Q:
Hvordan gjør kunstig intelligens det mulig for "hjerneøkning" å forbedre hukommelsen med elektrisk hjernestimulering?
EN:Nye metoder for kunstig intelligensvitenskap hjelper forskere til å forstå mer om hvordan hjernen fungerer - og i noen tilfeller kan disse forskerne faktisk gripe inn og presse hjernen til å jobbe annerledes.
Hvis det høres komplisert ut, er det fordi det er det. En Wired-historie som introduserer et forskningsprosjekt fra University of Pennsylvania, starter med å påpeke at den menneskelige hjernen i stor grad er en ukjent "svart boks" for forskere, og at det er betydelige hindringer for å påvirke hjernens aktivitet.
Imidlertid klarte UPenn-psykolog Michael Kahana og et team av forskere å bruke elektroder som går inn i hjernen til 25 epilepsipasienter for å begynne å lære om hvordan hjernen fungerer under minnet.
Det er viktig at teamet var i stand til å gjøre dette ved å "piggybacking" på allerede eksisterende infrastruktur. (Fra ordlyden antas det at gruppen var i stand til å bruke fag som allerede var koblet opp av mer prosaiske medisinske grunner.) Som artikkelen påpeker, er det ganske vanskelig å få innkjøp fra forskningsfag for å sette inngripende teknologi inn i hjerne.
Forskerne startet med å bare lese hjerneaktivitet - spesifikt i en nøyaktig beregning av elektrisk aktivitet inne i hjernen mens folk var i ferd med å lære og memorere ord.
Etter å ha gjort dette en stund og bygget opp et betydelig treningssett, klarte forskerne å forutsi visse typer læring.
Etter grunnleggende forskning kunne forskere etter hvert sende elektrisk stimulering til hjernen for å hjelpe til i minneprosessen.
Når du snakker om bruk av elektrisk stimulering for å hjelpe med hukommelse, høres det enkelt ut - men når du ser nærmere på, er alt basert på veldig høyteknologiske metoder og ganske mye gjetting.
Uten den første maskinlæringen som identifiserte minneaktivitet, ville ikke forskerne ha hatt en god ide om hvordan de elektrisk kan stimulere hjerner for å fremme god minnefunksjon.
Det er også klart fra lesingen om studien at teamet ikke vet hvordan den elektriske stimuleringen fungerer - de vet bare at det er det. Med andre ord, bruker forskerne resultatene fra maskinlæring for å finjustere systemet, uten å forstå innsatsen og outs i selve hjernefunksjonen.
Dette spennende eksemplet er kanskje et av de beste eksemplene på "praktisk praktisk" maskinlæring - her blir ikke dataene bare satt inn i treningssett for å modellere mer data. Her fungerer treningssettet faktisk som en katalysator for spesifikke eksperimenter innen bioinformatikk, og resultatene er basert på beregningene som maskinlæringsprogrammer laget. Det er et veldig interessant blikk i synergien mellom kunstig intelligens og våre egne menneskelige biologiske hjerner, og hvordan de to krysser hverandre når vi gjør raske fremskritt mot "singulariteten" til Ray Kurzweil og andre fremtidige resultater.
