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

Translator: Joseph Geni Reviewer: Krystian Aparta

المترجم: Mustafa Alsaeed المدقّق: Fatima Zahra El Hafa

Greg Gage: Mind-reading. You've seen this in sci-fi movies:

غريغ غيج: قراءة الأفكار، لقد شاهدت ذلك في أفلام الخيال العلمي؛

الآلات التي بوسعها قراءة أفكارنا.

machines that can read our thoughts.

However, there are devices today

غير أنّ هناك تقنيات اليوم

that can read the electrical activity from our brains.

بوسعها قراءة النشاط الكهربائي لأدمغتنا.

We call this the EEG.

نسميها مخطط كهربية الدماغ "EEG".

Is there information contained in these brainwaves?

هل يوجد معلومات مُضمّنة في موجات الدماغ؟

And if so, could we train a computer to read our thoughts?

وإن كان كذلك، هل باستطاعتنا تدريب حاسوب على قراءة أفكارنا؟

My buddy Nathan has been working to hack the EEG

عكف صديقي نيثان على اختراق تخطيط الأمواج الدماغية

to build a mind-reading machine.

من أجل بناء آلة تقرأ الأفكار.

[DIY Neuroscience]

[جرّب علم الأعصاب بنفسك]

So this is how the EEG works.

حسنًا إليك طريقة عمل نظام تخطيط الدماغ.

Inside your head is a brain,

يوجد في داخل الرأس دماغ،

and that brain is made out of billions of neurons.

ويتكون هذا الدماغ من مليارات الخلايا العصبية،

Each of those neurons sends an electrical message to each other.

تقوم هذه الخلايا العصبية بإرسال إشارات كهربائية بين بعضها.

These small messages can combine to make an electrical wave

تتجمع هذه الرسائل الصغيرة لتشكيل موجة كهربائية

that we can detect on a monitor.

نستطيع كشفها على شاشة الحاسوب

Now traditionally, the EEG can tell us large-scale things,

عادةً، يستطيع جهاز تخطيط الدماغ قراءة الأشياء بصورة عامة،

for example if you're asleep or if you're alert.

على سبيل المثال: إذا كنت نائما أو إذا جرى تنبيهك.

But can it tell us anything else?

لكن هل يمكنه إخبارنا بأشياء أخرى؟

Can it actually read our thoughts?

هل حقًا بوسعه قراءة أفكارنا؟

We're going to test this,

سنقوم بتجربة ذلك،

and we're not going to start with some complex thoughts.

ولن نبدأ ذلك مع أفكار معقدة.

We're going to do something very simple.

سنقوم بإجراءات بسيطة جدًا.

Can we interpret what someone is seeing using only their brainwaves?

هل بوسعنا تفسير ما يراه الشخص باستخدام الأمواج الدماغية فقط؟

Nathan's going to begin by placing electrodes on Christy's head.

سيبدأ نيثان بوضع أقطاب كهربائية على رأس كريستي

Nathan: My life is tangled.

نيثان: حياتي متشابكة.

(Laughter)

(ضحك)

GG: And then he's going to show her a bunch of pictures

غ غ: ومن ثم سيعرض عليها مجموعة من الصور

from four different categories.

من أربع فئات مختلفة.

Nathan: Face, house, scenery and weird pictures.

نيثان: وجه، ومنزل، ومشهد طبيعي، وصور غريبة.

GG: As we show Christy hundreds of these images,

غ غ: فيما نعرض على كريستي المئات من هذه الصور،

we are also capturing the electrical waves onto Nathan's computer.

نقوم أيضًا بتسجيل الأمواج الكهربائية على حاسوب نيثان.

We want to see if we can detect any visual information about the photos

سنرى إن كان بوسعنا رصد أية معلومات متعلقة بالصور

contained in the brainwaves,

وردت في الموجات الدماغية،

so when we're done, we're going to see if the EEG

وهكذا عندما ننتهي، سنرى إن كان بوسع جهاز التخطيط

can tell us what kind of picture Christy is looking at,

أن يخبرنا عن نوعية الصور التي تنظر إليها كريستي،

and if it does, each category should trigger a different brain signal.

وإن حدث ذلك، ينبغي على كل فئة أن تثير إشارة دماغية مختلفة.

OK, so we collected all the raw EEG data,

حسنًا، إذًا لقد جمعنا كل بيانات جهاز التخطيط الأولية،

and this is what we got.

وهذا ما حصلنا عليه.

It all looks pretty messy, so let's arrange them by picture.

تبدو جميعها مبعثرة جدًا، لذا سنرتبها وفقًا للصورة.

Now, still a bit too noisy to see any differences,

الآن ما زال هناك تشويش نوعًا ما يعيقنا عن رؤية أي فروقات،

but if we average the EEG across all image types

لكن إذا ما عدّلنا المخططات الدماغية عبر جميع أنواع الصور

by aligning them to when the image first appeared,

من خلال ربطها باللحظة التي ظهرت بها الصورة أولًا،

we can remove this noise,

نستطيع التخلص من ذلك التشويش،

and pretty soon, we can see some dominant patterns

وسرعان ما سنستطيع رؤية بعض الأنماط البارزة

emerge for each category.

تظهر لكل فئة.

Now the signals all still look pretty similar.

الآن لا تزال الإشارات متشابهة جدًا.

Let's take a closer look.

دعونا نلقي نظرة قريبة.

About a hundred milliseconds after the image comes on,

بعد ظهور الصورة بحوالي 100 ملي ثانية،

we see a positive bump in all four cases,

نرى نتوءًا بارزًا في الحالات الأربعة جميعها،

and we call this the P100, and what we think that is

ونطلق عليه تسمية "ب100"، والذي نعتقده هو أنّ هذا

is what happens in your brain when you recognize an object.

ما يحصل لدماغك عندما تدرك شيئًا ما.

But damn, look at that signal for the face.

لكن يا إلهي! انظر إلى الرمز الذي يظهر للوجه.

It looks different than the others.

يبدو مختلفًا عن الرموز الأخرى.

There's a negative dip about 170 milliseconds

هناك هبوط سلبي بعد حوالي 170 ميلي ثانية

after the image comes on.

من ظهور الصورة.

What could be going on here?

ما الذي يحدث هنا؟

Research shows that our brain has a lot of neurons that are dedicated

تشير الأبحاث إلى وجود العديد من الخلايا العصبية وظيفتها

to recognizing human faces,

تمييز الوجوه البشرية،

so this N170 spike could be all those neurons

وبالتالي هذا ال"ن170" قد يكون عبارة عن إشارات

firing at once in the same location,

تطلقها هذه الخلايا العصبية في نفس الوقت والمكان

and we can detect that in the EEG.

ويمكننا كشف ذلك من خلال هذا الجهاز.

So there are two takeaways here.

وبالتالي هناك فائدتان هنا،

One, our eyes can't really detect the differences in patterns

أولًا؛ لا يمكن لأعيننا تمييز الفروق في الأنماط

without averaging out the noise,

من دون أن تبلغ معدل التشويش،

and two, even after removing the noise,

وثانيًا؛ حتى بعد إزالة التشويش،

our eyes can only pick up the signals associated with faces.

تستطيع أعيننا أن تلتقط الإشارات المرتبطة بالوجوه فقط.

So this is where we turn to machine learning.

إذًا هنا حيث نعود إلى تعلم الآلة.

Now, our eyes are not very good at picking up patterns in noisy data,

الآن، عيوننا ليست بتلك الجودة في التقاط الأشكال من بيانات مشوشة،

but machine learning algorithms are designed to do just that,

ولكن آلة تتعلم الخوارزميات مصممة لتقوم بذلك فحسب،

so could we take a lot of pictures and a lot of data

إذًا هل نستطيع أخذ العديد من الصور والبيانات

and feed it in and train a computer

وتغذية حاسوب وتدريبه

to be able to interpret what Christy is looking at in real time?

ليكون قادرًا على تفسير ما تنظر إليه كريستي في الوقت الحقيقي؟

We're trying to code the information that's coming out of her EEG

نحاول ترميز المعلومات التي تصدر من الرسوم البيانية لدماغها "EEG"

in real time

في الوقت الحقيقي

and predict what it is that her eyes are looking at.

والتنبأ بما تنظر إليه عيناها.

And if it works, what we should see

وإذا تم ذلك، ما ينبغي أن نراه

is every time that she gets a picture of scenery,

في كل مرة تحصل فيها على صورة مشهد

ينبغي أن يقول مشهد، مشهد، مشهد، مشهد.

it should say scenery, scenery, scenery, scenery.

وجه...وجه، وجه، وجه، وجه،

A face -- face, face, face, face,

but it's not quite working that way, is what we're discovering.

ولكن الأمر لا يعمل على هذا النحو تمامًا، وهذا ما نكتشفه.

(Laughter)

(ضحك)

OK.

حسنًا.

Director: So what's going on here? GG: We need a new career, I think.

المخرجة: إذا ما الذي يجري هنا؟ غ غ: أعنقد أننا نحتاج وظيفة جديدة.

(Laughter)

(ضحك)

OK, so that was a massive failure.

حسنًا، لقد كان هذا إخفاقًا جسيمًا.

But we're still curious: How far could we push this technology?

ولكن لا يزال ينتابنا الفضول: إلى أي مدى يسعنا التقدم في هذه التقنية؟

And we looked back at what we did.

وأعدنا النظر إلى ما فعلناه من قبل.

We noticed that the data was coming into our computer very quickly,

ولاحظنا أنّ البيانات كانت تدخل حاسوبنا بشكل سريع جدًا.

without any timing of when the images came on,

بدون تعيين الوقت عندما تظهر الصور،

and that's the equivalent of reading a very long sentence

وهذا مثل قراءة جملة طويلة جدًا

without spaces between the words.

بدون فراغات بين الكلمات.

It would be hard to read,

سيكون من الصعب قراءتها،

but once we add the spaces, individual words appear

ولكن بمجرد أن نضع الفراغات، تظهر لنا كلمات مفردة

and it becomes a lot more understandable.

وتصبح الجملة مفهومة أكثر بكثير.

But what if we cheat a little bit?

ولكن ماذا لو غششنا قليلًا؟

By using a sensor, we can tell the computer when the image first appears.

باستخدام جهاز استشعار، يمكننا أن نقول للحاسوب عندما تظهر الصورة لأول مرة،

That way, the brainwave stops being a continuous stream of information,

بهذه الطريقة، تتوقف الموجة الدماغية عن كونها تدفقًا مستمرًا من المعلومات.

and instead becomes individual packets of meaning.

وتصبح عوضًا عن ذلك حُزمًا مفردة ذات معنى،

Also, we're going to cheat a little bit more,

سنقوم كذلك بالغش قليلًا بعد،

by limiting the categories to two.

بتقليل الأصناف إلى اثنين.

Let's see if we can do some real-time mind-reading.

لنرى إن كان بوسعنا قراءة الأفكار في الوقت الفعلي.

In this new experiment,

في هذه التجربة الجديدة،

we're going to constrict it a little bit more

سنُقلصها قليلًا أكثر،

so that we know the onset of the image

وهكذا نعرف بداية الصورة

and we're going to limit the categories to "face" or "scenery."

وسنقوم بالحد من الأصناف إلى "وجه" أو "مشهد".

Nathan: Face. Correct.

نيثان: وجه. هذا صحيح.

Scenery. Correct.

مشهد. صحيح.

GG: So right now, every time the image comes on,

غ غ: إذًا الآن، في كل مرة تظهر الصورة،

we're taking a picture of the onset of the image

نلتقط شكلًا لبداية الصورة

and decoding the EEG.

ونفك تشفير الرسوم الدماغية "EEG"

It's getting correct.

لقد بدأت تعمل بشكل صحيح.

Nathan: Yes. Face. Correct.

نيثان: أجل. وجه. صحيح.

GG: So there is information in the EEG signal, which is cool.

غ غ: هناك إذًا معلومات في إشارة تخطيط الدماغ وهذا أمر رائع

We just had to align it to the onset of the image.

كل ما علينا فعله هو جعلها تتواءم مع بداية الصورة.

Nathan: Scenery. Correct.

نيثان: مشهد. صحيح.

Face. Yeah.

وجه. نعم.

GG: This means there is some information there,

غ غ: هذا يعني وجود بعض المعلومات هناك،

so if we know at what time the picture came on,

لذا لو استطعنا أن نعرف متى تظهر الصورة،

we can tell what type of picture it was,

سيكون بوسعنا أن نحدد من أي الأشكال كانت،

possibly, at least on average, by looking at these evoked potentials.

هذا ممكن، ولو بمعدل متوسط، بالنظر إلى تلك الموجات الدماغية.

Nathan: Exactly.

نيثان: تمامًا.

GG: If you had told me at the beginning of this project this was possible,

غ غ: لو أنّك أخبرتني أنّ هذا ممكن في بداية المشروع،

I would have said no way.

لأجبتك بأنّ هذا مستحيل.

أنا حرفيًا لم أعتقد أنّ بوسعنا تحقيق هذا.

I literally did not think we could do this.

Did our mind-reading experiment really work?

هل نجحت تجربتنا في قراءة الأفكار بحق؟

Yes, but we had to do a lot of cheating.

نعم، ولكن اضطُررنا للقيام بالكثير من الحيل.

It turns out you can find some interesting things in the EEG,

يبدو أنّك تستطيع إيجاد بعض الأشياء المُثيرة في الموجات الدماغية،

for example if you're looking at someone's face,

على سبيل المثال: إذا كنت تنظر إلى وجه أحدهم،

but it does have a lot of limitations.

ولكنها مُقيّدة إلى حدٍ كبير.

Perhaps advances in machine learning will make huge strides,

لربما التطورات في تعلم الآلة ستقطع أشواطًا هائلة.

and one day we will be able to decode what's going on in our thoughts.

ويومًا ما سنكون قادرين على ترجمة ما يحدث في أفكارنا

But for now, the next time a company says that they can harness your brainwaves

ولكن للآن، المرة القادمة التي تقول فيها شركة أنّ بوسعها استغلال موجات دماغك

to be able to control devices,

لتتمكّن من التحكم في الأجهزة.

it is your right, it is your duty to be skeptical.

إنّه لمن حقك وواجبك أن تُشكّك بذلك.