Q:
Jak umělá inteligence umožňuje „posílení mozku“ pro zvýšení paměti pomocí elektrické stimulace mozku?
A:Nové metody vědy o umělé inteligenci pomáhají vědcům lépe porozumět tomu, jak mozek funguje - a v některých případech mohou tito vědci skutečně zasáhnout a přimět mozek, aby pracoval jinak.
Pokud to zní komplikovaně, je to proto, že je. Drátový příběh představující výzkumný projekt univerzity v Pensylvánii začíná poukazem na to, že lidský mozek je z velké části neznámou „černou skříňkou“ pro vědce a že existují významné překážky ovlivňující mozkovou aktivitu.
Psycholog UPenn Michael Kahana a tým vědců však byli schopni využít elektrody, které jdou do mozku 25 pacientů s epilepsií, aby se začali učit o tom, jak mozek pracuje během paměti.
Je důležité, že tým to dokázal „vezením“ na již existující infrastruktuře. (Ze znění se předpokládá, že skupina byla schopna používat subjekty, které již byly zapojeny z více prozaických lékařských důvodů.) Jak tento článek zdůrazňuje, je docela obtížné získat od výzkumných subjektů vstup do invazivní technologie mozek.
Vědci začali pouhým čtením mozkové aktivity - konkrétně přesným výpočtem elektrické aktivity v mozku, zatímco lidé byli v procesu učení a zapamatování slov.
Poté, co to udělali na chvíli a vybudovali podstatnou sadu školení, byli vědci schopni předvídat určité druhy učení.
Po základním výzkumu byli vědci nakonec schopni poslat elektrickou stimulaci do mozku, aby pomohli v procesu paměti.
Když mluvíte o použití elektrické stimulace na pomoc s pamětí, zní to jednoduše - ale když se podíváte blíže, vše je založeno na velmi vyspělých metodikách a hodně dohadech.
Bez počátečního strojového učení, které by identifikovalo paměťovou aktivitu, by vědci neměli tak dobrou představu o tom, jak elektricky stimulovat mozky k podpoře dobré funkce paměti.
Ze čtení o studii také vyplývá, že tým neví, jak elektrická stimulace funguje - prostě vědí, že to je. Jinými slovy, vědci používají výsledky strojového učení k jemnému doladění systému, aniž by ve skutečnosti chápali výhody a výstupy samotné funkce mozku.
Tento zajímavý příklad je možná jedním z nejlepších příkladů „praktického“ strojového učení - zde se data nejen vkládají do tréninkových sad pro modelování více dat. Zde školicí sada skutečně funguje jako katalyzátor pro specifické experimenty v bioinformatice a výsledky jsou založeny na výpočtech, které provedly programy strojového učení. Je to velmi zajímavý pohled na synergii mezi umělou inteligencí a našimi vlastními lidskými biologickými mozky a na to, jak se obě protínají, když děláme rychlý pokrok směrem k „jedinečnosti“ Ray Kurzweilu a dalším budoucím výsledkům.
