Saari ei välttämättä ole rakkautta
Raportit laboratorioista, jotka yrittävät tulkita ihmisaivojen sisältöä, ovat varmasti huolestuttavia monille. Näitä tekniikoita tarkastelemalla rauhoittuu hieman.
Vuonna 2013 japanilaiset tutkijat Kioton yliopistosta onnistuivat 60 %:n tarkkuudella.lue unelmia »dekoodaamalla joitain signaaleja unijakson alussa. Tutkijat käyttivät magneettikuvausta seuratakseen kohteita. He rakensivat tietokannan ryhmittelemällä objektit laajoihin visuaalisiin luokkiin. Uusimmalla koekierroksella tutkijat pystyivät tunnistamaan kuvat, joita vapaaehtoiset näkivät unissaan.
Aivoalueiden aktivointi MRI-skannauksen aikana
Vuonna 2014 Yalen yliopiston tutkijoiden ryhmä, jota johti Alan S. Cowen, täsmälleen uudelleen luotuja kuvia ihmisten kasvoista, joka perustuu aivotallenteisiin, jotka luotiin vastaajilta vastauksena esitettyihin kuviin. Tämän jälkeen tutkijat kartoittivat osallistujien aivotoiminnan ja loivat sitten tilastollisen kirjaston koehenkilöiden vastauksista yksilöille.
Samana vuonna Millennium Magnetic Technologies (MMT) oli ensimmäinen yritys, joka tarjosi palvelua.tallentaa ajatuksia ». Käyttäen omia, patentoituja ns. , MMT tunnistaa kognitiiviset mallit, jotka vastaavat potilaan aivotoimintaa ja ajatusmalleja. Tämä tekniikka käyttää toiminnallista magneettikuvausta (fMRI) ja biometristä videoanalyysiä kasvojen, esineiden ja jopa totuuden ja valheiden tunnistamiseen.
Vuonna 2016 neurotieteilijä Alexander Huth Kalifornian yliopistosta Berkeleystä ja hänen tiiminsä loivat "semanttisen kartaston" ihmisen ajatusten tulkitsemiseen. Järjestelmä auttoi muun muassa tunnistamaan aivoalueita, jotka vastaavat samankaltaisia sanoja. Tutkijat suorittivat tutkimuksen fMRI:llä, ja osallistujat kuuntelivat skannauksen aikana erilaisia tarinoita kertovia lähetyksiä. Funktionaalinen MRI paljasti hienovaraisia muutoksia aivojen verenkierrossa mittaamalla neurologista aktiivisuutta. Kokeilu osoitti, että vähintään kolmasosa aivokuoresta oli mukana kieliprosesseissa.
Vuotta myöhemmin, vuonna 2017, Carnegie Mellonin yliopiston (CMU) tutkijat Marcel Justin johdolla kehittivät tapa tunnistaa vaikeita ajatuksiaesimerkiksi "todistaja huusi oikeudenkäynnin aikana". Tutkijat käyttivät koneoppimisalgoritmeja ja aivojen kuvantamistekniikkaa osoittaakseen, kuinka eri aivojen alueet ovat mukana samanlaisten ajatusten rakentamisessa.
Vuonna 2017 Purduen yliopiston tutkijat käyttivät ajatusten lukemista Tekoäly. He laittoivat fMRI-laitteeseen ryhmän koehenkilöitä, jotka skannasivat heidän aivonsa ja katsoivat videoita eläimistä, ihmisistä ja luonnonmaisemista. Tämäntyyppisellä ohjelmalla oli pääsy tietoihin jatkuvasti. Tämä auttoi hänen oppimistaan, ja sen seurauksena hän oppi tunnistamaan ajatuksia ja aivojen käyttäytymismalleja tiettyjä kuvia varten. Tutkijat keräsivät yhteensä 11,5 tuntia fMRI-tietoja.
Tämän vuoden tammikuussa Scientific Reports julkaisi tulokset New Yorkin Columbian yliopiston Nima Mesgaranin tutkimuksesta, joka loi uudelleen aivokuvioita - tällä kertaa ei unia, sanoja ja kuvia, vaan kuullut ääniä. Kerätyt tiedot puhdistettiin ja systematisoitiin tekoälyalgoritmeilla, jotka matkivat aivojen hermorakennetta.
Relevanssi on vain likimääräinen ja tilastollinen
Yllä oleva raporttisarja ajatustenlukumenetelmien peräkkäisistä edistysaskeleista kuulostaa menestysputkilta. Kehitystä kuitenkin neuroformaatiotekniikka kamppailee valtavien vaikeuksien ja rajoitusten kanssa, jotka saavat meidät nopeasti lakkaamaan ajattelemasta, että he ovat lähellä niiden hallitsemista.
Ensinnäkin aivojen kartoitus vitsi pitkä ja kallis prosessi. Edellä mainitut japanilaiset "unelmalukijat" vaativat jopa kaksisataa koekierrosta tutkimukseen osallistujaa kohti. Toiseksi, monien asiantuntijoiden mukaan raportit "mielten lukemisen" menestyksestä ovat liioiteltuja ja johtavat yleisöä harhaan, koska tapaus on paljon monimutkaisempi eikä näytä siltä, että sitä esitetään mediassa.
Russell Poldrack, Stanfordin neurotieteilijä ja The New Mind Readers -kirjan kirjoittaja, on nyt yksi äänekkäimmistä median neurokuvantamisinnostuksen arvostelijoista. Hän kirjoittaa selvästi, että toiminta tietyllä aivojen alueella ei kerro meille, mitä henkilö todella kokee.
Kuten Poldrack huomauttaa, paras tapa katsella ihmisaivoja toiminnassa eli fMRI on vain epäsuoralla tavalla mittaamalla hermosolujen aktiivisuutta, koska se mittaa verenkiertoa, ei itse hermosoluja. Tuloksena oleva data on erittäin monimutkaista ja vaatii paljon työtä sen muuttamiseksi tuloksiksi, jotka voivat merkitä jotain ulkopuoliselle tarkkailijalle. myös ei yleisiä malleja – jokainen ihmisaivo on hieman erilainen ja jokaiselle on kehitettävä oma viitekehys. Tietojen tilastollinen analyysi on edelleen erittäin monimutkaista, ja fMRI-ammattimaailmassa on käyty paljon keskustelua siitä, miten dataa käytetään, tulkitaan ja miten se altistuu virheille. Siksi tarvitaan niin monia testejä.
Tutkimuksen tarkoituksena on päätellä, mitä tiettyjen alueiden toiminta tarkoittaa. Esimerkiksi aivoissa on alue, jota kutsutaan "ventral striatum". Se on aktiivinen, kun henkilö saa palkkion, kuten rahaa, ruokaa, karkkia tai huumeita. Jos palkinto olisi ainoa asia, joka aktivoi tämän alueen, voisimme olla melko varmoja, mikä ärsyke toimi ja millä vaikutuksella. Todellisuudessa, kuten Poldrack muistuttaa, aivoissa ei kuitenkaan ole osaa, joka voitaisiin ainutlaatuisesti yhdistää tiettyyn mielentilaan. Siten tietyn alueen toiminnan perusteella on mahdotonta päätellä, että joku todella kokee. Ei voi edes sanoa, että koska "näemme aktiivisuuden lisääntymistä aivosaarella (saarella), niin tarkkailtavan henkilön pitäisi kokea rakkautta".
Tutkijan mukaan kaikkien tarkasteltavien tutkimusten oikea tulkinta pitäisi olla lause: "teimme X, ja tämä on yksi syy saaren toiminnan aiheuttamiseen." Tietenkin meillä on käytössämme toistoa, tilastollisia työkaluja ja koneoppimista asian suhteen kvantifiointiin, mutta he voivat korkeintaan sanoa esimerkiksi, että hän kokee tilan X.
"Melko suurella tarkkuudella pystyn tunnistamaan kuvan kissasta tai talosta jonkun mielessä, mutta monimutkaisempia ja mielenkiintoisempia ajatuksia ei voi tulkita", Russell Poldrack ei jätä illuusioita. "Muista kuitenkin, että yrityksille jopa 1 %:n parannus mainoksissa voi tarkoittaa suuria voittoja. Näin ollen tekniikan ei tarvitse olla täydellinen ollakseen hyödyllinen tietystä näkökulmasta, vaikka emme edes tiedä, kuinka suuri hyöty siitä voi olla.
Yllä olevat näkökohdat eivät tietenkään päde. eettisiä ja oikeudellisia näkökohtia neurokuvantamismenetelmiä. Ihmisen ajatusmaailma on ehkä yksityiselämän syvin alue, jonka voimme kuvitella. Tässä tilanteessa on reilua sanoa, että ajatustenlukutyökalut ovat vielä kaukana täydellisyydestä.
Aivotoiminnan skannaus Purduen yliopistossa:
