This computer is learning to read your mind | DIY Neuroscience, a TED series

126,401 views ・ 2018-09-15

TED


يرجى النقر نقرًا مزدوجًا فوق الترجمة الإنجليزية أدناه لتشغيل الفيديو.

00:00
Translator: Joseph Geni Reviewer: Krystian Aparta
0
0
7000
المترجم: Mustafa Alsaeed المدقّق: Fatima Zahra El Hafa
00:12
Greg Gage: Mind-reading. You've seen this in sci-fi movies:
1
12203
2859
غريغ غيج: قراءة الأفكار، لقد شاهدت ذلك في أفلام الخيال العلمي؛
الآلات التي بوسعها قراءة أفكارنا.
00:15
machines that can read our thoughts.
2
15086
1857
00:16
However, there are devices today
3
16967
1798
غير أنّ هناك تقنيات اليوم
00:18
that can read the electrical activity from our brains.
4
18789
2524
بوسعها قراءة النشاط الكهربائي لأدمغتنا.
00:21
We call this the EEG.
5
21337
1272
نسميها مخطط كهربية الدماغ "EEG".
00:23
Is there information contained in these brainwaves?
6
23695
2829
هل يوجد معلومات مُضمّنة في موجات الدماغ؟
00:26
And if so, could we train a computer to read our thoughts?
7
26548
2813
وإن كان كذلك، هل باستطاعتنا تدريب حاسوب على قراءة أفكارنا؟
00:29
My buddy Nathan has been working to hack the EEG
8
29385
2904
عكف صديقي نيثان على اختراق تخطيط الأمواج الدماغية
00:32
to build a mind-reading machine.
9
32313
1676
من أجل بناء آلة تقرأ الأفكار.
00:34
[DIY Neuroscience]
10
34013
2457
[جرّب علم الأعصاب بنفسك]
00:36
So this is how the EEG works.
11
36939
1561
حسنًا إليك طريقة عمل نظام تخطيط الدماغ.
00:38
Inside your head is a brain,
12
38524
1844
يوجد في داخل الرأس دماغ،
00:40
and that brain is made out of billions of neurons.
13
40392
2558
ويتكون هذا الدماغ من مليارات الخلايا العصبية،
00:42
Each of those neurons sends an electrical message to each other.
14
42974
3007
تقوم هذه الخلايا العصبية بإرسال إشارات كهربائية بين بعضها.
00:46
These small messages can combine to make an electrical wave
15
46005
2814
تتجمع هذه الرسائل الصغيرة لتشكيل موجة كهربائية
00:48
that we can detect on a monitor.
16
48843
1570
نستطيع كشفها على شاشة الحاسوب
00:50
Now traditionally, the EEG can tell us large-scale things,
17
50437
2724
عادةً، يستطيع جهاز تخطيط الدماغ قراءة الأشياء بصورة عامة،
00:53
for example if you're asleep or if you're alert.
18
53185
2350
على سبيل المثال: إذا كنت نائما أو إذا جرى تنبيهك.
00:55
But can it tell us anything else?
19
55559
1594
لكن هل يمكنه إخبارنا بأشياء أخرى؟
00:57
Can it actually read our thoughts?
20
57177
1702
هل حقًا بوسعه قراءة أفكارنا؟
00:58
We're going to test this,
21
58903
1219
سنقوم بتجربة ذلك،
01:00
and we're not going to start with some complex thoughts.
22
60146
2623
ولن نبدأ ذلك مع أفكار معقدة.
01:02
We're going to do something very simple.
23
62793
1977
سنقوم بإجراءات بسيطة جدًا.
01:04
Can we interpret what someone is seeing using only their brainwaves?
24
64794
3253
هل بوسعنا تفسير ما يراه الشخص باستخدام الأمواج الدماغية فقط؟
01:08
Nathan's going to begin by placing electrodes on Christy's head.
25
68071
3000
سيبدأ نيثان بوضع أقطاب كهربائية على رأس كريستي
01:11
Nathan: My life is tangled.
26
71095
1523
نيثان: حياتي متشابكة.
01:12
(Laughter)
27
72642
1150
(ضحك)
01:14
GG: And then he's going to show her a bunch of pictures
28
74152
2584
غ غ: ومن ثم سيعرض عليها مجموعة من الصور
01:16
from four different categories.
29
76760
1521
من أربع فئات مختلفة.
01:18
Nathan: Face, house, scenery and weird pictures.
30
78305
2654
نيثان: وجه، ومنزل، ومشهد طبيعي، وصور غريبة.
01:20
GG: As we show Christy hundreds of these images,
31
80983
2498
غ غ: فيما نعرض على كريستي المئات من هذه الصور،
01:23
we are also capturing the electrical waves onto Nathan's computer.
32
83505
3543
نقوم أيضًا بتسجيل الأمواج الكهربائية على حاسوب نيثان.
01:27
We want to see if we can detect any visual information about the photos
33
87072
3386
سنرى إن كان بوسعنا رصد أية معلومات متعلقة بالصور
01:30
contained in the brainwaves,
34
90482
1352
وردت في الموجات الدماغية،
01:31
so when we're done, we're going to see if the EEG
35
91858
2331
وهكذا عندما ننتهي، سنرى إن كان بوسع جهاز التخطيط
01:34
can tell us what kind of picture Christy is looking at,
36
94213
2598
أن يخبرنا عن نوعية الصور التي تنظر إليها كريستي،
01:36
and if it does, each category should trigger a different brain signal.
37
96835
3584
وإن حدث ذلك، ينبغي على كل فئة أن تثير إشارة دماغية مختلفة.
01:40
OK, so we collected all the raw EEG data,
38
100443
2628
حسنًا، إذًا لقد جمعنا كل بيانات جهاز التخطيط الأولية،
01:43
and this is what we got.
39
103095
1150
وهذا ما حصلنا عليه.
01:45
It all looks pretty messy, so let's arrange them by picture.
40
105389
2938
تبدو جميعها مبعثرة جدًا، لذا سنرتبها وفقًا للصورة.
01:48
Now, still a bit too noisy to see any differences,
41
108826
2656
الآن ما زال هناك تشويش نوعًا ما يعيقنا عن رؤية أي فروقات،
01:51
but if we average the EEG across all image types
42
111506
3040
لكن إذا ما عدّلنا المخططات الدماغية عبر جميع أنواع الصور
01:54
by aligning them to when the image first appeared,
43
114570
2436
من خلال ربطها باللحظة التي ظهرت بها الصورة أولًا،
01:57
we can remove this noise,
44
117030
1617
نستطيع التخلص من ذلك التشويش،
01:58
and pretty soon, we can see some dominant patterns
45
118671
2334
وسرعان ما سنستطيع رؤية بعض الأنماط البارزة
02:01
emerge for each category.
46
121029
1564
تظهر لكل فئة.
02:02
Now the signals all still look pretty similar.
47
122617
2156
الآن لا تزال الإشارات متشابهة جدًا.
02:04
Let's take a closer look.
48
124797
1215
دعونا نلقي نظرة قريبة.
02:06
About a hundred milliseconds after the image comes on,
49
126036
2525
بعد ظهور الصورة بحوالي 100 ملي ثانية،
02:08
we see a positive bump in all four cases,
50
128585
2628
نرى نتوءًا بارزًا في الحالات الأربعة جميعها،
02:11
and we call this the P100, and what we think that is
51
131237
2789
ونطلق عليه تسمية "ب100"، والذي نعتقده هو أنّ هذا
02:14
is what happens in your brain when you recognize an object.
52
134050
3075
ما يحصل لدماغك عندما تدرك شيئًا ما.
02:17
But damn, look at that signal for the face.
53
137149
2086
لكن يا إلهي! انظر إلى الرمز الذي يظهر للوجه.
02:19
It looks different than the others.
54
139259
1711
يبدو مختلفًا عن الرموز الأخرى.
02:20
There's a negative dip about 170 milliseconds
55
140994
2890
هناك هبوط سلبي بعد حوالي 170 ميلي ثانية
02:23
after the image comes on.
56
143908
1540
من ظهور الصورة.
02:25
What could be going on here?
57
145472
1750
ما الذي يحدث هنا؟
02:27
Research shows that our brain has a lot of neurons that are dedicated
58
147246
3240
تشير الأبحاث إلى وجود العديد من الخلايا العصبية وظيفتها
02:30
to recognizing human faces,
59
150510
1459
تمييز الوجوه البشرية،
02:31
so this N170 spike could be all those neurons
60
151993
2844
وبالتالي هذا ال"ن170" قد يكون عبارة عن إشارات
02:34
firing at once in the same location,
61
154861
1985
تطلقها هذه الخلايا العصبية في نفس الوقت والمكان
02:36
and we can detect that in the EEG.
62
156870
1634
ويمكننا كشف ذلك من خلال هذا الجهاز.
02:39
So there are two takeaways here.
63
159083
1820
وبالتالي هناك فائدتان هنا،
02:40
One, our eyes can't really detect the differences in patterns
64
160927
3085
أولًا؛ لا يمكن لأعيننا تمييز الفروق في الأنماط
02:44
without averaging out the noise,
65
164036
1571
من دون أن تبلغ معدل التشويش،
02:45
and two, even after removing the noise,
66
165631
2237
وثانيًا؛ حتى بعد إزالة التشويش،
02:47
our eyes can only pick up the signals associated with faces.
67
167892
3001
تستطيع أعيننا أن تلتقط الإشارات المرتبطة بالوجوه فقط.
02:50
So this is where we turn to machine learning.
68
170917
2268
إذًا هنا حيث نعود إلى تعلم الآلة.
02:53
Now, our eyes are not very good at picking up patterns in noisy data,
69
173209
3976
الآن، عيوننا ليست بتلك الجودة في التقاط الأشكال من بيانات مشوشة،
02:57
but machine learning algorithms are designed to do just that,
70
177209
2946
ولكن آلة تتعلم الخوارزميات مصممة لتقوم بذلك فحسب،
03:00
so could we take a lot of pictures and a lot of data
71
180179
3201
إذًا هل نستطيع أخذ العديد من الصور والبيانات
03:03
and feed it in and train a computer
72
183404
1790
وتغذية حاسوب وتدريبه
03:05
to be able to interpret what Christy is looking at in real time?
73
185218
3381
ليكون قادرًا على تفسير ما تنظر إليه كريستي في الوقت الحقيقي؟
03:09
We're trying to code the information that's coming out of her EEG
74
189088
4117
نحاول ترميز المعلومات التي تصدر من الرسوم البيانية لدماغها "EEG"
03:13
in real time
75
193229
1175
في الوقت الحقيقي
03:14
and predict what it is that her eyes are looking at.
76
194428
2461
والتنبأ بما تنظر إليه عيناها.
03:16
And if it works, what we should see
77
196913
1727
وإذا تم ذلك، ما ينبغي أن نراه
03:18
is every time that she gets a picture of scenery,
78
198664
2381
في كل مرة تحصل فيها على صورة مشهد
ينبغي أن يقول مشهد، مشهد، مشهد، مشهد.
03:21
it should say scenery, scenery, scenery, scenery.
79
201069
2286
وجه...وجه، وجه، وجه، وجه،
03:23
A face -- face, face, face, face,
80
203379
1957
03:25
but it's not quite working that way, is what we're discovering.
81
205360
3531
ولكن الأمر لا يعمل على هذا النحو تمامًا، وهذا ما نكتشفه.
03:33
(Laughter)
82
213385
3548
(ضحك)
03:36
OK.
83
216957
1151
حسنًا.
03:38
Director: So what's going on here? GG: We need a new career, I think.
84
218132
3382
المخرجة: إذا ما الذي يجري هنا؟ غ غ: أعنقد أننا نحتاج وظيفة جديدة.
03:41
(Laughter)
85
221538
1070
(ضحك)
03:42
OK, so that was a massive failure.
86
222632
2444
حسنًا، لقد كان هذا إخفاقًا جسيمًا.
03:45
But we're still curious: How far could we push this technology?
87
225100
3212
ولكن لا يزال ينتابنا الفضول: إلى أي مدى يسعنا التقدم في هذه التقنية؟
03:48
And we looked back at what we did.
88
228336
1640
وأعدنا النظر إلى ما فعلناه من قبل.
03:50
We noticed that the data was coming into our computer very quickly,
89
230000
3143
ولاحظنا أنّ البيانات كانت تدخل حاسوبنا بشكل سريع جدًا.
03:53
without any timing of when the images came on,
90
233167
2241
بدون تعيين الوقت عندما تظهر الصور،
03:55
and that's the equivalent of reading a very long sentence
91
235432
2876
وهذا مثل قراءة جملة طويلة جدًا
03:58
without spaces between the words.
92
238332
1605
بدون فراغات بين الكلمات.
03:59
It would be hard to read,
93
239961
1438
سيكون من الصعب قراءتها،
04:01
but once we add the spaces, individual words appear
94
241423
3713
ولكن بمجرد أن نضع الفراغات، تظهر لنا كلمات مفردة
04:05
and it becomes a lot more understandable.
95
245160
2044
وتصبح الجملة مفهومة أكثر بكثير.
04:07
But what if we cheat a little bit?
96
247228
1847
ولكن ماذا لو غششنا قليلًا؟
04:09
By using a sensor, we can tell the computer when the image first appears.
97
249099
3537
باستخدام جهاز استشعار، يمكننا أن نقول للحاسوب عندما تظهر الصورة لأول مرة،
04:12
That way, the brainwave stops being a continuous stream of information,
98
252660
3602
بهذه الطريقة، تتوقف الموجة الدماغية عن كونها تدفقًا مستمرًا من المعلومات.
04:16
and instead becomes individual packets of meaning.
99
256286
2711
وتصبح عوضًا عن ذلك حُزمًا مفردة ذات معنى،
04:19
Also, we're going to cheat a little bit more,
100
259021
2368
سنقوم كذلك بالغش قليلًا بعد،
04:21
by limiting the categories to two.
101
261413
1812
بتقليل الأصناف إلى اثنين.
04:23
Let's see if we can do some real-time mind-reading.
102
263249
2383
لنرى إن كان بوسعنا قراءة الأفكار في الوقت الفعلي.
04:25
In this new experiment,
103
265656
1235
في هذه التجربة الجديدة،
04:26
we're going to constrict it a little bit more
104
266915
2097
سنُقلصها قليلًا أكثر،
04:29
so that we know the onset of the image
105
269036
2252
وهكذا نعرف بداية الصورة
04:31
and we're going to limit the categories to "face" or "scenery."
106
271312
3382
وسنقوم بالحد من الأصناف إلى "وجه" أو "مشهد".
04:35
Nathan: Face. Correct.
107
275097
1511
نيثان: وجه. هذا صحيح.
04:37
Scenery. Correct.
108
277780
1351
مشهد. صحيح.
04:40
GG: So right now, every time the image comes on,
109
280251
2373
غ غ: إذًا الآن، في كل مرة تظهر الصورة،
04:42
we're taking a picture of the onset of the image
110
282648
2266
نلتقط شكلًا لبداية الصورة
04:44
and decoding the EEG.
111
284938
1695
ونفك تشفير الرسوم الدماغية "EEG"
04:46
It's getting correct.
112
286657
1256
لقد بدأت تعمل بشكل صحيح.
04:47
Nathan: Yes. Face. Correct.
113
287937
1579
نيثان: أجل. وجه. صحيح.
04:49
GG: So there is information in the EEG signal, which is cool.
114
289540
2859
غ غ: هناك إذًا معلومات في إشارة تخطيط الدماغ وهذا أمر رائع
04:52
We just had to align it to the onset of the image.
115
292423
2537
كل ما علينا فعله هو جعلها تتواءم مع بداية الصورة.
04:55
Nathan: Scenery. Correct.
116
295307
1311
نيثان: مشهد. صحيح.
04:59
Face. Yeah.
117
299344
1150
وجه. نعم.
05:00
GG: This means there is some information there,
118
300518
2288
غ غ: هذا يعني وجود بعض المعلومات هناك،
05:02
so if we know at what time the picture came on,
119
302830
2913
لذا لو استطعنا أن نعرف متى تظهر الصورة،
05:05
we can tell what type of picture it was,
120
305767
1999
سيكون بوسعنا أن نحدد من أي الأشكال كانت،
05:07
possibly, at least on average, by looking at these evoked potentials.
121
307790
5096
هذا ممكن، ولو بمعدل متوسط، بالنظر إلى تلك الموجات الدماغية.
05:12
Nathan: Exactly.
122
312910
1325
نيثان: تمامًا.
05:14
GG: If you had told me at the beginning of this project this was possible,
123
314259
3521
غ غ: لو أنّك أخبرتني أنّ هذا ممكن في بداية المشروع،
05:17
I would have said no way.
124
317804
1251
لأجبتك بأنّ هذا مستحيل.
أنا حرفيًا لم أعتقد أنّ بوسعنا تحقيق هذا.
05:19
I literally did not think we could do this.
125
319079
2000
05:21
Did our mind-reading experiment really work?
126
321103
2066
هل نجحت تجربتنا في قراءة الأفكار بحق؟
05:23
Yes, but we had to do a lot of cheating.
127
323193
1975
نعم، ولكن اضطُررنا للقيام بالكثير من الحيل.
05:25
It turns out you can find some interesting things in the EEG,
128
325192
2905
يبدو أنّك تستطيع إيجاد بعض الأشياء المُثيرة في الموجات الدماغية،
05:28
for example if you're looking at someone's face,
129
328121
2290
على سبيل المثال: إذا كنت تنظر إلى وجه أحدهم،
05:30
but it does have a lot of limitations.
130
330435
2157
ولكنها مُقيّدة إلى حدٍ كبير.
05:32
Perhaps advances in machine learning will make huge strides,
131
332616
2946
لربما التطورات في تعلم الآلة ستقطع أشواطًا هائلة.
05:35
and one day we will be able to decode what's going on in our thoughts.
132
335586
3390
ويومًا ما سنكون قادرين على ترجمة ما يحدث في أفكارنا
05:39
But for now, the next time a company says that they can harness your brainwaves
133
339000
4077
ولكن للآن، المرة القادمة التي تقول فيها شركة أنّ بوسعها استغلال موجات دماغك
05:43
to be able to control devices,
134
343101
1750
لتتمكّن من التحكم في الأجهزة.
05:44
it is your right, it is your duty to be skeptical.
135
344875
3310
إنّه لمن حقك وواجبك أن تُشكّك بذلك.
حول هذا الموقع

سيقدم لك هذا الموقع مقاطع فيديو YouTube المفيدة لتعلم اللغة الإنجليزية. سترى دروس اللغة الإنجليزية التي يتم تدريسها من قبل مدرسين من الدرجة الأولى من جميع أنحاء العالم. انقر نقرًا مزدوجًا فوق الترجمة الإنجليزية المعروضة على كل صفحة فيديو لتشغيل الفيديو من هناك. يتم تمرير الترجمات بالتزامن مع تشغيل الفيديو. إذا كان لديك أي تعليقات أو طلبات ، يرجى الاتصال بنا باستخدام نموذج الاتصال هذا.

https://forms.gle/WvT1wiN1qDtmnspy7