This computer is learning to read your mind | DIY Neuroscience, a TED series
126,453 views ・ 2018-09-15
아래 영문자막을 더블클릭하시면 영상이 재생됩니다.
00:00
Translator: Joseph Geni
Reviewer: Krystian Aparta
0
0
7000
번역: Hyeyoung Jeong
검토: Yunjung Nam
00:12
Greg Gage: Mind-reading.
You've seen this in sci-fi movies:
1
12203
2859
그렉 게이지: 마음 읽기.
공상과학 영화에 등장하는
생각을 읽을 수 있는 기계를
본적이 있을 겁니다.
00:15
machines that can read our thoughts.
2
15086
1857
00:16
However, there are devices today
3
16967
1798
하지만 오늘날 우리에게는
00:18
that can read the electrical
activity from our brains.
4
18789
2524
뇌파 활동을 읽을 수 있는
기계들이 있는데,
00:21
We call this the EEG.
5
21337
1272
그건 바로 EEG입니다.
00:23
Is there information
contained in these brainwaves?
6
23695
2829
이 뇌파에는 정보가 포함되어 있을까요?
00:26
And if so, could we train a computer
to read our thoughts?
7
26548
2813
그러면 컴퓨터를 훈련시켜
생각을 읽게 할 수 있을까요?
00:29
My buddy Nathan
has been working to hack the EEG
8
29385
2904
제 친구 네이던은 EEG를
분석하는 일을 하고 있어요.
00:32
to build a mind-reading machine.
9
32313
1676
마음을 읽는 기계를 만들기 위해서죠.
00:34
[DIY Neuroscience]
10
34013
2457
[DIY 신경과학]
00:36
So this is how the EEG works.
11
36939
1561
EEG는 이렇게 작동합니다.
00:38
Inside your head is a brain,
12
38524
1844
여러분 머리에는 뇌가 있고,
00:40
and that brain is made
out of billions of neurons.
13
40392
2558
그 뇌는 몇 십억 개의 신경으로
이루어져 있습니다.
00:42
Each of those neurons sends
an electrical message to each other.
14
42974
3007
각각의 이 신경들은 서로에게
전기적 메세지를 전달합니다.
00:46
These small messages can combine
to make an electrical wave
15
46005
2814
이런 작은 메세지들이 합쳐져
전파를 만들고 우리는 그것을
00:48
that we can detect on a monitor.
16
48843
1570
모니터로 확인할 수 있습니다.
00:50
Now traditionally, the EEG
can tell us large-scale things,
17
50437
2724
전통적으로 EEG는
광범위한 정보를 제공합니다.
00:53
for example if you're asleep
or if you're alert.
18
53185
2350
예를 들어 수면 중 혹은
깨어있는 경우입니다.
00:55
But can it tell us anything else?
19
55559
1594
하지만 다른 정보도 제공할까요?
00:57
Can it actually read our thoughts?
20
57177
1702
실제로 우리 생각을 읽을 수 있을까요?
00:58
We're going to test this,
21
58903
1219
저희는 이걸 실험하는데
01:00
and we're not going to start
with some complex thoughts.
22
60146
2623
복잡한 생각으로 시작하지는
않을 것 입니다.
01:02
We're going to do something very simple.
23
62793
1977
매우 단순한 걸 시도해보죠.
01:04
Can we interpret what someone is seeing
using only their brainwaves?
24
64794
3253
뇌파만 가지고 보고 있는 대상이
무엇인지 해석할 수 있을까요?
01:08
Nathan's going to begin by placing
electrodes on Christy's head.
25
68071
3000
네이던은 크리스티의 머리에
전극을 부착합니다.
01:11
Nathan: My life is tangled.
26
71095
1523
네이던: 내 인생이 꼬였어.
01:12
(Laughter)
27
72642
1150
(웃음)
01:14
GG: And then he's going to show her
a bunch of pictures
28
74152
2584
GG: 그는 그녀에게
네 가지 다른 범주의
사진들을 보여줍니다.
01:16
from four different categories.
29
76760
1521
01:18
Nathan: Face, house, scenery
and weird pictures.
30
78305
2654
네이던: 얼굴, 집, 풍경, 그리고
이상한 사진들이에요.
01:20
GG: As we show Christy
hundreds of these images,
31
80983
2498
GG: 크리스티에게
몇백 개의 이미지를 보여주면서
01:23
we are also capturing the electrical waves
onto Nathan's computer.
32
83505
3543
우리는 또한 전파를 캡처하여
네이던의 컴퓨터에 저장합니다.
01:27
We want to see if we can detect
any visual information about the photos
33
87072
3386
우리는 뇌파에 포함된 사진에 대한
모든 시각정보를 감지할 수 있는지
01:30
contained in the brainwaves,
34
90482
1352
알아보려고 하는 겁니다.
01:31
so when we're done,
we're going to see if the EEG
35
91858
2331
작업이 끝나면, 크리스티가
보고 있는 사진의 종류를
01:34
can tell us what kind of picture
Christy is looking at,
36
94213
2598
EGG가 맞출 수 있는지를
알아볼 겁니다.
01:36
and if it does, each category
should trigger a different brain signal.
37
96835
3584
성공한다면 각 카테고리는
다른 뇌 신호를 촉발시킬 것 입니다.
01:40
OK, so we collected all the raw EEG data,
38
100443
2628
저희가 수집한 EEG 미가공 데이터는
01:43
and this is what we got.
39
103095
1150
바로 이런 데이터예요.
01:45
It all looks pretty messy,
so let's arrange them by picture.
40
105389
2938
너무 지저분해 보이니까,
사진별로 정리를 해봅시다.
01:48
Now, still a bit too noisy
to see any differences,
41
108826
2656
여전히 너무 어지러워서
차이점을 파악할 수 없네요.
01:51
but if we average the EEG
across all image types
42
111506
3040
하지만 이미지가 처음 나타난
시점에 따라 정리함으로써
01:54
by aligning them
to when the image first appeared,
43
114570
2436
모든 이미지 종류에 걸쳐
EEG의 평균을 낸다면
01:57
we can remove this noise,
44
117030
1617
이러한 잡음을 없앨 수 있고,
01:58
and pretty soon, we can see
some dominant patterns
45
118671
2334
그리고 곧 우리는 각 종류별로
지배적인 패턴이 나타나는 것을
02:01
emerge for each category.
46
121029
1564
볼 수 있습니다.
02:02
Now the signals all
still look pretty similar.
47
122617
2156
이제 신호들이 모두 꽤 비슷해보이죠.
02:04
Let's take a closer look.
48
124797
1215
좀 더 자세히 봅시다.
02:06
About a hundred milliseconds
after the image comes on,
49
126036
2525
이미지 출현 후 백 밀리초 정도에
02:08
we see a positive bump in all four cases,
50
128585
2628
네 가지 경우 모두에서
긍정적인 상승이 보입니다.
02:11
and we call this the P100,
and what we think that is
51
131237
2789
그것은 P100이라고 불립니다.
그게 바로 우리가 대상을 인식할 때
뇌에서 일어나는 일이라 볼 수 있죠.
02:14
is what happens in your brain
when you recognize an object.
52
134050
3075
02:17
But damn, look at
that signal for the face.
53
137149
2086
근데 이런, 얼굴을 볼 때
신호를 보세요.
02:19
It looks different than the others.
54
139259
1711
다른 것들과는 다르게 보입니다.
02:20
There's a negative dip
about 170 milliseconds
55
140994
2890
이미지가 나타난 뒤 170밀리초 쯤
02:23
after the image comes on.
56
143908
1540
아래로 하강하는 부분이 있습니다.
02:25
What could be going on here?
57
145472
1750
여기서 무슨 일이 일어나는 걸까요?
02:27
Research shows that our brain
has a lot of neurons that are dedicated
58
147246
3240
연구에 따르면 우리 뇌는
인간의 얼굴을 인식하는데 필요한
02:30
to recognizing human faces,
59
150510
1459
많은 뉴런을 가지고 있죠.
02:31
so this N170 spike could be
all those neurons
60
151993
2844
이 N170 스파이크는
모든 뉴런들이
02:34
firing at once in the same location,
61
154861
1985
같은 장소에서 동시에
발사되는 것일 수 있습니다.
02:36
and we can detect that in the EEG.
62
156870
1634
우리는 그걸 EEG에서
감지할 수 있죠.
02:39
So there are two takeaways here.
63
159083
1820
여기 두 가지 시사점이 있습니다.
02:40
One, our eyes can't really detect
the differences in patterns
64
160927
3085
하나는 우리의 눈이
잡음의 평균을 내지 않고는
패턴에서 차이점을 감지하기
정말 어렵다는 것이고
02:44
without averaging out the noise,
65
164036
1571
02:45
and two, even after removing the noise,
66
165631
2237
두 번째로는, 잡음을 제거한 후에도
02:47
our eyes can only pick up
the signals associated with faces.
67
167892
3001
우리 눈은 얼굴과 관련된 신호만을
추출할 수 있다는 겁니다.
02:50
So this is where we turn
to machine learning.
68
170917
2268
이것이 우리가 기계학습에
관심을 갖는 이유죠.
02:53
Now, our eyes are not very good
at picking up patterns in noisy data,
69
173209
3976
우리의 눈은 잡음이 섞인 데이터에서
패턴을 뽑아내지 못합니다.
02:57
but machine learning algorithms
are designed to do just that,
70
177209
2946
하지만 기계학습 알고리즘은
그것이 가능하도록 설계되어 있고
03:00
so could we take a lot of pictures
and a lot of data
71
180179
3201
따라서 우리가 많은 이미지와 데이터를
기계에 입력하여
03:03
and feed it in and train a computer
72
183404
1790
컴퓨터를 훈련시켜서
03:05
to be able to interpret
what Christy is looking at in real time?
73
185218
3381
크리스티가 지금 무엇을 보고 있는지
해석할 수 있게 하는게 가능하겠죠?
03:09
We're trying to code the information
that's coming out of her EEG
74
189088
4117
우리는 그녀의 EEG에서 나오는 정보를
동시에 코드화하고
03:13
in real time
75
193229
1175
그녀의 눈이 보고 있는 게
무엇인지 예측하려 합니다.
03:14
and predict what it is
that her eyes are looking at.
76
194428
2461
03:16
And if it works, what we should see
77
196913
1727
성공한다면, 우리가 봐야 하는 것은
03:18
is every time that she gets
a picture of scenery,
78
198664
2381
그녀가 풍경 이미지를 볼 때마다
03:21
it should say scenery,
scenery, scenery, scenery.
79
201069
2286
풍경, 풍경, 풍경이라고
말해야 하는 것이죠.
03:23
A face -- face, face, face, face,
80
203379
1957
얼굴이면-- 얼굴, 얼굴, 얼굴, 얼굴
03:25
but it's not quite working that way,
is what we're discovering.
81
205360
3531
하지만 그렇게 되지 않는다는 것이
밝혀졌네요.
03:33
(Laughter)
82
213385
3548
(웃음)
03:36
OK.
83
216957
1151
좋아요.
03:38
Director: So what's going on here?
GG: We need a new career, I think.
84
218132
3382
감독: 무슨 일이죠?
GG: 직업을 바꿔야할 것 같아요.
03:41
(Laughter)
85
221538
1070
(웃음)
03:42
OK, so that was a massive failure.
86
222632
2444
그건 완전한 실패였지만
저희는 여전히 궁금합니다.
03:45
But we're still curious:
How far could we push this technology?
87
225100
3212
이 기술을 얼마나
밀고 나갈 수 있을까요?
03:48
And we looked back at what we did.
88
228336
1640
저희는 결과물을 다시 보았습니다.
03:50
We noticed that the data was coming
into our computer very quickly,
89
230000
3143
데이터가 굉장히 빨리 컴퓨터에
들어오고 있다는 것을 알아냈죠.
03:53
without any timing
of when the images came on,
90
233167
2241
이미지가 언제 입력되었는지
모를 정도로요.
03:55
and that's the equivalent
of reading a very long sentence
91
235432
2876
그것은 매우 긴 문장을 단어 사이에
공백 없이 읽는 것과 같습니다.
03:58
without spaces between the words.
92
238332
1605
03:59
It would be hard to read,
93
239961
1438
읽기 어렵겠죠.
04:01
but once we add the spaces,
individual words appear
94
241423
3713
하지만 공백을 넣으면,
각 단어들이 보이고
04:05
and it becomes a lot more understandable.
95
245160
2044
훨씬 더 이해하기 편해집니다.
04:07
But what if we cheat a little bit?
96
247228
1847
하지만 약간 속임수를 쓰면 어떨까요?
04:09
By using a sensor, we can tell
the computer when the image first appears.
97
249099
3537
센서를 이용해 이미지가
처음 나타나는 지점을
컴퓨터에게 알려줄 수 있습니다.
04:12
That way, the brainwave stops being
a continuous stream of information,
98
252660
3602
그렇게 뇌파는 지속적으로
나열된 정보가 아니라
04:16
and instead becomes
individual packets of meaning.
99
256286
2711
개별 의미 단위가 되는 것이죠.
04:19
Also, we're going
to cheat a little bit more,
100
259021
2368
또한 속임수를 약간만 더
써볼 수 있습니다.
04:21
by limiting the categories to two.
101
261413
1812
카테고리를 두개로 제한하는 것이죠.
04:23
Let's see if we can do
some real-time mind-reading.
102
263249
2383
실시간으로 생각을
읽어낼 수 있는지 봅시다.
04:25
In this new experiment,
103
265656
1235
이 새로운 실험에서
04:26
we're going to constrict it
a little bit more
104
266915
2097
환경을 조금만 제한하면,
04:29
so that we know the onset of the image
105
269036
2252
이미지의 시작을 파악할 수 있습니다.
04:31
and we're going to limit
the categories to "face" or "scenery."
106
271312
3382
저희는 카테고리를 "얼굴"이나
"풍경"으로 제한할 것 입니다.
04:35
Nathan: Face. Correct.
107
275097
1511
네이던: 얼굴. 정답입니다.
04:37
Scenery. Correct.
108
277780
1351
풍경. 정답입니다.
04:40
GG: So right now,
every time the image comes on,
109
280251
2373
GG: 이제, 이미지가 나타날 때마다
04:42
we're taking a picture
of the onset of the image
110
282648
2266
이미지의 시작점을 찍고
04:44
and decoding the EEG.
111
284938
1695
EEG를 해독하겠습니다.
04:46
It's getting correct.
112
286657
1256
정답을 맞추고 있어요.
04:47
Nathan: Yes. Face. Correct.
113
287937
1579
네이던: 네. 얼굴.
정답입니다.
04:49
GG: So there is information
in the EEG signal, which is cool.
114
289540
2859
GG: EEG 신호에 정보가 있어요.
멋지네요.
04:52
We just had to align it
to the onset of the image.
115
292423
2537
우리는 그것을 이미지의 시작점에
배열해야 했습니다.
04:55
Nathan: Scenery. Correct.
116
295307
1311
네이던: 풍경. 정답입니다.
04:59
Face. Yeah.
117
299344
1150
얼굴. 정답이죠.
05:00
GG: This means there is some
information there,
118
300518
2288
GG: 이것은 약간의 정보가 있어서
05:02
so if we know at what time
the picture came on,
119
302830
2913
이미지가 시작된 지점을 알면
그것이 어떤 종류의 이미지인지
05:05
we can tell what type of picture it was,
120
305767
1999
구별할 수 있다는 것을 의미합니다.
05:07
possibly, at least on average,
by looking at these evoked potentials.
121
307790
5096
이러한 유발전위를 봄으로써
적어도 평균적으로는 가능하다는 것이죠.
05:12
Nathan: Exactly.
122
312910
1325
네이던: 정확합니다.
05:14
GG: If you had told me at the beginning
of this project this was possible,
123
314259
3521
GG: 만약 프로젝트 초반에
이게 가능다고 말했다면
저는 절대 불가능이라 했을거예요.
05:17
I would have said no way.
124
317804
1251
이게 가능하다는건 생각도 못했어요.
05:19
I literally did not think
we could do this.
125
319079
2000
과연 우리의 마음을 읽는 실험이
실제로 효과가 있었을까요?
05:21
Did our mind-reading
experiment really work?
126
321103
2066
05:23
Yes, but we had to do a lot of cheating.
127
323193
1975
네, 하지만 많은 속임수 덕분이죠.
05:25
It turns out you can find
some interesting things in the EEG,
128
325192
2905
EEG에서 몇 가지
흥미로운 사실을 찾을 수 있어요.
05:28
for example if you're
looking at someone's face,
129
328121
2290
예를 들어 만약 우리가
한 사람의 얼굴을 본다면
05:30
but it does have a lot of limitations.
130
330435
2157
거기엔 너무 많은 한계점이 있습니다.
05:32
Perhaps advances in machine learning
will make huge strides,
131
332616
2946
아마 기계 학습에 큰 발전이 있어야
05:35
and one day we will be able to decode
what's going on in our thoughts.
132
335586
3390
언젠가 우리의 생각을
해석할 수 있을 것 입니다.
05:39
But for now, the next time a company says
that they can harness your brainwaves
133
339000
4077
하지만 현재로써는,
어떤 회사가 여러분의 뇌파를 활용해서
05:43
to be able to control devices,
134
343101
1750
장치들을 통제할 수도 있다고 하면,
05:44
it is your right, it is your duty
to be skeptical.
135
344875
3310
회의적인 태도는 갖는 건
여러분의 권리이자 의무입니다.
New videos
Original video on YouTube.com
이 웹사이트 정보
이 사이트는 영어 학습에 유용한 YouTube 동영상을 소개합니다. 전 세계 최고의 선생님들이 가르치는 영어 수업을 보게 될 것입니다. 각 동영상 페이지에 표시되는 영어 자막을 더블 클릭하면 그곳에서 동영상이 재생됩니다. 비디오 재생에 맞춰 자막이 스크롤됩니다. 의견이나 요청이 있는 경우 이 문의 양식을 사용하여 문의하십시오.