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

Translator: Joseph Geni Reviewer: Krystian Aparta

Tradutor: Maurício Kakuei Tanaka Revisor: Elisa Santos

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

Greg Gage: Leitura da mente. Você já viu em ficção científica:

machines that can read our thoughts.

máquinas capazes de ler pensamentos.

However, there are devices today

No entanto, hoje existem aparelhos

that can read the electrical activity from our brains.

que podem ler a atividade elétrica do cérebro.

We call this the EEG.

Chamamos isso de EEG.

Is there information contained in these brainwaves?

Há informações contidas nessas ondas cerebrais?

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

Poderíamos treinar um computador para ler pensamentos?

My buddy Nathan has been working to hack the EEG

Meu amigo Nathan vem trabalhando para invadir o EEG

to build a mind-reading machine.

e criar uma máquina que lê a mente.

[DIY Neuroscience]

[Neurociência Faça Você Mesmo]

So this is how the EEG works.

É assim que o EEG funciona.

Inside your head is a brain,

Dentro da cabeça, há um cérebro,

and that brain is made out of billions of neurons.

feito de bilhões de neurônios.

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

Cada um deles envia uma mensagem elétrica para o outro.

Essas mensagens podem se combinar

These small messages can combine to make an electrical wave

e criar uma onda elétrica que podemos detectar num monitor.

that we can detect on a monitor.

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

Tradicionalmente, o EEG dá informações em larga escala,

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

por exemplo, se estamos adormecidos ou alertas.

But can it tell us anything else?

Mas pode nos informar algo mais?

Can it actually read our thoughts?

Ele consegue ler pensamentos?

We're going to test this,

Vamos testar isso.

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

Não vamos começar com pensamentos complexos,

We're going to do something very simple.

mas com algo bem simples.

É possível interpretar o que alguém vê usando apenas as ondas cerebrais?

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

Nathan vai começar colocando eletrodos na cabeça de Christy.

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

Nathan: Minha vida está enrolada.

Nathan: My life is tangled.

(Laughter)

(Risos)

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

GG: Depois ele vai mostrar a ela várias imagens

from four different categories.

de quatro categorias diferentes.

Nathan: Rosto, casa, paisagens e imagens estranhas.

Nathan: Face, house, scenery and weird pictures.

GG: As we show Christy hundreds of these images,

GG: Enquanto mostramos a Christy centenas de imagens,

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

também capturamos as ondas elétricas no computador de Nathan.

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

Queremos ver se detectamos alguma informação visual sobre as fotos

contained in the brainwaves,

contida nas ondas cerebrais.

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

Assim, quando terminarmos, veremos se o EEG

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

consegue nos dizer que tipo de imagem Christy está vendo

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

e, se conseguir, cada categoria deve acionar um sinal cerebral diferente.

OK, so we collected all the raw EEG data,

Coletamos todos os dados brutos do EEG

and this is what we got.

e obtivemos isto.

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

Tudo parece muito confuso, então vamos organizá-los por imagem.

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

Ainda está um pouco turbulento para ver as diferenças,

but if we average the EEG across all image types

mas, se calcularmos a média do EEG em todos os tipos de imagem,

by aligning them to when the image first appeared,

alinhando ao surgimento da imagem pela primeira vez,

we can remove this noise,

podemos remover essa turbulência

and pretty soon, we can see some dominant patterns

e, em breve, podemos ver alguns padrões dominantes

emerge for each category.

que surgem para cada categoria.

Now the signals all still look pretty similar.

Todos os sinais ainda se assemelham muito.

Let's take a closer look.

Vamos olhar mais de perto.

About a hundred milliseconds after the image comes on,

Cerca de 100 milissegundos após a imagem aparecer,

we see a positive bump in all four cases,

vemos um aumento positivo nos quatro casos,

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

que chamamos de P100, e achamos

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

que é o que acontece no cérebro quando reconhecemos um objeto.

Mas, caramba, observe esse sinal para o rosto.

But damn, look at that signal for the face.

It looks different than the others.

Parece diferente dos outros.

There's a negative dip about 170 milliseconds

Há uma queda negativa de cerca de 170 milissegundos

after the image comes on.

depois que a imagem é exibida.

What could be going on here?

O que poderia estar acontecendo aqui?

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

Pesquisas mostram que o cérebro possui muitos neurônios

dedicados a reconhecer rostos humanos.

to recognizing human faces,

so this N170 spike could be all those neurons

Esse pico N170 pode ser todos os neurônios

firing at once in the same location,

que disparam ao mesmo tempo no mesmo local,

and we can detect that in the EEG.

e podemos detectá-lo no EEG.

So there are two takeaways here.

Há duas informações importantes aqui.

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

Primeira, os olhos não conseguem detectar as diferenças em padrões

without averaging out the noise,

sem calcular a média do ruído;

and two, even after removing the noise,

e segunda, mesmo depois de removê-lo,

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

os olhos só conseguem captar os sinais associados a rostos.

So this is where we turn to machine learning.

É aqui que nos voltamos ao aprendizado de máquina.

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

Os olhos não são muito bons em captar padrões em dados turbulentos,

but machine learning algorithms are designed to do just that,

mas algoritmos de aprendizado de máquina são feitos para isso.

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

Será que podemos pegar muitas fotos e dados,

and feed it in and train a computer

introduzi-los e treinar um computador

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

para conseguir interpretar o que Christy está vendo em tempo real?

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

Estamos tentando codificar as informações que saem do EEG dela

in real time

em tempo real

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

e prever o que os olhos dela estão vendo.

And if it works, what we should see

Se funcionar, devemos ver

is every time that she gets a picture of scenery,

que, sempre que ela receber uma imagem de paisagem,

it should say scenery, scenery, scenery, scenery.

deverá repetir "paisagem";

um rosto, repetir "rosto";

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

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

mas descobrimos que não funciona bem assim.

(Laughter)

(Risos)

OK.

Tudo bem.

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

Diretor: O que está havendo aqui? GG: Precisamos de uma nova carreira.

(Laughter)

(Risos)

OK, so that was a massive failure.

Tudo bem, foi um grande fracasso.

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

Mas continuamos curiosos: até onde poderíamos levar essa tecnologia?

And we looked back at what we did.

Refletimos sobre o que fizemos.

Percebemos que os dados entravam muito rápido em nosso computador,

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

without any timing of when the images came on,

sem coordenação de quando as imagens apareciam.

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

Isso equivale a ler uma frase muito longa sem espaços entre as palavras.

without spaces between the words.

It would be hard to read,

Seria difícil de ler,

but once we add the spaces, individual words appear

mas, com a inclusão dos espaços,

surgem palavras individuais, e fica muito mais compreensível.

and it becomes a lot more understandable.

But what if we cheat a little bit?

Mas e se trapacearmos um pouco?

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

Com um sensor, podemos dizer ao computador a primeira vez que a imagem aparece.

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

Assim as ondas cerebrais deixam de ser um fluxo contínuo de informações

and instead becomes individual packets of meaning.

e se tornam pacotes individuais de significado.

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

Além disso, vamos trapacear um pouco mais,

by limiting the categories to two.

limitando as categorias a duas.

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

Vamos ver se conseguimos ler a mente em tempo real.

In this new experiment,

Neste novo experimento,

we're going to constrict it a little bit more

vamos restringi-lo um pouco mais para sabermos o início da imagem

so that we know the onset of the image

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

e limitar as categorias a "rosto" ou "paisagem".

Nathan: Face. Correct.

Nathan: Rosto. Correto.

Scenery. Correct.

Paisagem. Correto.

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

GG: Agora, toda vez que a imagem aparecer,

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

tiraremos uma foto do início da imagem e decodificaremos o EEG.

and decoding the EEG.

It's getting correct.

Está ficando correto.

Nathan: Yes. Face. Correct.

Nathan: Sim. Rosto.

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

GG: Portanto, há informações no sinal EEG, o que é legal.

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

Só tivemos que alinhá-lo ao início da imagem.

Nathan: Scenery. Correct.

Nathan: Paisagem. Correto.

Face. Yeah.

Rosto. Sim.

GG: This means there is some information there,

GG: Isso significa que há algumas informações lá.

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

Se soubermos o momento em que a imagem apareceu,

we can tell what type of picture it was,

poderemos dizer o tipo de imagem,

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

possivelmente, pelo menos em média, analisando esses potenciais evocados.

Nathan: Exactly.

Nathan: Exatamente.

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

GG: Se você me dissesse, no início deste projeto, que isso era possível,

I would have said no way.

eu diria que não.

Eu não achava que poderíamos fazer isso.

I literally did not think we could do this.

Nosso experimento de ler a mente funcionou mesmo?

Did our mind-reading experiment really work?

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

Sim, mas tivemos que trapacear muito.

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

Podemos encontrar coisas interessantes no EEG,

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

por exemplo, se olhar para o rosto de alguém,

but it does have a lot of limitations.

mas ele tem muitas limitações.

Perhaps advances in machine learning will make huge strides,

Talvez haja grandes avanços no aprendizado de máquina

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

e, um dia, poderemos decodificar o que acontece em nossos pensamentos.

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

Mas, por enquanto, da próxima vez que uma empresa disser

que pode aproveitar suas ondas cerebrais para controlar aparelhos,

to be able to control devices,

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

é seu direito, é seu dever ser cético.