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

Translator: Joseph Geni Reviewer: Krystian Aparta

Tradutor: Filipe Marques Revisora: Clara Marques

Greg Gage: Leitura da mente. Já o viste em filmes de ficção:

máquinas que lêem o nosso pensamento.

Contudo, existem hoje dispositivos

que conseguem ler a atividade dos nossos cérebros.

Chamamos a isto EEG.

Existe informação contida nestas ondas cerebrais?

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

E se sim, podemos treinar um computador a ler o pensamento?

machines that can read our thoughts.

However, there are devices today

O meu amigo Nathan tem estado a tentar descodificar o EEG

that can read the electrical activity from our brains.

e criar uma máquina de leitura da mente.

We call this the EEG.

[Faça a sua própria Neurociência]

Is there information contained in these brainwaves?

Portanto, o EEG funciona assim.

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

Dentro da tua cabeça está um cérebro,

e esse cérebro é feito de biliões de neurónios.

My buddy Nathan has been working to hack the EEG

Cada um desses neurónios envia uma mensagem elétrica entre si.

to build a mind-reading machine.

Estas mensagens podem combinar-se numa onda elétrica

[DIY Neuroscience]

So this is how the EEG works.

que podemos detetar num monitor.

Inside your head is a brain,

Agora, por norma, o EEG pode dizer-nos coisas em escala,

and that brain is made out of billions of neurons.

por exemplo, se está a dormir ou se está alerta.

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

Mas pode dizer-nos algo mais?

Pode mesmo ler o nosso pensamento?

These small messages can combine to make an electrical wave

Vamos testar isto,

that we can detect on a monitor.

e não vamos começar com pensamentos complexos.

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

Vamos fazer algo muito simples.

Podemos interpretar o que alguém vê usando apenas as ondas cerebrais?

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

But can it tell us anything else?

O Nathan vai começar por colocar elétrodos na cabeça da Christy.

Can it actually read our thoughts?

We're going to test this,

Nathan: A minha vida é confusa.

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

(Risos)

We're going to do something very simple.

GG: E depois ele vai mostrar-lhe um monte de imagens

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

de quatro categorias diferentes.

Nathan: Rosto, casa, cenário e imagens estranhas.

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

GG: Ao mostrarmos à Christy centenas de imagens,

Nathan: My life is tangled.

captamos também as ondas elétricas no computador do Nathan.

(Laughter)

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

Queremos ver se detetamos qualquer informação visual sobre as fotos

from four different categories.

Nathan: Face, house, scenery and weird pictures.

contida nas ondas,

por isso, quando terminarmos, vamos ver se o EEG

GG: As we show Christy hundreds of these images,

pode dizer-nos que tipo de imagem a Christy está a ver,

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

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

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

Ok, recolhemos os dados em bruto do EEG,

contained in the brainwaves,

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

e é isto que temos.

Parece muito confuso, por isso vamos organizá-los por imagem.

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

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

Bom, ainda é difícil ver quaisquer diferenças,

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

OK, so we collected all the raw EEG data,

alinhando-as pelo momento em que a imagem apareceu,

and this is what we got.

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

podemos remover este ruído,

e cedo podemos ver alguns padrões dominantes

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

emergirem para cada categoria.

Bom, os sinais ainda parecem muito similares.

but if we average the EEG across all image types

Vamos ver mais de perto.

by aligning them to when the image first appeared,

Cerca de cem milissegundos após a imagem aparecer,

vemos um salto positivo nos quatro casos,

we can remove this noise,

and pretty soon, we can see some dominant patterns

e chamamos a isto P100, e pensamos que é

emerge for each category.

Now the signals all still look pretty similar.

o que acontece no teu cérebro quando reconheces um objeto.

Let's take a closer look.

Mas, raios, vejam o sinal para o rosto.

About a hundred milliseconds after the image comes on,

Parece diferente dos outros.

we see a positive bump in all four cases,

Há uma queda negativa à volta dos 170 milissegundos

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

depois de a imagem aparecer.

O que poderá estar a acontecer aqui?

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

A investigação mostra que o cérebro tem muitos neurónios dedicados

But damn, look at that signal for the face.

a reconhecer rostos humanos,

It looks different than the others.

portanto, este pico N170 pode ser todos esses neurónios

There's a negative dip about 170 milliseconds

a disparar ao mesmo tempo no mesmo local,

after the image comes on.

e podemos detetar isso no EEG.

What could be going on here?

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

Por isso, há aqui duas conclusões.

Um, os olhos não conseguem detetar as diferenças nos padrões

to recognizing human faces,

so this N170 spike could be all those neurons

sem fazer a média do ruído,

e dois, mesmo após a remoção do ruído,

firing at once in the same location,

os olhos só conseguem captar os sinais associados aos rostos.

and we can detect that in the EEG.

Portanto, recorremos à aprendizagem automática.

So there are two takeaways here.

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

Bem, os nossos olhos não são muito bons a reconhecer padrões em dados ruidosos,

without averaging out the noise,

and two, even after removing the noise,

mas os algoritmos de aprendizagem foram concebidos para isso,

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

por isso podemos pegar em muitas imagens e muitos dados

So this is where we turn to machine learning.

e introduzi-los e treinar uma máquina

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

para ser capaz de interpretar o que a Christy está a ver em tempo real?

but machine learning algorithms are designed to do just that,

Estamos a tentar codificar a informação que está a sair do seu EEG

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

em tempo real

e prever o que é que os seus olhos estão a ver.

and feed it in and train a computer

E se funcionar, o que devemos ver

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

é cada vez que ela recebe uma imagem de cenário,

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

deverá dizer cenário, cenário, cenário, cenário.

Um rosto - rosto, rosto, rosto, rosto,

in real time

mas estamos a descobrir, que não está a funcionar bem assim.

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,

it should say scenery, scenery, scenery, scenery.

(Risos)

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

Ok.

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

Realizador: Então, o que se passa? GG: Precisamos de uma nova carreira.

(Risos)

Ok, isto foi um enorme fracasso.

(Laughter)

Mas estávamos curiosos: Até que ponto podemos levar a tecnologia?

OK.

E olhámos para o que fizemos.

Reparámos que os dados chegavam ao nosso computador muito rápido,

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

(Laughter)

sem a temporização do aparecimento das imagens,

OK, so that was a massive failure.

e isso é o equivalente a ler uma frase muito longa

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

sem espaços entre as palavras.

Seria difícil de ler,

And we looked back at what we did.

mas uma vez acrescentados os espaços, aparecem palavras individuais

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

without any timing of when the images came on,

e torna-se muito mais compreensível.

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

Mas e se fizermos um pouco de batota?

Ao usar um sensor, dizemos ao computador quando a imagem aparece primeiro.

without spaces between the words.

It would be hard to read,

Dessa forma, a onda cerebral deixa de ser um fluxo contínuo de informação,

but once we add the spaces, individual words appear

e, em vez disso, torna-se em pacotes de significado.

and it becomes a lot more understandable.

But what if we cheat a little bit?

Além disso, vamos fazer um pouco mais de batota,

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

limitando as categorias a duas.

Vamos ver se podemos ler a mente em tempo real.

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

Nesta nova experiência,

vamos limitá-la um pouco mais

and instead becomes individual packets of meaning.

para que saibamos o início da imagem

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

e vamos limitar as categorias a “rosto” ou “cenário”.

by limiting the categories to two.

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

Nathan: Rosto. Correto.

In this new experiment,

Cenário. Correto.

we're going to constrict it a little bit more

GG: Bom, agora, de cada vez que a imagem aparece,

so that we know the onset of the image

tiramos uma fotografia do início da imagem

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

e a descodificar o EEG.

Está a ficar correto.

Nathan: Face. Correct.

Nathan: Sim. Rosto. Correto.

Scenery. Correct.

GG: Portanto, há informação no sinal EEG, o que é fixe.

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

Só tínhamos de a alinhar com o início da imagem.

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

Nathan: Cenário. Correto.

and decoding the EEG.

It's getting correct.

Nathan: Yes. Face. Correct.

Rosto. Sim.

GG: Isto significa que há alguma informação lá,

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

por isso, se soubermos a que momento a imagem chegou,

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

podemos discernir que tipo de imagem era,

Nathan: Scenery. Correct.

possivelmente, pelo menos em média, ao olhar para estes potenciais evocados.

Face. Yeah.

GG: This means there is some information there,

Nathan: Exatamente.

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

GG: Se me tivesses dito no início deste projeto que era possível,

we can tell what type of picture it was,

Eu teria dito nem pensar.

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

Literalmente não pensava que era possível.

A experiência de leitura da mente funcionou?

Sim, mas tivemos de fazer muita batota.

Nathan: Exactly.

Parece que se pode encontrar coisas interessantes no EEG,

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

por exemplo, se estiver a ver o rosto de alguém,

I would have said no way.

mas tem muitas limitações.

I literally did not think we could do this.

Talvez avanços na aprendizagem automática levem a melhorias,

Did our mind-reading experiment really work?

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

e um dia sejamos capazes de descodificar o que acontece no pensamento.

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

Para já, da próxima vez que uma empresa disser que podem usar ondas cerebrais

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

but it does have a lot of limitations.

para poder controlar dispositivos,

Perhaps advances in machine learning will make huge strides,

é um direito teu, é um dever teu, ser cético.

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.