研究人員在AI與神經科學的交匯處發現盲點

通過分析來自大腦的電信號，可以讀懂一個人的思想嗎?答案可能比大多數人想的要復雜得多。

普渡大學的研究人員(在人工智能和神經科學的交叉領域工作)說，一個試圖回答這個問題的著名數據集令人困惑，因此，許多基于此數據集并獲得了廣泛認可的令人大跌眼鏡的發現在所有。

普渡大學的團隊對數據集進行了超過一年的廣泛測試，研究了參加研究的個人的大腦活動，并研究了一系列圖像。每個人在觀看圖像時都戴著帶有數十個電極的帽子。

Purdue小組的工作發表在IEEE Transactions on Pattern Analysis and Machine Intelligence中。

普渡大學工程學院電氣與計算機工程教授杰弗里·馬克·西斯金德說：“這種測量技術，被稱為腦電圖或腦電圖，可以提供有關大腦活動的信息，這些信息原則上可以用來讀取思想。” “問題在于他們使用EEG時會污染數據集本身。這項研究是在不隨機化圖像順序的情況下進行的，因此研究人員僅通過閱讀包含的時間和順序信息就能夠分辨出正在觀看的圖像。在腦電圖中，而不是解決從腦波解碼視覺感知的真正問題。”

普渡大學的研究人員最初在無法從自己的測試中獲得相似結果時開始質疑數據集。那是他們開始分析以前的結果并確定缺乏隨機性污染數據集的時候。

“這是在跨學科研究領域工作的挑戰之一，”普渡大學工程學院和衛生與人類科學學院聯合任命的助理教授Hari Bharadwaj說。“重要的科學問題經常需要跨學科的研究。發現的問題是，有時，在一個領域受過訓練的研究人員并不了解將其思想應用于另一個領域時可能會遇到的常見陷阱。在這種情況下，以前的工作似乎AI /機器學習科學家之間的脫節以及神經科學家所熟知的陷阱使他們感到痛苦。”

普渡大學團隊審查了使用該數據集完成諸如對象分類，轉移學習以及使用腦電圖(EEG)測量的腦源性表示的圖像來描繪人類感知和思想的出版物的出版物。

普渡大學健康與人文科學學院與人文學院聯合任命的教授羅尼·威爾伯說：“有人是否可以通過腦電活動來讀取他人的思想是非常合理的。” “我們的研究表明，需要一種更好的方法。”