S vývojem systémů rozpoznávání preferencí a cílené reklamy nabízí možnost sledovat videa a přátele na sociálních sítích iluzi, že počítač čte jeho myšlenky. K lepšímu nebo horšímu však se skutečně pohybujeme směrem k počítačům a systémům, které skutečně čtou naše myšlenky. Nová studie vývojářů z Japonska je bez nadsázky naprostým průlomovým krokem tímto směrem.
Tým z Kjótské univerzity se rozhodl použít virtuální neuronovou síť, aby se pokusil číst a interpretovat myšlenky v živé nervové síti, v lidském mozku. Ačkoli to zní docela šíleně, experiment není zásadně nový a Japonci nejsou první skupinou, která pracuje tímto směrem. Rozdíl mezi kjótským týmem a jejich předchůdci je v tom, že dřívější techniky rekonstruovaly obrázky z pixelů a základních geometrických tvarů. Nová technologie, nazývaná „hluboká rekonstrukce obrazu“, však přesahuje binární pixely a dává vědcům možnost dekódovat obrázky s více vrstvami barvy a struktury.
"Naše mozky zpracovávají vizuální informace hierarchickým získáváním různých úrovní zvláštností nebo složek různých komplexností," uvedl v rozhovoru Yukiyasu Kamitani, jeden z vědců zapojených do studie. "Tyto neuronové sítě nebo modely AI lze použít jako aproximaci hierarchické struktury lidského mozku."
Studie trvala 10 měsíců. Tři experimentální dobrovolníci se různě dlouhou dobu dívali na obrázky ze tří různých kategorií: přírodní objekty (jako jsou zvířata nebo lidé), umělé geometrické tvary a písmena abecedy.
V tomto případě byla aktivita mozku zaznamenána při prohlížení obrázků. Snímek byl poté odstraněn a subjekt byl požádán, aby přemýšlel o obrázku, na který se právě díval. Současně byla znovu zaznamenána mozková aktivita a data byla porovnána s předchozími, poté byly výsledky zadány do virtuální neurální sítě, která je později použila k interpretaci mozkové aktivity jako určitých myšlenek.
U lidí (a skutečně u všech savců) je vizuální kůra umístěna v zadní části mozku, v týlním laloku, který je nad mozkem. Aktivita ve vizuální kůře byla měřena pomocí funkčního zobrazování magnetickou rezonancí (fMRI), transformace výsledného obrazu do hierarchických vlastností virtuální neuronové sítě.
Z náhodného obrazu vygenerovaná síť mnohokrát optimalizuje hodnoty pixelů tohoto obrazu. Výsledkem je, že funkce neuronové sítě vstupního obrazu jsou podobné těm, které jsou dekódovány z mozkové aktivity.
Propagační video:
Je důležité poznamenat, že experimentální model předpokládal použití nejen přírodních obrazů (lidí nebo přírody), ale také předpokládal generování a rozpoznávání umělých struktur a geometrických tvarů:
Jak můžete vidět z videa, je mnohem obtížnější pro systém dekódovat obraz v situaci, kdy se člověk nedívá na obraz, ale pouze přemýšlí o tom, co viděl. To je však zjevně naprosto přirozené: ne každý mozek si pamatuje každý detail právě viděného obrázku, například stránku z knihy. Naše vzpomínky jsou obvykle velmi rozmazané a nejasné.
V této fázi studie si obrazy rekonstruované z mozkové činnosti zachovávají určitou podobnost s původními obrazy, které si účastníci experimentu prohlíželi, většinou vypadají jako minimálně detailní shluky pixelů. Je to však pouze začátek cesty a v průběhu času bude přesnost rozpoznávání stále více a více, i když i nyní můžeme s jistotou říci, o kterém předmětu subjekt přemýšlí.
To vše otevírá úžasné perspektivy pro vývojáře. Představte si „okamžité modelování“, když si jen představujete objekt ve vaší hlavě - umělecký koncept nebo detail mechanismu - a jeho počítač okamžitě, bez stisknutí tlačítek, automaticky vytvoří potřebný trojrozměrný objekt.
Nebo může AI jít mnohem dále, zaznamenávat vaši mozkovou aktivitu, když spíte, a pak znovu vytvořit všechny své sny ve 3D světě?
Tento vývoj má nespočet aplikací, takže japonský tým tvrdě pracuje na všem. Je však ve všech našich společných zájmech, aby čtení mysli postupovalo postupně a pečlivě, protože technologie přináší mnoho nebezpečí.