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

126,401 views ・ 2018-09-15

TED


Пожалуйста, дважды щелкните на английские субтитры ниже, чтобы воспроизвести видео.

00:00
Translator: Joseph Geni Reviewer: Krystian Aparta
0
0
7000
Переводчик: Anton Zamaraev Редактор: Yulia Kallistratova
00:12
Greg Gage: Mind-reading. You've seen this in sci-fi movies:
1
12203
2859
Грег Гейдж: Вы видели, как машины читают мысли
00:15
machines that can read our thoughts.
2
15086
1857
в научно-фантастических фильмах.
00:16
However, there are devices today
3
16967
1798
Однако уже сейчас есть устройства,
00:18
that can read the electrical activity from our brains.
4
18789
2524
позволяющие считывать электрическую активность мозга.
00:21
We call this the EEG.
5
21337
1272
Они называются ЭЭГ.
00:23
Is there information contained in these brainwaves?
6
23695
2829
Содержится ли в мозговых волнах какая-нибудь информация?
00:26
And if so, could we train a computer to read our thoughts?
7
26548
2813
И если да, возможно ли научить компьютер читать мысли?
00:29
My buddy Nathan has been working to hack the EEG
8
29385
2904
Мой приятель Натан работает над расшифровкой ЭЭГ,
00:32
to build a mind-reading machine.
9
32313
1676
чтобы создать машину для чтения мыслей.
00:34
[DIY Neuroscience]
10
34013
2457
[Нейронаука на дому]
00:36
So this is how the EEG works.
11
36939
1561
Вот как работает ЭЭГ.
00:38
Inside your head is a brain,
12
38524
1844
Ваш головной мозг
00:40
and that brain is made out of billions of neurons.
13
40392
2558
состоит из миллиардов нейронов.
00:42
Each of those neurons sends an electrical message to each other.
14
42974
3007
Все эти нейроны обмениваются электрическими сообщениями.
00:46
These small messages can combine to make an electrical wave
15
46005
2814
Объединяясь, маленькие сообщения создают электрическую волну,
00:48
that we can detect on a monitor.
16
48843
1570
регистрируемую монитором.
00:50
Now traditionally, the EEG can tell us large-scale things,
17
50437
2724
Обычно ЭЭГ используется для крупномасштабных явлений,
00:53
for example if you're asleep or if you're alert.
18
53185
2350
вроде определения спит человек или нет.
00:55
But can it tell us anything else?
19
55559
1594
Но можно ли узнать что-либо ещё?
00:57
Can it actually read our thoughts?
20
57177
1702
Может ли ЭЭГ читать мысли?
00:58
We're going to test this,
21
58903
1219
Сейчас мы это проверим
01:00
and we're not going to start with some complex thoughts.
22
60146
2623
и начнём с простых мыслей.
01:02
We're going to do something very simple.
23
62793
1977
Пойдём простым путём.
01:04
Can we interpret what someone is seeing using only their brainwaves?
24
64794
3253
Возможно ли понять, что видит человек только по его мозговым волнам?
01:08
Nathan's going to begin by placing electrodes on Christy's head.
25
68071
3000
Натан начнёт с подсоединения электродов к голове Кристи.
01:11
Nathan: My life is tangled.
26
71095
1523
Натан: Не жизнь, а путаница.
01:12
(Laughter)
27
72642
1150
(Смех)
01:14
GG: And then he's going to show her a bunch of pictures
28
74152
2584
ГГ: А потом он покажет ей кучу фотографий
01:16
from four different categories.
29
76760
1521
из четырёх различных категорий.
01:18
Nathan: Face, house, scenery and weird pictures.
30
78305
2654
Натан: Лицо, дом, пейзаж и ​​странные картинки.
01:20
GG: As we show Christy hundreds of these images,
31
80983
2498
ГГ: Показывая Кристи сотни фотографий,
01:23
we are also capturing the electrical waves onto Nathan's computer.
32
83505
3543
мы будем фиксировать электрические волны на компьютере Натана.
01:27
We want to see if we can detect any visual information about the photos
33
87072
3386
Мы хотим выяснить, можно ли по мозговым волнам
получить визуальную информацию о снимках,
01:30
contained in the brainwaves,
34
90482
1352
01:31
so when we're done, we're going to see if the EEG
35
91858
2331
и по окончании эксперимента узнаем, можно ли по ЭЭГ понять,
01:34
can tell us what kind of picture Christy is looking at,
36
94213
2598
на какую категорию фотографий смотрит Кристи,
01:36
and if it does, each category should trigger a different brain signal.
37
96835
3584
и если можно, то каждая категория должна порождать разные сигналы мозга.
01:40
OK, so we collected all the raw EEG data,
38
100443
2628
Итак, мы собрали все необработанные данные ЭЭГ,
01:43
and this is what we got.
39
103095
1150
и вот что получилось.
01:45
It all looks pretty messy, so let's arrange them by picture.
40
105389
2938
Пока ещё слишком запутанно, поэтому отсортируем графики по снимкам.
01:48
Now, still a bit too noisy to see any differences,
41
108826
2656
Всё ещё слишком много шума, чтобы увидеть какие-либо различия,
01:51
but if we average the EEG across all image types
42
111506
3040
но если усреднить ЭЭГ по всем категориям фотографий,
01:54
by aligning them to when the image first appeared,
43
114570
2436
выровняв их по моменту первого появления снимка,
01:57
we can remove this noise,
44
117030
1617
то шум можно убрать,
01:58
and pretty soon, we can see some dominant patterns
45
118671
2334
и вскоре в каждой категории
станут заметны преобладающие шаблоны.
02:01
emerge for each category.
46
121029
1564
02:02
Now the signals all still look pretty similar.
47
122617
2156
Сигналы всё-таки ещё выглядят очень схожими.
02:04
Let's take a closer look.
48
124797
1215
Давайте присмотримся.
02:06
About a hundred milliseconds after the image comes on,
49
126036
2525
Примерно через 100 мс после появления изображения
02:08
we see a positive bump in all four cases,
50
128585
2628
во всех четырёх случаях заметен положительный подъём.
02:11
and we call this the P100, and what we think that is
51
131237
2789
Назовём его P100, и, видимо, это то,
02:14
is what happens in your brain when you recognize an object.
52
134050
3075
что происходит в мозге при узнавании предмета.
02:17
But damn, look at that signal for the face.
53
137149
2086
Но, чёрт возьми, взгляните на сигнал для лиц.
02:19
It looks different than the others.
54
139259
1711
Он выглядит иначе, чем остальные.
02:20
There's a negative dip about 170 milliseconds
55
140994
2890
Примерно через 170 мс после появления изображения
02:23
after the image comes on.
56
143908
1540
виден отрицательный спад.
02:25
What could be going on here?
57
145472
1750
Что здесь может происходить?
02:27
Research shows that our brain has a lot of neurons that are dedicated
58
147246
3240
Исследования показали, что наш мозг содержит большое количество нейронов
02:30
to recognizing human faces,
59
150510
1459
для узнавания лица человека,
02:31
so this N170 spike could be all those neurons
60
151993
2844
так что, возможно, скачок N170 показывает одновременную активацию
02:34
firing at once in the same location,
61
154861
1985
всех тех нейронов в одном и том же месте,
02:36
and we can detect that in the EEG.
62
156870
1634
что и отражает ЭЭГ.
02:39
So there are two takeaways here.
63
159083
1820
Отсюда можно сделать два вывода.
02:40
One, our eyes can't really detect the differences in patterns
64
160927
3085
Во-первых, человеческий глаз не может обнаружить различия в шаблонах
02:44
without averaging out the noise,
65
164036
1571
без усреднения шума,
02:45
and two, even after removing the noise,
66
165631
2237
и во-вторых, даже устранив шум,
02:47
our eyes can only pick up the signals associated with faces.
67
167892
3001
наши глаза могут выделить лишь сигналы, связанные с лицами.
02:50
So this is where we turn to machine learning.
68
170917
2268
Настало время обратиться к машинному обучению.
02:53
Now, our eyes are not very good at picking up patterns in noisy data,
69
173209
3976
Наши глаза плохо приспособлены к узнаванию шаблонов в зашумлённых данных,
02:57
but machine learning algorithms are designed to do just that,
70
177209
2946
но алгоритмы машинного обучения предназначены именно для этого,
03:00
so could we take a lot of pictures and a lot of data
71
180179
3201
так что возможно ли на множестве данных в виде фотографий
03:03
and feed it in and train a computer
72
183404
1790
обучить компьютер способности
03:05
to be able to interpret what Christy is looking at in real time?
73
185218
3381
понимать в реальном времени, что именно видит Кристи?
03:09
We're trying to code the information that's coming out of her EEG
74
189088
4117
Мы попытаемся закодировать информацию,
получаемую от ЭЭГ в реальном времени,
03:13
in real time
75
193229
1175
03:14
and predict what it is that her eyes are looking at.
76
194428
2461
и предсказать, на что смотрит Кристи.
03:16
And if it works, what we should see
77
196913
1727
Если это сработает, мы должны увидеть,
03:18
is every time that she gets a picture of scenery,
78
198664
2381
что каждый раз, когда она видит пейзаж,
03:21
it should say scenery, scenery, scenery, scenery.
79
201069
2286
компьютер должен неизменно определять пейзаж.
03:23
A face -- face, face, face, face,
80
203379
1957
А при виде лица — лицо,
03:25
but it's not quite working that way, is what we're discovering.
81
205360
3531
но мы увидим, что не всё так просто.
03:33
(Laughter)
82
213385
3548
(Смех)
03:36
OK.
83
216957
1151
ОК.
Режиссёр: Так что здесь происходит? ГГ: Думаю, мне пора менять профессию.
03:38
Director: So what's going on here? GG: We need a new career, I think.
84
218132
3382
03:41
(Laughter)
85
221538
1070
(Смех)
03:42
OK, so that was a massive failure.
86
222632
2444
ОК, это был грандиозный провал.
03:45
But we're still curious: How far could we push this technology?
87
225100
3212
Но всё-таки любопытно, что можно выжать из этой технологии?
03:48
And we looked back at what we did.
88
228336
1640
Мы пересмотрели проделанную работу
и заметили, что данные поступали на наш компьютер очень быстро,
03:50
We noticed that the data was coming into our computer very quickly,
89
230000
3143
без какого-либо уведомления о появлении изображения.
03:53
without any timing of when the images came on,
90
233167
2241
03:55
and that's the equivalent of reading a very long sentence
91
235432
2876
Это как читать очень длинное предложение
03:58
without spaces between the words.
92
238332
1605
без пробелов между словами.
03:59
It would be hard to read,
93
239961
1438
Так читать трудно,
04:01
but once we add the spaces, individual words appear
94
241423
3713
но с добавлением пробелов появляются отдельные слова,
04:05
and it becomes a lot more understandable.
95
245160
2044
и всё становится намного более понятным.
04:07
But what if we cheat a little bit?
96
247228
1847
Так что, если немного сжульничать?
04:09
By using a sensor, we can tell the computer when the image first appears.
97
249099
3537
Датчик может сообщить компьютеру, когда изображение появится впервые.
04:12
That way, the brainwave stops being a continuous stream of information,
98
252660
3602
Так мозговая волна перестанет быть непрерывным потоком информации
04:16
and instead becomes individual packets of meaning.
99
256286
2711
и вместо этого станет набором осмысленных кусочков.
04:19
Also, we're going to cheat a little bit more,
100
259021
2368
Помимо этого, мы ещё больше сжульничаем,
04:21
by limiting the categories to two.
101
261413
1812
ограничившись двумя категориями.
04:23
Let's see if we can do some real-time mind-reading.
102
263249
2383
Посмотрим, можно ли читать мысли в реальном времени.
04:25
In this new experiment,
103
265656
1235
В новом эксперименте
04:26
we're going to constrict it a little bit more
104
266915
2097
мы введём дополнительное ограничение —
04:29
so that we know the onset of the image
105
269036
2252
знание времени появления изображения —
04:31
and we're going to limit the categories to "face" or "scenery."
106
271312
3382
и ограничимся категориями «лицо» и «пейзаж».
04:35
Nathan: Face. Correct.
107
275097
1511
Натан: Лицо. Правильно.
04:37
Scenery. Correct.
108
277780
1351
Пейзаж. Правильно.
04:40
GG: So right now, every time the image comes on,
109
280251
2373
ГГ: Сейчас, каждый раз при появлении изображения,
04:42
we're taking a picture of the onset of the image
110
282648
2266
мы фиксируем момент его появления
04:44
and decoding the EEG.
111
284938
1695
и расшифровываем ЭЭГ.
04:46
It's getting correct.
112
286657
1256
И получаем правильный ответ.
04:47
Nathan: Yes. Face. Correct.
113
287937
1579
Натан: Да. Лицо. Правильно.
04:49
GG: So there is information in the EEG signal, which is cool.
114
289540
2859
ГГ: Значит, в сигнале ЭЭГ есть информация, и это круто.
04:52
We just had to align it to the onset of the image.
115
292423
2537
Просто нужно было выровнять его по началу изображения.
04:55
Nathan: Scenery. Correct.
116
295307
1311
Натан: Пейзаж. Правильно.
04:59
Face. Yeah.
117
299344
1150
Лицо. Да.
05:00
GG: This means there is some information there,
118
300518
2288
ГГ: Это значит, что волны мозга несут информацию,
05:02
so if we know at what time the picture came on,
119
302830
2913
и, если известно время появления изображения,
05:05
we can tell what type of picture it was,
120
305767
1999
можно по этим, пусть и усреднённым,
05:07
possibly, at least on average, by looking at these evoked potentials.
121
307790
5096
электрическим сигналам определить категорию фотографии.
05:12
Nathan: Exactly.
122
312910
1325
Натан: Верно.
05:14
GG: If you had told me at the beginning of this project this was possible,
123
314259
3521
ГГ: Если бы мне сказали в начале этого проекта, что такое возможно,
05:17
I would have said no way.
124
317804
1251
я бы ни за что не поверил.
05:19
I literally did not think we could do this.
125
319079
2000
Я был убеждён, что нам такое не под силу.
05:21
Did our mind-reading experiment really work?
126
321103
2066
Значит, эксперимент по чтению мыслей удался?
05:23
Yes, but we had to do a lot of cheating.
127
323193
1975
Да, но нам пришлось много жульничать.
05:25
It turns out you can find some interesting things in the EEG,
128
325192
2905
Оказалось, в ЭЭГ можно найти нечто интересное,
05:28
for example if you're looking at someone's face,
129
328121
2290
например, смотрите ли вы на чьё-то лицо или нет,
05:30
but it does have a lot of limitations.
130
330435
2157
но есть ещё много ограничений.
05:32
Perhaps advances in machine learning will make huge strides,
131
332616
2946
Возможно, машинное обучение будет развиваться семимильными шагами,
05:35
and one day we will be able to decode what's going on in our thoughts.
132
335586
3390
и когда-нибудь удастся расшифровать, что происходит в наших мыслях.
05:39
But for now, the next time a company says that they can harness your brainwaves
133
339000
4077
Но пока что, услышав утверждение, что ваши мозговые волны
способны управлять какими-то устройствами,
05:43
to be able to control devices,
134
343101
1750
05:44
it is your right, it is your duty to be skeptical.
135
344875
3310
вы вправе, и даже обязаны, отнесись к этому скептически.
Об этом сайте

Этот сайт познакомит вас с видеороликами YouTube, полезными для изучения английского языка. Вы увидите уроки английского языка, преподаваемые высококлассными учителями со всего мира. Дважды щелкните по английским субтитрам, отображаемым на каждой странице видео, чтобы воспроизвести видео оттуда. Субтитры прокручиваются синхронно с воспроизведением видео. Если у вас есть какие-либо комментарии или пожелания, пожалуйста, свяжитесь с нами, используя эту контактную форму.

https://forms.gle/WvT1wiN1qDtmnspy7