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

Translator: Joseph Geni Reviewer: Krystian Aparta

Translator: Joseph Geni Reviewer: Thu Ha Tran

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

Greg Gage: Đọc suy nghĩ.

Trong các bộ phim viễn tưởng, các cỗ máy có thể đọc được suy nghĩ.

machines that can read our thoughts.

However, there are devices today

Thế nhưng ngày nay, có các thiết bị

that can read the electrical activity from our brains.

có thể đọc tính hiệu điện từ não chúng ta.

We call this the EEG.

Đó là điện não đồ - EEG.

Is there information contained in these brainwaves?

Liệu có thông tin gì ẩn sau các sóng điện não?

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

Nếu có, liệu ta có thể tạo ra máy tính để đọc suy nghĩ không?

My buddy Nathan has been working to hack the EEG

Bạn tôi Nathan đã tìm hiểu về điện não đồ

to build a mind-reading machine.

để tạo ra cỗ máy đọc được suy nghĩ.

[DIY Khoa học thần kinh]

[DIY Neuroscience]

So this is how the EEG works.

Đây là cách điện não hoạt động.

Inside your head is a brain,

Trong đầu bạn là một bộ não,

and that brain is made out of billions of neurons.

cấu thành từ hàng tỉ neuron (tế bào thần kinh)

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

Mỗi neuron trao đổi các tín hiệu điện với nhau.

Những tín hiệu này có thể hợp thành một sóng điện từ

These small messages can combine to make an electrical wave

that we can detect on a monitor.

mà ta phát hiện được qua máy theo dõi.

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

Thông thường, điện não cho ta biết về trạng thái chung,

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

ví dụ như việc bạn đang ngủ hay thức.

But can it tell us anything else?

Nhưng liệu nó còn cho ta biết gì khác?

Can it actually read our thoughts?

Liệu chúng có thể đọc được suy nghĩ?

We're going to test this,

Chúng tôi sẽ thử điều này,

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

chúng tôi không bắt đầu với các suy nghĩ phức tạp.

We're going to do something very simple.

Chúng tôi bắt đầu với vài thứ đơn giản.

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

Liệu ta có thể biết ai đó đang thấy gì dựa vào sóng điện não?

Nathan sẽ bắt đầu bằng việc gắn các điện cực lên đầu Christy.

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

Nathan: My life is tangled.

Nathan: Đời tôi rối bời.

(Laughter)

(Cười)

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

GG: Sau đó anh sẽ cho cô ấy xem một mớ hình ảnh

from four different categories.

từ bốn nhóm khác nhau.

Nathan: Face, house, scenery and weird pictures.

Nathan: Khuôn mặt, nhà, phong cảnh và ảnh kì lạ.

GG: As we show Christy hundreds of these images,

GG: Khi chúng tôi cho Christy xem qua hàng trăm ảnh,

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

chúng tôi cũng lưu lại sóng điện não vào máy tính của Nathan.

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

Chúng tôi muốn biết liệu có thể nhận ra thông tin gì về các bức ảnh,

contained in the brainwaves,

ẩn chứa trong sóng não,

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

thế nên khi xong việc, tôi sẽ xem liệu điện não

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

có thể cho ta biết Christy đang xem loại ảnh nào,

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

và nếu được, mỗi loại ảnh sẽ kích hoạt một dạng sóng não khác nhau.

OK, so we collected all the raw EEG data,

Xong, bọn tôi đã thu thập tất cả dữ liệu thô về sóng não,

and this is what we got.

và đây là thành quả.

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

Nhìn có vẻ khá bừa bộn, vậy ta hãy sắp xếp chúng theo loại ảnh

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

Giờ nhìn vẫn hơi lộn xộn để thấy bất kì khác biệt nào,

but if we average the EEG across all image types

nhưng nếu ta trung bình hóa sóng não từ tất cả loại ảnh

by aligning them to when the image first appeared,

bằng cách xếp chúng theo thời gian mà ảnh xuất hiện

we can remove this noise,

ta có thể loại bỏ tín hiệu nhiễu,

and pretty soon, we can see some dominant patterns

và sớm thôi, ta có thể thấy vài khuôn mẫu nổi bật

emerge for each category.

hiện ra từ mỗi loại ảnh.

Now the signals all still look pretty similar.

Giờ tất cả tín hiệu nhìn khá giống nhau.

Let's take a closer look.

Hãy nhìn kĩ hơn nhé.

About a hundred milliseconds after the image comes on,

Khoảng một trăm mili-giây sau khi ảnh xuất hiện,

we see a positive bump in all four cases,

ta thấy một đỉnh dương trong cả bốn nhóm,

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

chúng tôi gọi nó là P100 và nghĩ

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

đây là điều xảy ra khi não bạn nhận ra một vật thể.

But damn, look at that signal for the face.

Nhưng trời ơi, xem tín hiệu nhóm khuôn mặt kìa.

It looks different than the others.

Nó khác biệt với phần còn lại.

There's a negative dip about 170 milliseconds

Có một lõm sâu lúc 170 mili-giây

after the image comes on.

sau khi ảnh xuất hiện.

What could be going on here?

Điều gì có thể xảy ra nhỉ?

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

Nghiên cứu cho thấy não bộ có nhiều neuron chuyên biệt

to recognizing human faces,

để nhận biết khuôn mặt người,

so this N170 spike could be all those neurons

thế nên lõm N170 này có thể do nhóm neuron đó

firing at once in the same location,

cùng phát tín hiệu,

and we can detect that in the EEG.

và ta phát hiện được trên điện não.

So there are two takeaways here.

Vậy có hai bài học ở đây.

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

Một, mắt thường không phát hiện bất thường trong khuôn mẫu nào

without averaging out the noise,

mà không trung bình hóa sự nhiễu,

and two, even after removing the noise,

và hai, thậm chí sau khi loại bỏ nhiễu,

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

mắt thường chỉ có thể nhận ra tín hiệu liên quan đến khuôn mặt.

So this is where we turn to machine learning.

Đây là lúc chúng tôi nhờ đến Học máy.

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

Mắt thường không giỏi trong việc nhận ra bất thường trong dữ liệu nhiễu,

but machine learning algorithms are designed to do just that,

nhưng thuật toán học máy được thiết kế để làm điều đó,

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

nên ta có thể lấy thật nhiều ảnh và thật nhiều dữ liệu

and feed it in and train a computer

cho vào máy tính và dạy nó

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

để có thể diễn giải điều Christy đang thấy trong thời gian thực.

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

Bọn tôi đang cố gắng mã hóa thông tin trích xuất từ điện não

in real time

trong thời gian thực

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

và dự đoán xem cô ấy đang nhìn thấy gì.

And if it works, what we should see

Và nếu thành công, ta có thể thấy

is every time that she gets a picture of scenery,

mỗi lần cô ấy thấy hình phong cảnh

it should say scenery, scenery, scenery, scenery.

nó sẽ trả lời phong cảnh, phong cảnh.

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

Khuôn mặt -- khuôn mặt, khuôn mặt,

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

Nhưng nó không hoạt động được vậy, đó là điều bọn tôi đang thấy.

(Laughter)

(Cười)

OK.

Được rồi.

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

Đạo diễn: Điều gì đang diễn ra vậy? GG: Tôi nghĩ mình phải kiếm việc mới.

(Laughter)

(Cười)

OK, so that was a massive failure.

Vâng đó là một thất bại thảm hại.

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

Nhưng chúng tôi vẫn tò mò liệu ta có thể đưa công nghệ này đến đâu?

And we looked back at what we did.

Nhìn lại những gì đã làm,

Chúng tôi nhận ra dữ liệu đi vào máy tính rất nhanh,

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

without any timing of when the images came on,

mà không có thời gian ảnh xuất hiện,

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

và nó giống như việc đọc một câu dài

without spaces between the words.

mà thiếu khoảng trắng giữa các từ.

It would be hard to read,

Sẽ khó mà đọc được,

but once we add the spaces, individual words appear

nhưng khi ta thêm khoảng trắng vào, từng từ hiện rõ

and it becomes a lot more understandable.

và ta dễ hiểu được cả câu hơn.

But what if we cheat a little bit?

Nhưng nếu ta ăn gian một tí thì sao?

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

Bằng cách dùng cảm biến, ta giúp máy tính biết khi nào ảnh hiện lên.

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

Qua đó, sóng não không còn là một dòng thông tin liên tục,

and instead becomes individual packets of meaning.

mà trở thành từng gói thông tin mang ý nghĩa riêng.

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

Đồng thời, bọn tôi gian lận hơn chút nữa,

by limiting the categories to two.

bằng cách giới hạn còn 2 nhóm thôi.

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

Thử đọc suy nghĩ trong thời gian thực xem nào.

In this new experiment,

Trong thí nghiệm mới này,

we're going to constrict it a little bit more

ta sẽ giới hạn lại thêm chút nữa

so that we know the onset of the image

để biết thời điểm bắt đầu của ảnh

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

và ta sẽ giới hạn còn hai nhóm: “khuôn mặt” và “phong cảnh”.

Nathan: Face. Correct.

Nathan: Khuôn mặt. Chính xác.

Scenery. Correct.

Phong cảnh. Chính xác.

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

GG: Bây giờ, mỗi khi ảnh xuất hiện,

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

ta sẽ lấy thời điểm ảnh xuất hiện

and decoding the EEG.

và giải mã sóng não.

It's getting correct.

Nó đang cho kết quả tốt.

Nathan: Yes. Face. Correct.

Nathan: Vâng. Khuôn mặt. Chính xác.

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

GG: Vậy là có thông tin trong điện não, khá là hay đấy.

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

Ta chỉ phải xếp chúng đúng thời điểm ảnh xuất hiện.

Nathan: Scenery. Correct.

Nathan: Phong cảnh. Chính xác.

Face. Yeah.

Khuôn mặt. Đúng rồi.

GG: This means there is some information there,

GG: Điều này nghĩa là có vài thông tin ở đây,

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

nếu ta biết thời điểm ảnh xuất hiện,

we can tell what type of picture it was,

ta có thể biết loại ảnh mà cô ấy thấy,

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

ít ra là trung bình, dựa trên những tiềm năng này.

Nathan: Exactly.

Nathan: Chính xác.

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

GG: Nếu từ đầu bạn nói với tôi điều này là khả dĩ,

I would have said no way.

tôi sẽ chẳng tin đâu.

Thật sự tôi đã chẳng tin chúng tôi có thể làm được.

I literally did not think we could do this.

Vậy thí nghiệm đọc suy nghĩ này thành công chứ?

Did our mind-reading experiment really work?

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

Có đó. Nhưng bọn tôi đã ăn gian khá nhiều.

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

Hóa ra bạn thể thấy nhiều điều thú vị từ điện não,

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

ví dụ như việc bạn đang thấy khuôn mặt ai đó,

but it does have a lot of limitations.

nhưng nó cũng còn nhiều giới hạn.

Perhaps advances in machine learning will make huge strides,

Có lẽ các tiến bộ trong học máy sẽ tạo nên các bước tiến lớn,

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

ngày nào đó, ta có thể giải mã được những gì đang xảy ra trong suy nghĩ.

Nhưng hiện tại, nếu công ty nào đó nói họ có thể khai thác sóng não của bạn

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

to be able to control devices,

để điều khiển các thiết bị,

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

bạn có quyền và nghĩa vụ nghi ngờ điều đó.