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

Translator: Joseph Geni Reviewer: Krystian Aparta

Translator: Sina Shafiezadeh Reviewer: Mahshid Moballegh Nasery

گِرِگ گیج: ذهن‌خوانی. در فیلم‌ های علمی-تخیلی دیدید:

ماشین‌‌هایی که می‌‌توانند افکار ما را بخوانند.

هرچند، امروزه دستگاه‌‌هایی وجود دارند که فعالیت الکتریکی مغزهایمان را می‌خوانند.

ما این را ای‌ای‌جی می‌نامیم.

آیا اطلاعاتی در این امواج مغزی وجود دارند؟

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

اگر بله، آیا قادریم رایانه‌ای برای خواندن افکارمان آموزش دهیم؟

machines that can read our thoughts.

However, there are devices today

رفقیم ناتان در حال هک یک ای‌‌ای‌‌جی

that can read the electrical activity from our brains.

برای ساخت یک ماشین ذهن‌‌خوان است.

We call this the EEG.

[خودتان انجام دهید: علوم اعصاب]

Is there information contained in these brainwaves?

پس ای‌ای‌جی این گونه عمل می‌کند.

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

درون سر شما یک مغز وجود دارد،

که از میلیاردها سلول‌ عصبی ساخته شده است.

My buddy Nathan has been working to hack the EEG

هر کدام از آن سلول‌های عصبی پیامی الکتریکی به یکدیگر می‌فرستند.

to build a mind-reading machine.

پیام‌ها می‌توانند با هم ترکیب شوند و یک موج الکتریکی ایجاد کنند

[DIY Neuroscience]

So this is how the EEG works.

که می‌توانیم روی نمایش‌گر ببینیم.

Inside your head is a brain,

حالا به طور سنتی، ای‌ای‌جی چیزهای در مقیاس بزرگ به ما بگوید،

and that brain is made out of billions of neurons.

برای مثال این که شما خواب هستید یا هشیار.

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

ولی آیا چیز دیگری هم به ما می‌گوید؟

آیا واقعا افکار ما را می‌خواند؟

These small messages can combine to make an electrical wave

ما قصد آزمایش این را داریم،

و نمی‌خواهیم با افکار پیچیده شروع کنیم.

that we can detect on a monitor.

می‌خواهیم کاری بسیار ساده انجام دهیم.

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

آیا می‌توانیم آن‌چه را که شخصی می‌بیند تنها با استفاده از امواج مغزی تفسیر کنیم؟

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

But can it tell us anything else?

ناتان قرار است با قرار دادن الکترود روی سر کریستی شروع کند.

Can it actually read our thoughts?

We're going to test this,

ناتان: زندگی من گره خورده است.

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

(صدای خنده)

We're going to do something very simple.

گِرِگ: و سپس یک دسته از چهار دسته مختلف عکس را به او نشان می‌دهد.

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

ناتان: چهره، خانه، منظره و تصاویر عجیب‌وغریب.

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

گِرِگ: در حالی که تصاویر را به کریستی نشان می‌دهیم،

Nathan: My life is tangled.

همچنین امواج الکتریکی را روی رایانه ناتان ثبت می‌کنیم.

(Laughter)

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

می‌خواهیم ببینیم می‌توانیم اطلاعات بصری عکس‌ها را که در امواج مغزی است تشخیص دهیم،

from four different categories.

Nathan: Face, house, scenery and weird pictures.

پس وقتی کارمان تمام شد، خواهیم دید که آیا ای‌ای‌جی

GG: As we show Christy hundreds of these images,

می‌تواند به ما بگوید که کریستی به چه نوع تصویری نگاه می‌کند،

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

و اگر این کار را کرد، هر دسته باید سیگنال مغزی متفاوتی را تحریک کند.

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

خوب، بنابراین ما تمام داده‌های خام ای‌ای‌جی را جمع‌آوری کردیم،

contained in the brainwaves,

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

و این چیزی است که حاصل شد.

همه چیز آشفته به نظر می‌رسد، بیایید آنها را بر اساس تصویر مرتب کنیم.

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

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

هنوز برای دیدن هر گونه تفاوت، زیاد اغتشاش دارد،

اما اگر ما میانگین ای‌ای‌جی را با تراز کردن آن‌ها با زمانی که

OK, so we collected all the raw EEG data,

تصویر اول ظاهر شد، در تمام تصاویر حساب کنیم،

and this is what we got.

ما می‌توانیم این اغتشاشات را حذف کنیم،

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

و سریع می‌توانیم برخی از الگوهای غالب را که برای هر دسته ظاهر می‌شوند ببینیم.

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

اما هنوز همه‌ی سیگنال‌ها شبیه هم هستند.

but if we average the EEG across all image types

بیایید دقیق‌تر نگاه کنیم.

by aligning them to when the image first appeared,

حدود صد میلی‌ثانیه پس از نمایش تصویر،

در هر چهار مورد یک برآمدگی مثبت می‌بینیم،

we can remove this noise,

and pretty soon, we can see some dominant patterns

و آن را پی۱۰۰ می‌نامیم، و آن‌چه ما فکر می‌کنیم این است

emerge for each category.

که زمانی که شئ‌ای را تشخیص می‌دهید چنین چیزی در مغز شما اتفاق می‌افتد.

Now the signals all still look pretty similar.

Let's take a closer look.

اما لعنتی، به سیگنال چهره نگاه کنید.

About a hundred milliseconds after the image comes on,

به نظر با بقیه تفاوت دارد.

we see a positive bump in all four cases,

یک شیب منفی حدوداً ۱۷۰ میلی‌ثانیه‌ای بعد از این‌که تصویر ظاهر می‌شود وجود دارد.

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

اینجا چه اتفاقی می‌تواند در جریان باشد؟

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

تحقیقات نشان می‌دهد که مغز ما سلول‌های زیادی دارد که مختص

But damn, look at that signal for the face.

تشخیص چهره انسان هستند،

It looks different than the others.

There's a negative dip about 170 milliseconds

پس این جهش «ان۱۷۰» می‌تواند تمام آن سلول‌های عصبی باشد

که هم زمان به یک مکان شلیک می‌کنند،

after the image comes on.

و می‌توانیم آن را در ای‌ای‌جی تشخیص دهیم.

What could be going on here?

بنابراین دو نکته در اینجا وجود دارد.

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

یک، چشمان ما واقعاً نمی‌توانند تفاوت‌های الگوها را

to recognizing human faces,

so this N170 spike could be all those neurons

بدون میانگین گرفتن اغتشاشات تشخیص دهند،

و دو، حتی پس از حذف اغتشاشات،

firing at once in the same location,

چشمان ما فقط می‌توانند سیگنال‌های مربوط به چهره‌ها را برگزینند.

and we can detect that in the EEG.

بنابراین اینجاست که ما به یادگیری ماشین روی می‌آوریم.

So there are two takeaways here.

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

حالا، چشمان ما در انتخاب الگوها در داده‌های پر اغتشاش چندان خوب نیستند،

without averaging out the noise,

and two, even after removing the noise,

اما الگوریتم‌های یادگیری ماشین برای انجام این کار طراحی شده‌اند،

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

بنابراین آیا می‌توانیم تعداد زیادی عکس و داده بگیریم

So this is where we turn to machine learning.

و وارد رایانه کرده و آن‌ها را آموزش دهیم

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

تا بتواند آنچه را که کریستی در زمان حاضر به آن نگاه می‌کند تفسیر کند؟

ما سعی می‌کنیم اطلاعات ای‌ای‌جی او را به صورت لحظه‌ای رمزگذاری کنیم

but machine learning algorithms are designed to do just that,

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

و پیش‌بینی کنیم که چشمان او به چه چیزی نگاه می‌کنند.

and feed it in and train a computer

و اگر کار کند، چه چیزی باید ببینیم

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

هر بار که او عکسی از منظره می‌گیرد،

باید بگوید منظره، منظره، منظره، منظره.

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

یک صورت -- صورت، صورت، صورت، صورت،

in real time

اما کاملاً به این شکل کار نمی‌کند، چیزی است که ما در حال کشف کردن هستیم.

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

And if it works, what we should see

is every time that she gets a picture of scenery,

(صدای خنده)

it should say scenery, scenery, scenery, scenery.

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

خوب.

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

کارگردان: خب اینجا چه خبر است؟ گِرِگ: فکر کنم ما یک حرفه جدید نیاز داریم.

(صدای خنده)

خوب، پس این یک شکست عظیم بود.

اما ما هنوز کنجکاو هستیم: تا کجا می‌توانیم این فناوری را پیش ببریم؟

(Laughter)

OK.

و ما به آن‌چه انجام دادیم نگاه کردیم.

ما متوجه شدیم که داده‌ها خیلی سریع وارد رایانه ما می‌شوند،

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

بدون هیچ زمان‌بندی برای وقتی که تصاویر ظاهر شدند،

(Laughter)

OK, so that was a massive failure.

و این معادل خواندن یک جمله بسیار طولانی بدون فاصله بین کلمات است.

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

خواندن آن سخت خواهد بود،

And we looked back at what we did.

اما هنگامی که فاصله ها را اضافه می‌کنیم، کلمات جداگانه ظاهر می شوند

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

without any timing of when the images came on,

و بسیار قابل درک‌تر می‌شوند.

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

اما اگر کمی تقلب کنیم چه؟

با یک حسگر، می‌توانیم به رایانه بگوییم که تصویر برای اولین‌بار چه زمانی ظاهر می‌شود

without spaces between the words.

It would be hard to read,

به این ترتیب، موج مغزی دیگر یک جریان مداوم اطلاعات نیست،

but once we add the spaces, individual words appear

و در عوض تبدیل به بسته‌های مجزای معنی‌دار می شوند.

and it becomes a lot more understandable.

همچنین، ما قصد داریم با محدود کردن دسته‌ها به دو دسته کمی بیشتر تقلب کنیم.

But what if we cheat a little bit?

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

ببینیم آیا می‌توانیم ذهن‌خوانی را در لحظه‌ای انجام دهیم.

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

در این آزمایش جدید،

ما آن را کمی بیشتر محدود می‌کنیم

and instead becomes individual packets of meaning.

به طوری که ما شروع تصویر را بدانیم

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

و دسته بندی‌ها را به «چهره» یا «منظره» محدود می‌کنیم.

by limiting the categories to two.

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

ناتان: صورت. درست.

In this new experiment,

منظره. درست.

we're going to constrict it a little bit more

گِرِگ: بنابراین در حال حاضر، هر بار که تصویر می‌آید،

so that we know the onset of the image

ما از شروع تصویر عکس می‌گیریم

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

و نوار مغزی را رمزگشایی می‌کنیم.

در حال درست شدن است.

Nathan: Face. Correct.

ناتان: بله. صورت. درست.

Scenery. Correct.

گِرِگ: بنابراین اطلاعاتی در ای‌ای‌جی وجود دارد که جالب است.

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

ما فقط باید آن را با ابتدای تصویر تراز می‌کردیم.

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

ناتان: منظره. درست.

and decoding the EEG.

It's getting correct.

Nathan: Yes. Face. Correct.

صورت. آره.

گِرِگ: به این معنی که آن‌جا مقداری اطلاعات وجود دارد،

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

بنابراین اگر ما بدانیم در چه زمانی عکس ظاهر شد،

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

احتمالاً می‌توانیم حداقل به طور متوسط، با نگاه کردن به این پتانسیل‌های برانگیخته

Nathan: Scenery. Correct.

بگوییم چه نوع تصویری بود.

Face. Yeah.

GG: This means there is some information there,

ناتان: دقیقا.

گِرِگ: اگر در شروع این پروژه به من گفته بودید که این امکان‌پذیر است،

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

we can tell what type of picture it was,

من می‌گفتم به هیچ وجه.

واقعا فکر نمی‌کردم بتوانیم انجامش دهیم.

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

آیا آزمایش ذهن‌خوانی ما واقعاً کار کرد؟

بله، اما مجبور شدیم زیاد تقلب کنیم.

Nathan: Exactly.

معلوم شد می‌توانید چیزهای جالبی را در ای‌ای‌جی پیدا کنید،

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

برای مثال اگر به صورت کسی نگاه می‌کنید،

I would have said no way.

اما محدودیت‌های زیادی دارند.

I literally did not think we could do this.

شاید پیشرفت در یادگیری ماشین گام‌های بزرگی برخواهد داشت،

Did our mind-reading experiment really work?

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

و روزی قادر خواهیم بود آنچه را که در افکارمان می‌گذرد رمزگشایی کنیم.

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

اما برای حالا، دفعه بعد که یک شرکت می‌گوید که آنها قادر به مهار امواج مغزی شما هستند

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

but it does have a lot of limitations.

قادر به کنترل دستگاه‌ها،

Perhaps advances in machine learning will make huge strides,

این حق شماست، این وظیفه شماست که شک داشته باشید.

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

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

to be able to control devices,

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