人工智能技术分享：初现智脑雏形的算法模型核心技术分析

借助人工智能监视脑电图，可以从他们的大脑活动中确定一大群人的偏好。

赫尔辛基大学的研究人员开发了一种技术，利用人工智能来分析观点并利用人群的大脑活动得出结论。研究人员将这种技术称为“脑部外包”，该技术可用于对图像进行分类或推荐内容，这是以前从未证明过的。

众包是一种将较复杂的任务分解为较小的任务的方法，这些任务可以分配给大批人员并单独解决。例如，可以询问人们是否可以在图像中看到对象，并将他们的响应用作图像识别系统的指导数据。甚至基于人工智能的最先进的图像识别系统也尚未完全自动化。相反，训练它们需要许多人对许多样本图像的内容提出意见。

赫尔辛基大学的研究人员通过借助AI技术分析人的脑电图（EEG），对实现众包的可能性进行了实验。可以征询人们的意见，而不是征求人们的意见，而可以直接从EEG中读取这些信息。

赫尔辛基大学的研究院研究员Tuukka Ruotsalo说：“我们希望研究可以通过，利用人们的自然反应来将众包技术应用于图像识别，而无需他们使用键盘或鼠标来执行任何手动任务。”

计算机对图像进行分类

在这项研究中，共有30名志愿者在计算机显示器上看到了人脸图像。指示参与者根据图像中描绘的内容在自己的思想中标记面部。例如，图像是描绘金发还是深色头发的人，还是微笑或不微笑的人。与传统的众包任务不同，他们没有使用鼠标或键盘提供任何其他信息-他们只是观察呈现给他们的图像。

同时，使用脑电图收集每个参与者的大脑活动。通过脑电图，AI算法学会了识别与任务相关的图像，例如当金发碧眼的人的图像出现在屏幕上时。

在实验结果中，计算机能够直接从EEG解释这些心理标签。研究人员得出的结论是，脑资源采购可以应用于简单且定义明确的识别任务。使用从12名志愿者那里收集的数据，已经获得了高度可靠的标记结果。

在WA用户友好的技术

这些发现可用于结合大脑和计算机活动的各种界面。这些接口需要可穿戴电子设备形式的轻巧且用户友好的EEG设备，而不是研究中使用的设备，后者需要训练有素的技术人员。正在积极开发可测量EEG的轻型可穿戴设备，并且可能会在不久的将来上市。

赫尔辛基大学的学生兼研究助理Keith Davis说：“我们的方法受到可用技术的限制。”

“目前的测量大脑活动的方法足以满足实验室中受控设置的要求，但是该技术需要在日常使用中进行改进。此外，这些方法仅占总大脑活动的很小一部分。随着大脑成像技术的改进，它可能会变得可以直接从大脑捕获偏好信息。您无需使用常规的评分或类似的按钮，只需听一首歌或观看一场表演，仅凭大脑的活动就足以确定您对它的反应。”