王淑婷 张倩参与

「读心术」真的来了?AUT新研究惹争议

据新西兰先驱报报道,奥克兰理工大学(AUT)的研究人员开发了一个人工智能模型,可以在人类做出决定之前预测出其选择。该研究在 reddit 上引发热议,不少网友调侃:「终于可以知道女朋友到底想吃啥了」。

该研究基于一种新型的人工智能研究——脉冲神经网络。研究人员用该网络来开发一种模仿人脑学习和识别模式的机器学习系统——NeuCube。该研究属世界首创!

此项研究是由 AUT 知识工程和发现研究所(KEDRI)的一个团队进行的,该团队包括 AUT 博士生姐妹 Zohreh 和 Maryam Doborjeh,以及她们的导师 Nikola Kasabov 教授和诺丁汉特伦特大学的 Alex Sumich 教授。

在实验中,两姐妹让 20 名参与者观看不同饮料标识的视频,并使用 EEG 头戴设备记录他们的大脑数据。

该数据被同步到 NeuCube 算法,这一算法根据参与者的大脑数据学习并对模式进行分类,能够在他们有意识地选择饮料前 0.2 秒预测他们的选择。它还显示了参与者在面对熟悉的标志和不熟悉的标志时的明显区别。

专攻机器学习的Maryam Doborjeh亲眼目睹了NeuCube算法的工作过程,她表示结果令人惊叹。

「大脑是一个很神奇的东西——它能学习和记住很多事物,并能在人开始识别之前认出它们。而让计算机学会这么做将会改变我们所有人的生活方式。」

Zohreh Doborjeh 专攻这一研究的心理学方面。她感兴趣的是,关于人类的决策,大脑潜意识会告诉我们什么。

「我们知道,人类只有 10% 的决策是有意识做出的,其余 90% 是由大脑基于之前的经历、历史、遗传及其它因素下意识做出的。这一研究可以给营销带来极大的改变。」

这一突破性研究可能会有多方面的应用,包括神经营销、认知研究及犯罪问题的解决等。一种潜在的应用方式是在受害人屏蔽创伤经历的情况下利用潜意识在警察的嫌疑人名单中锁定罪犯。

NeuCube 的设计者 Kasabov 表示,这一发现将启发更多的研究。

「研究人员和社会科学家将利用这一研究成果更深入地了解我们到底因为下意识产生了多少偏见;我们在生活中真正喜欢什么,我们如何更好地交流、学习?」

但也有不少 Reddit 网友拿这一「正经」的研究编起了段子:

网友 dannyc1166:

希望可以拿这个去决定吃啥……

与女票的日常对话可以是这样的:

- 宝贝你饿吗?

- 饿啊!

- 想吃什么?

- 不知道啊。

- X 餐厅怎么样?

- 不去。

- Y 餐厅怎么样?

- 不去。

- 机器说你想去 Y 餐厅。我去车上等你。

怎么样?问题解决了吧!

秉持这种想法的网友当然不止一个!

网友 Blim3y:

终于……我们可以直接去吃了么?不用再经历「亲爱的你想吃啥」这一世纪难题了……

网友 Adventureson:

终于能知道孩子 TA 娘晚上想吃啥了哈哈哈!

也有人吐槽说这不是啥新研究,早八百年就做过了。

网友 Psyman2:

第一次看到这种研究是在 2006 年,所以不是什么新闻。

我猜这又是一个「标题党」。

当然,也有比较中肯的评论。

网友 john22544:

我觉得,在这个研究里,不是机器预测人的选择,而是机器在人们意识到自己已经做好决定之前帮人做选择。

或许你会说,机器是在人们意识到自己的选择之前预测他们做了哪个选择。

不管怎么说,看这个标题,我觉得机器是在预测未来,看完文章,我觉得机器是在解释我们的大脑活动。

上述一些看法,你认同哪个呢?欢迎留言讨论 → → 

参考链接:

理论神经科学大脑意识
相关数据
机器学习技术

机器学习是人工智能的一个分支,是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、计算复杂性理论等多门学科。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。因为学习算法中涉及了大量的统计学理论,机器学习与推断统计学联系尤为密切,也被称为统计学习理论。算法设计方面,机器学习理论关注可以实现的,行之有效的学习算法。

脉冲神经网络技术

第三代神经网络,脉冲神经网络(Spiking Neural Network,SNN),旨在弥合神经科学和机器学习之间的差距,使用最拟合生物神经元机制的模型来进行计算。脉冲神经网络与目前流行的神经网络和机器学习方法有着根本上的不同。SNN 使用脉冲——这是一种发生在时间点上的离散事件——而非常见的连续值。每个峰值由代表生物过程的微分方程表示出来,其中最重要的是神经元的膜电位。本质上,一旦神经元达到了某一电位,脉冲就会出现,随后达到电位的神经元会被重置。对此,最常见的模型是 Integrate-And-Fire(LIF)模型。此外,SNN 通常是稀疏连接的,并会利用特殊的网络拓扑。

推荐文章
暂无评论
暂无评论~