K:
Kuinka tekoäly, joka mahdollistaa "aivojen lisäämisen", parantaa muistia sähköisellä aivojen stimulaatiolla?
V:Uudet tekoälyn tieteen menetelmät auttavat tutkijoita ymmärtämään paremmin aivojen toimintaa - ja joissakin tapauksissa nämä tutkijat voivat tosiasiallisesti puuttua ja ajaa aivot toimimaan eri tavalla.
Jos se kuulostaa monimutkaiselta, se johtuu siitä. Langallinen tarina, joka esittelee Pennsylvanian yliopiston tutkimushanketta, alkaa huomauttamalla, että ihmisen aivot ovat tutkijoille suurelta osin tuntematon ”musta laatikko” ja että aivojen aktiivisuuteen vaikuttaa huomattavia esteitä.
UPenn-psykologi Michael Kahana ja ryhmä tutkijoita pystyivät kuitenkin hyödyntämään 25 epilepsiapotilaan aivoihin meneviä elektrodeja aloittaakseen oppimisen aivojen toiminnasta muistin aikana.
On merkittävää, että joukkue pystyi tekemään tämän "piggybacking" jo olemassa olevaan infrastruktuuriin. (Sanamuodon perusteella oletetaan, että ryhmä pystyi käyttämään aiheita, jotka olivat jo koukussa proosaisempien lääketieteellisten syiden vuoksi.) Kuten artikkelissa korostetaan, on melko vaikeaa saada sisäänostosopimus tutkijoilta sijoittaakseen invasiivinen tekniikka aivot.
Tutkijat aloittivat yksinkertaisesti lukemalla aivojen toimintaa - erityisesti laskemalla aivojen sisäisen aktiivisuuden tarkasti, kun ihmiset olivat oppimassa ja muistamassa sanoja.
Tehtyään tämän jonkin aikaa ja rakentaakseen huomattavan koulutusjoukon, tutkijat kykenivät ennustamaan tietynlaista oppimista.
Perustutkimuksen jälkeen tiedemiehet pystyivät lopulta lähettämään aivoihin sähköstimulaation auttamaan muistiprosessia.
Kun puhutaan sähköisen stimulaation käytöstä muistin auttamiseksi, se kuulostaa yksinkertaiselta - mutta kun tarkastellaan tarkemmin, kaikki perustuu erittäin korkean teknologian menetelmiin ja melko paljon arvauksia.
Ilman alustavaa koneoppimista, joka tunnisti muistitoiminnan, tutkijoilla ei olisi ollut yhtä hyvää ajatusta aivojen sähköisestä stimuloinnista hyvän muistitoiminnan edistämiseksi.
Lisäksi tutkimuksesta lukemisen perusteella on selvää, että joukkue ei tiedä kuinka sähköinen stimulaatio toimii - he vain tietävät, että se on. Toisin sanoen, tutkijat käyttävät koneoppimisen tuloksia järjestelmän hienosäätöön ilman, että ymmärtävät itse aivojen toimintojen haittoja.
Tämä kiehtova esimerkki on ehkä yksi parhaimmista esimerkeistä käytännön koneoppimisesta. Täällä tietoja ei vain aseteta koulutusjoukkoihin mallintaaksesi enemmän tietoja. Täällä koulutusjoukko toimii tosiasiallisesti katalysaattorina erityisille bioinformatiikan kokeille, ja tulokset perustuvat koneoppimisohjelmien tekemiin laskelmiin. Se on erittäin mielenkiintoinen tutkimus tekoälyn ja omien ihmisen biologisten aivojemme välisestä synergiasta ja siitä, kuinka nämä kaksi leikkaavat toisiaan etenemässä kohti Ray Kurzweilin "ainutlaatuisuutta" ja muita tulevaisuuden tuloksia.
