![Merjenje z encefalografom. Raziskovalec dodaja kontaktni gel, ki lajša sprejemanje signala. Foto: Michael Veit](https://img.rtvcdn.si/_up/upload/2017/08/23/65430484_01a.jpg)
Naša vizija za prihodnost vključuje samoučeče se algoritme, ki bodo hitro in zanesljivo prepoznali, kaj posameznik namerava, in to že na podlagi njegove možganske aktivnosti.
![Ence](https://img.rtvcdn.si/_up/upload/2017/08/23/65430485_01a.jpg)
Odkar se je področje razvoja umetne inteligence (UI) močno osredinilo na t. i. simulacije nevronskih mrež (programske, pa tudi fizične), je napredek skokovit. V zadnjih letih se je UI začel človeškim sposobnostim približevati, včasih jih celo prekašati pri številnih kognitivnih nalogah. Nepremagljiv nasprotnik je postal v kompleksni igri go, prebija se v poker, nenačrtovano razvija lasten jezik, ne nazadnje išče podatke in slike po spletu, prevaja ... Nabor se vse hitreje širi, zdaj pa je očitno na vrsti branje električne možganske aktivnosti s posnetkov encefalografa.
Računalniški programi za to področje že obstajajo, a so povsem drugače postavljeni. Temeljijo namreč na obstoječih bazah podatkov, na predpostavkah o tem, kako možgani delujejo. Posledično so fiksni in omejeni na določene primere brez posebnih variacij.
Na nemški univerzi v Freiburgu so sestavili entiteto umetne inteligence, ki se je branja možganske aktivnosti naučila sama, (skoraj) brez vnaprej danih podatkov ali vzorcev.
Samoučeči se algoritem je naposled razvil sposobnost s posnetkov pravilno razbrati gibe telesa, in to ne le dejanske, temveč tudi namišljene; vključno z vrtenjem trirazsežnostnih teles v mislih, piše v sporočilu za javnost. Raziskava je objavljena v znanstveni publikaciji Human Brain Mapping, nastala pa je v okviru projekta BrainLinks-BrainTools.
"Naš program je zgrajen na modelu, ki posnema delovanje možganov. Ti modeli so se v preteklosti precej izkazali pri razbiranju različnih naravnih signalov, na primer fonetičnih zvokov," je izjavil računalničar Robin Tibor Schirrmeister. Gre ta t. i. umetne nevronske mreže oz. prej omenjene simulacije nevronskih mrež.
"Prednost je v tem, da program ne potrebuje nobenih vnaprej določenih karakteristik. Informacije procesira skozi plasti; plast za plastjo, tj. v več korakih s pomočjo nelinarne funkcije. Sistem se skozi čas priuči razlikovanja med določenimi vzorci obnašanja in različnim gibanjem," je še dejal Schirrmeister. Za raziskavo so uporabili 31 plasti oz. "globoko učenje".
Model je osnovan na povezavah med nevroni; kjer se električni signali gibljejo od sinaps do celičnih jeder in nazaj. "Teorije obstajajo že desetletja, a šele z današnjo računsko močjo je model postal uporaben," je dodal.
Cilj: vnaprej zaznati namen posameznika
Algoritem nadaljuje učenje. Raziskovalci ocenjujejo, da ga bodo v prihodnosti lahko uporabili za zgodnjo zaznavo božjastnih napadov; na paleto želja pa so uvrstili še komunikacijo med paraliziranimi bolniki ali celo avtomatično nevrološko diagnosticiranje.
"Naša vizija za prihodnost vključuje samoučeče se algoritme, ki bodo hitro in zanesljivo prepoznali, kaj posameznik namerava, in to že na podlagi njegove možganske aktivnosti," je sklenil vodja projekta Tonio Ball.
Naša vizija za prihodnost vključuje samoučeče se algoritme, ki bodo hitro in zanesljivo prepoznali, kaj posameznik namerava, in to že na podlagi njegove možganske aktivnosti.
Komentarji so trenutno privzeto izklopljeni. V nastavitvah si jih lahko omogočite. Za prikaz možnosti nastavitev kliknite na ikono vašega profila v zgornjem desnem kotu zaslona.
Prikaži komentarje