P:
Kako umjetna inteligencija omogućava „poticanje mozga“ da poboljša memoriju električnom stimulacijom mozga?
A:Nove metode znanosti umjetne inteligencije pomažu istraživačima da razumiju više o tome kako mozak djeluje - a u nekim slučajevima ti znanstvenici zapravo mogu intervenirati i tjerati mozak na drugačiji rad.
Ako zvuči komplicirano, to je zato što jest. Priča o žičanima koja uvodi istraživački projekt Sveučilišta u Pensilvaniji započinje naglašavanjem da je ljudski mozak znanstvenicima uglavnom nepoznata „crna kutija“ i da postoje značajne prepreke koje utječu na rad mozga.
Međutim, UPennov psiholog Michael Kahana i tim znanstvenika uspjeli su upotrijebiti elektrode koje ulaze u mozak 25 pacijenata s epilepsijom kako bi započeli učiti o tome kako mozak djeluje tijekom pamćenja.
Značajno je da je tim uspio napraviti „piggybacking“ na već postojećoj infrastrukturi. (Iz izraza, pretpostavlja se da je skupina mogla koristiti predmete koji su već bili spojeni iz više prozaičnih medicinskih razloga.) Kao što se u članku ističe, prilično je teško doći do kupovine od istraživača kako bi se invazivna tehnologija postavila u mozak.
Istraživači su započeli jednostavnim čitanjem moždanih aktivnosti - konkretno, preciznim izračunavanjem električne aktivnosti unutar mozga, dok su ljudi bili u procesu učenja i pamćenja riječi.
Nakon što su to radili neko vrijeme i stvorili značajan set treninga, istraživači su mogli predvidjeti određene vrste učenja.
Nakon temeljnog istraživanja, znanstvenici su konačno mogli poslati električnu stimulaciju mozgu da pomogne u procesu pamćenja.
Kada govorite o korištenju električne stimulacije za pomoć pamćenju, to zvuči jednostavno - ali kad pogledate pažljivije, sve je predodređeno za vrlo visokotehnološke metodologije i prilično puno nagađanja.
Bez početnog strojnog učenja koje je identificiralo memorijsku aktivnost, znanstvenici ne bi imali tako dobru ideju kako električno stimulirati mozak za promicanje dobre memorijske funkcije.
Također iz čitanja studije je jasno da tim ne zna kako električna stimulacija djeluje - oni jednostavno znaju da je to tako. Drugim riječima, znanstvenici koriste rezultate strojnog učenja kako bi precizno prilagodili sustav, bez da zapravo razumiju mogućnosti i nedostatke same funkcije mozga.
Ovaj intrigantan primjer je možda jedan od najboljih primjera "praktičnog" strojnog učenja - ovdje se podaci ne postavljaju samo u skupove za treniranje više podataka. Ovdje set za obuku zapravo djeluje kao katalizator specifičnih eksperimenata u bioinformatici, a rezultati se temelje na proračunima koje su napravili programi strojnog učenja. Vrlo je zanimljiv pogled na sinergiju između umjetne inteligencije i naših vlastitih ljudskih bioloških mozgova i kako se njih dvoje presijecaju dok brzo napredujemo prema „jedinstvenosti“ Raya Kurzweila i drugim budućim rezultatima.
