Подключить человеческий мозг к компьютеру поможет искусственный интеллект
Заманчивая перспектива обеспечить прямую передачу данных в мозг из компьютера и обратно неизбежно упирается в чрезвычайную сложность работы человеческого мозга. Это как в облаке комаров попытаться расслышать звук конкретного насекомого. Но такие задачи по силам алгоритмам машинного обучения, что пытаются доказать исследователи из Сколтеха.
Источник изображения: iStock/mustafahacalaki
Группа учёных из Сколтеха вместе с коллегами из INRIA и RIKEN Advanced Intelligence Project провела исследование ряда современных алгоритмов машинного обучения, которые созданы решать задачи по определению умственной нагрузки и эмоциональных состояний человека. Попутно учёные создали два новых алгоритма, так модифицировав их прежние версии, что смогли улучшить компьютерное распознавание эмоций и интенсивности размышлений человека.
Для исследований были выбраны алгоритмы из двух категорий: классификаторов на основе римановой геометрии (RGC) и свёрточных нейронных сетей (CNN). Выбранные алгоритмы ранее уже показали свою эффективность при использовании в «умных» протезах для управления отсутствующими конечностями. Но это так называемые «активные интерфейсы». Для определения эмоционального состояния и умственных усилий чаще используются «пассивные интерфейсы» ИМК (интерфейс мозг-компьютер) при помощи электроэнцефалографии (ЭЭГ). Для этого не нужно прямого доступа к мозговым тканям живого человека, достаточно дистанционно измерять электрическую активность головного мозга.
В процессе обработки данных о состоянии активности мозга выяснилось, что алгоритмы с римановой оптимизацией неплохо проявили себя как с оценкой степени умственной нагрузки у испытуемых, так и при определении эмоционального состояния человека. Нейронная сеть же оказалась впереди по точности определения умственной нагрузки, но спасовала при оценке эмоций.
«На следующих этапах исследования мы планируем использовать более сложные методы на основе искусственного интеллекта (ИИ) и, в первую очередь, методы глубокого обучения, с помощью которых можно выявлять самые незначительные изменения в сигналах и паттернах мозга», ― сказал один из авторов исследования профессор Центра Сколтеха по научным и инженерным вычислительным технологиям для задач с большими массивами данных (CDISE) Анджей Чихоцкий (Andrzej Cichocki).
