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

Translator: Joseph Geni Reviewer: Krystian Aparta

Çeviri: Can Boysan Gözden geçirme: Gözde Alpçetin

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

Greg Gage: Zihin okuma.

Bilim kurgu filmlerinde düşüncelerimizi okuyabilen böyle makineleri gördünüz.

machines that can read our thoughts.

However, there are devices today

Yine de, beyinlerimizdeki elektriksel aktiviteyi

that can read the electrical activity from our brains.

okuyabilen cihazlar günümüzde bulunuyor.

We call this the EEG.

Bu cihaza EEG diyoruz.

Is there information contained in these brainwaves?

Bu beyin dalgaları bilgi içeriyor mu?

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

Öyleyse, düşüncelerimizi okuyabilmesi için bir bilgisayarı eğitebilir miyiz?

My buddy Nathan has been working to hack the EEG

Arkadaşım Nathan, zihin okuma makinesi geliştirmek için

to build a mind-reading machine.

EEG cihazını kandırmaya çalışıyor.

[DIY Neuroscience]

[DIY Neuroscience]

So this is how the EEG works.

İşte EEG böyle çalışıyor.

Inside your head is a brain,

Kafanızın içindeki beyin,

and that brain is made out of billions of neurons.

milyarlarca nöron hücresinden oluşuyor.

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

Bu nöronların her biri birbirine elektriksel mesaj gönderiyor.

Ufak mesajlar elektrik dalga üretmek için birleşebiliyor,

These small messages can combine to make an electrical wave

that we can detect on a monitor.

biz de bunu monitörlerle tespit edebiliyoruz.

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

Bilindiği gibi EEG büyük çaplı şeylerle ilgili bilgi verebiliyor,

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

örneğin uyuyakaldığınızı veya tetikte beklediğinizi.

But can it tell us anything else?

Peki başka bir şeyi gösterebilir mi?

Can it actually read our thoughts?

Gerçekten düşüncelerimizi okuyabilir mi?

We're going to test this,

Bunu test edeceğiz ve karmaşık düşüncelerle başlamayacağız.

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

We're going to do something very simple.

Oldukça basit şeyler yapacağız.

Bir kişinin gördüğü şeyi,

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

yalnızca onun beyin dalgalarını kullanarak yorumlayabilir miyiz?

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

Nathan işe Christy'nin kafasına elektrotlar yerleştirerek başlayacak.

Nathan: My life is tangled.

Hayatım karman çorman oldu.

(Laughter)

(Gülüşmeler)

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

GG: Daha sonra ona dört farklı kategoriden birkaç tane resim gösterecek.

from four different categories.

Nathan: Yüz, ev, manzara ve tuhaf resimler.

Nathan: Face, house, scenery and weird pictures.

GG: As we show Christy hundreds of these images,

GG: Christy'ye böyle yüzlerce resim gösterdiğimiz için

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

ayrıca elektriksel dalgaları Nathan'ın bilgisayarında yakalıyoruz.

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

Beyin dalgalarındaki resimler hakkında

herhangi bir görsel bilgi tespit edebilmeyi görmek istiyoruz.

contained in the brainwaves,

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

İşimiz bittiğinde Christy'nin ne tür bir resme baktığını

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

EEG bize gösterebilecek mi göreceğiz,

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

eğer gösterirse her kategori farklı bir beyin sinyalini tetiklemeli.

OK, so we collected all the raw EEG data,

Peki, tüm ham veriyi elde ettik,

and this is what we got.

elimizde olanlar bunlar.

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

Çok karmaşık görünüyor, onları resme göre düzenleyelim.

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

Herhangi bir farklılık görmek için hâlâ çok gürültülü

but if we average the EEG across all image types

fakat tüm resim türlerini sıralayarak

EEG'nin ortalamasını alırsak

by aligning them to when the image first appeared,

ilk resim belirdiğinde bu gürültüyü kaldırabiliriz

we can remove this noise,

and pretty soon, we can see some dominant patterns

ve kısa sürede her kategoride meydana gelen

bazı baskın modelleri görebiliriz.

emerge for each category.

Now the signals all still look pretty similar.

Hâlâ tüm sinyaller oldukça benzer görünüyor.

Let's take a closer look.

Biraz daha yakından bakalım.

About a hundred milliseconds after the image comes on,

Resim belirdiğinden yaklaşık yüz milisaniye sonra,

we see a positive bump in all four cases,

dört vakada da yükseliş görüyoruz,

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

buna P100 diyoruz

ve bu kavramın bir objeyi fark ettiğinizde

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

beyninizde oluşan şey olduğunu düşünüyoruz.

But damn, look at that signal for the face.

Hay aksi, yüzün şu sinyaline bakın.

It looks different than the others.

Diğerlerinden farklı görünüyor.

There's a negative dip about 170 milliseconds

Resim belirdikten sonra,

170 milisaniye bir azalma var.

after the image comes on.

What could be going on here?

Orada neler olabilir?

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

Araştırma gösteriyor ki

beynimizin insan yüzlerini tanımaya atanmış pek çok nöronu var,

to recognizing human faces,

so this N170 spike could be all those neurons

bu yüzden N170’deki ani yükselişte,

bütün bu nöronlar aynı anda ve aynı konumda ateşlenmiş olabilir

firing at once in the same location,

and we can detect that in the EEG.

ve bunu EEG ile tespit edebiliyoruz.

So there are two takeaways here.

Yani, burada iki ana fikir var.

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

İlki, gözlerimiz modellerdeki farklılıkları,

gürültünün ortalamasına ulaşmadan kesin olarak tespit edemez.

without averaging out the noise,

and two, even after removing the noise,

İkincisi, gürültüyü çıkardıktan sonra bile

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

gözlerimiz sadece yüzlerle ilintili olan sinyalleri algılar.

So this is where we turn to machine learning.

Burası makine öğrenimine döndüğümüz yerdir.

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

Gözlerimiz, gürültülü bir verideki modelleri algılamakta pek iyi değil

fakat makine öğrenimi algoritmaları bunu yapmak için tasarlanır.

but machine learning algorithms are designed to do just that,

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

Bu yüzden, Christy'nin gerçek zamanda neye baktığını yorumlayabilmek için

and feed it in and train a computer

birçok resim ile veriyi alıp

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

girişini yapıp bir bilgisayarı eğitebilir miyiz?

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

Christy'ye bağlı EEG cihazından

gerçek zamanlı gelen bilgiyi kodlamaya çalışıyoruz

in real time

ve gözlerinin gerçekte neye baktığını tahmin etmeye çalışıyoruz.

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

And if it works, what we should see

Eğer bu işe yararsa görmemiz gereken şey,

is every time that she gets a picture of scenery,

Christy'nin manzara resmini her gördüğünde

buranın manzara, manzara, manzara, manzara demesi.

it should say scenery, scenery, scenery, scenery.

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

Bir yüz -- yüz, yüz, yüz, yüz.

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

Fakat aslında böyle çalışmıyor, bu bizim keşfettiğimiz şey.

(Laughter)

(Gülüşmeler)

OK.

Tamam.

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

Yönetmen: Nasıl gidiyor? GG: Sanırım bize yeni bir iş gerekecek.

(Laughter)

(Gülüşmeler)

OK, so that was a massive failure.

Peki, bu büyük bir başarısızlıktı.

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

Fakat şunu hâlâ merak ediyoruz:

Bu teknolojiyi nereye kadar yürütebiliriz?

And we looked back at what we did.

Yaptığımız işe geri dönüp baktık.

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

Şunu fark ettik: Veri bilgisayarımıza çok hızlı geliyordu,

resimlerin ne zaman geleceğine dair bir zamanlama yoktu

without any timing of when the images came on,

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

ve bu sözcüklerin arasında boşluk olmayan

çok uzun bir cümleyi okumakla eşdeğer.

without spaces between the words.

It would be hard to read,

Bunu okumak zor olurdu

but once we add the spaces, individual words appear

fakat boşlukları eklediğimizde tekil sözcükler beliriyor

and it becomes a lot more understandable.

ve o zaman çok daha anlaşılır oluyor.

But what if we cheat a little bit?

Fakat ya biraz hile yaparsak?

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

Bir sensör kullanarak, ilk resmin ne zaman belireceğini bilgisayara gösterebiliriz.

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

Böylece, beyin dalgaları kesintisiz bilgi dizisi üretmeyi durdurur

and instead becomes individual packets of meaning.

ve onun yerine, anlamlı tekil paketler oluşturur.

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

Ayrıca kategorileri ikiyle sınırlayarak

by limiting the categories to two.

biraz daha hile yapacağız.

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

Bakalım gerçek zamanlı zihin okuma yapabilecek miyiz?

In this new experiment,

Bu yeni deneyde,

we're going to constrict it a little bit more

biraz daha daraltacağız,

so that we know the onset of the image

böylece resmin ilk hamlesini öğrenip

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

kategorileri "yüz" ve "manzara" olarak ikiyle sınırlandıracağız.

Nathan: Face. Correct.

Nathan: Yüz. Doğru.

Scenery. Correct.

Manzara. Doğru.

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

GG: Şimdiyse, resim her belirdiğinde

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

resmin ilk hamlesinin fotoğrafını çekip

and decoding the EEG.

EEG cihazının kodunu çözüyoruz.

It's getting correct.

Doğru çıkıyor.

Nathan: Yes. Face. Correct.

Nathan: Evet. Yüz. Doğru.

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

GG: EEG sinyalinde bilgi var, bu iyi.

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

Bunu sadece resmin ilk hamlesiyle hizalamak zorundaydık.

Nathan: Scenery. Correct.

Nathan: Manzara. Doğru.

Face. Yeah.

Yüz. Evet.

GG: This means there is some information there,

GG: Bu, burada bir bilgi olması demek.

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

Resmin ne zaman belireceğini bilirsek

we can tell what type of picture it was,

o resmin ne tür bir resim olduğunu, tepkisel potansiyellere bakıp

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

en azından ortalama olarak muhtemelen söyleyebiliriz.

Nathan: Exactly.

Nathan: Kesinlikle.

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

GG: Bunun mümkün olduğunu

projenin başında bana söylemiş olsaydın

I would have said no way.

imkanı yok derdim.

Bunu yapabileceğimizi gerçekten düşünmemiştim.

I literally did not think we could do this.

Zihin okuma deneyimiz gerçekten işe yarıyor mu?

Did our mind-reading experiment really work?

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

Evet ama çok fazla hile yapmak zorundaydık.

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

EEG cihazında bazı ilginç şeyler bulabileceğiniz ortaya çıkıyor.

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

Örneğin, siz birinin yüzüne bakarken

but it does have a lot of limitations.

birçok sınırlamanın olması.

Perhaps advances in machine learning will make huge strides,

Belki makine öğrenimindeki gelişmeler muazzam çözümler bulacak

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

ve bir gün, düşüncelerimizde neler olduğunun şifresini çözebileceğiz.

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

Fakat şu an için, bir firma, cihazları kumanda etmek amacıyla

beyin dalgalarınızı denetim altına alabileceklerini söylerse

to be able to control devices,

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

şüpheci yaklaşmak sizin hakkınız ve sorumluluğunuz.