллегам обобщать изображение, используя словарь цвета, формы и других переменных, и использовать стабильную диффузию для создания изображения почти мгновенно.
По ее словам, изображения, создаваемые системой, тематически соответствуют исходному изображению, но не совпадают с фотографиями, возможно, потому, что восприятие реальности у каждого человека разное.
«Когда вы смотрите на траву, может быть, я буду думать о горах, тогда вы будете думать о цветах, а другие люди будут думать о реке», — сказал Чжао.
Она объяснила, что человеческое воображение может вызывать различия в выводе изображения. Но различия также могут быть результатом ИИ, который может выдавать разные изображения из одного и того же набора входных данных.
Модель ИИ получает визуальные «токены» для создания изображений сигналов мозга человека. Таким образом, вместо словаря слов ему дан словарь цветов и форм, которые вместе создают картину.
Изображения, созданные с помощью ИИ.Предоставлено Национальным университетом Сингапура.
Но система должна быть тщательно обучена работе с мозговыми волнами конкретного человека, поэтому до широкого развертывания ей еще далеко.
«Правда в том, что есть еще много возможностей для улучшения», — сказал Чжао. «По сути, вам нужно войти в сканер и просмотреть тысячи изображений, тогда мы действительно сможем сделать для вас прогноз».
Пока невозможно приглашать незнакомцев с улицы, чтобы читать их мысли, «но мы пытаемся обобщить темы в будущем», — сказала она.
Как и многие недавние разработки в области искусственного интеллекта, технология чтения мозга вызывает этические и юридические проблемы. Некоторые эксперты говорят, что в чужих руках модель ИИ может быть использована для допросов или наблюдения.
«Я думаю, что грань между тем, что может придавать сил, и тем, что угнетает, очень тонка», — сказала Нита Фарахани, профессор права и этики в новых технологиях Университета Дьюка. «Если мы не опередим его, я думаю, мы, скорее всего, увидим гнетущие последствия этой технологии».
Она опасается, что декодирование мозга ИИ может привести к тому, что компании превратят информацию в товар, а правительства злоупотребят ею, и описала продукты для распознавания мозга, которые уже есть на рынке или вот-вот поступят на рынок, что может создать мир, в котором мы не просто делимся показаниями нашего мозга. , но судить за них.
«Это мир, в котором не только собирается информация об активности вашего мозга и отслеживается состояние вашего мозга — от внимания до концентрации, — сказала она, — но людей нанимают, увольняют и продвигают по службе на основе того, что показывают показатели их мозга. ».
«Это уже становится широко распространенным явлением, и нам нужны управление и права прямо сейчас, прежде чем это станет чем-то, что действительно станет частью повседневной жизни каждого», — сказала она.
Исследователи в Сингапуре продолжают развивать свою технологию, надеясь сначала уменьшить количество часов, которые испытуемый должен будет провести в аппарате фМРТ. Затем они масштабируют количество испытуемых, которых тестируют.
«Мы думаем, что это возможно в будущем», — сказал Чжао. «А с [большим] объемом данных, доступных в модели машинного обучения, можно добиться еще большей производительности».
https://goo.su/nG3o
