借助人工智能監(jiān)視腦電圖，可以從他們的大腦活動中確定一大群人的偏好。

赫爾辛基大學(xué)的研究人員開發(fā)了一種技術(shù)，利用人工智能來分析觀點并利用人群的大腦活動得出結(jié)論。研究人員將這種技術(shù)稱為“腦部外包”，該技術(shù)可用于對圖像進行分類或推薦內(nèi)容，這是以前從未證明過的。

眾包是一種將較復(fù)雜的任務(wù)分解為較小的任務(wù)的方法，這些任務(wù)可以分配給大批人員并單獨解決。例如，可以詢問人們是否可以在圖像中看到對象，并將他們的響應(yīng)用作圖像識別系統(tǒng)的指導(dǎo)數(shù)據(jù)。甚至基于人工智能的最先進的圖像識別系統(tǒng)也尚未完全自動化。相反，訓(xùn)練它們需要許多人對許多樣本圖像的內(nèi)容提出意見。

赫爾辛基大學(xué)的研究人員通過借助AI技術(shù)分析人的腦電圖（EEG），對實現(xiàn)眾包的可能性進行了實驗?？梢哉髟?nèi)藗兊囊庖?，而不是征求人們的意見，而可以直接從EEG中讀取這些信息。

赫爾辛基大學(xué)的研究院研究員Tuukka Ruotsalo說：“我們希望研究可以通過，利用人們的自然反應(yīng)來將眾包技術(shù)應(yīng)用于圖像識別，而無需他們使用鍵盤或鼠標來執(zhí)行任何手動任務(wù)。”

計算機對圖像進行分類

在這項研究中，共有30名志愿者在計算機顯示器上看到了人臉圖像。指示參與者根據(jù)圖像中描繪的內(nèi)容在自己的思想中標記面部。例如，圖像是描繪金發(fā)還是深色頭發(fā)的人，還是微笑或不微笑的人。與傳統(tǒng)的眾包任務(wù)不同，他們沒有使用鼠標或鍵盤提供任何其他信息-他們只是觀察呈現(xiàn)給他們的圖像。

同時，使用腦電圖收集每個參與者的大腦活動。通過腦電圖，AI算法學(xué)會了識別與任務(wù)相關(guān)的圖像，例如當(dāng)金發(fā)碧眼的人的圖像出現(xiàn)在屏幕上時。

在實驗結(jié)果中，計算機能夠直接從EEG解釋這些心理標簽。研究人員得出的結(jié)論是，腦資源采購可以應(yīng)用于簡單且定義明確的識別任務(wù)。使用從12名志愿者那里收集的數(shù)據(jù)，已經(jīng)獲得了高度可靠的標記結(jié)果。

在WA用戶友好的技術(shù)

這些發(fā)現(xiàn)可用于結(jié)合大腦和計算機活動的各種界面。這些接口需要可穿戴電子設(shè)備形式的輕巧且用戶友好的EEG設(shè)備，而不是研究中使用的設(shè)備，后者需要訓(xùn)練有素的技術(shù)人員。正在積極開發(fā)可測量EEG的輕型可穿戴設(shè)備，并且可能會在不久的將來上市。

赫爾辛基大學(xué)的學(xué)生兼研究助理Keith Davis說：“我們的方法受到可用技術(shù)的限制。”

“目前的測量大腦活動的方法足以滿足實驗室中受控設(shè)置的要求，但是該技術(shù)需要在日常使用中進行改進。此外，這些方法僅占總大腦活動的很小一部分。隨著大腦成像技術(shù)的改進，它可能會變得可以直接從大腦捕獲偏好信息。您無需使用常規(guī)的評分或類似的按鈕，只需聽一首歌或觀看一場表演，僅憑大腦的活動就足以確定您對它的反應(yīng)。”
責(zé)任編輯：tzh