Q:
Hvordan gør kunstig intelligens det muligt for "hjerneforstærkning" at forbedre hukommelsen med elektrisk hjernestimulering?
EN:Nye metoder til kunstig intelligensvidenskab hjælper forskere med at forstå mere om, hvordan hjernen fungerer - og i nogle tilfælde kan disse forskere faktisk gribe ind og skubbe hjernen til at arbejde anderledes.
Hvis det lyder kompliceret, er det fordi det er. En Wired-historie, der introducerer et University of Pennsylvania-forskningsprojekt, starter med at påpege, at den menneskelige hjerne i vid udstrækning er en ukendt "sort kasse" for forskere, og at der er betydelige barrierer for at påvirke hjernens aktivitet.
Imidlertid var UPenn-psykolog Michael Kahana og et team af forskere i stand til at bruge elektroder, der går ind i hjernen hos 25 epilepsipatienter for at begynde at lære, hvordan hjernen fungerer under hukommelsen.
Det er vigtigt, at teamet var i stand til at gøre dette ved at “piggybacking” på allerede eksisterende infrastruktur. (Fra ordlyden antages det, at gruppen var i stand til at bruge emner, der allerede var tilsluttet af mere prosaiske medicinske grunde.) Som artiklen påpeger, er det temmelig svært at få buy-in fra forskningsemner for at sætte invasiv teknologi i hjerne.
Forskerne startede med blot at læse hjerneaktivitet - specifikt i en nøjagtig beregning af elektrisk aktivitet inde i hjernen, mens folk var i færd med at lære og huske ord.
Efter at have gjort dette i et stykke tid og opbygget et betydeligt træningssæt, var forskerne i stand til at forudsige visse former for læring.
Efter grundlæggende forskning kunne forskere til sidst sende elektrisk stimulering til hjernen for at hjælpe med hukommelsesprocessen.
Når du taler om brugen af elektrisk stimulering til at hjælpe med hukommelse, lyder det enkelt - men når du ser nærmere på, er alt baseret på meget højteknologiske metoder og en hel del gætteri.
Uden den indledende maskinlæring, der identificerede hukommelsesaktivitet, ville forskerne ikke have haft så god idé om, hvordan man elektrisk stimulerer hjerner til at fremme god hukommelsesfunktion.
Det er også klart fra læsningen om undersøgelsen, at holdet ikke ved, hvordan den elektriske stimulering fungerer - de ved bare, at det er. Med andre ord bruger forskerne resultaterne af maskinlæring til at finjustere systemet uden egentlig at forstå ins og outs i selve hjernefunktionen.
Dette spændende eksempel er måske et af de bedste eksempler på ”hands-on” maskinlæring - her bliver dataene ikke kun sat i træningssæt for at modellere flere data. Her fungerer træningssættet faktisk som en katalysator for specifikke eksperimenter inden for bioinformatik, og resultaterne er baseret på de beregninger, som maskinindlæringsprogrammer lavede. Det er et meget interessant kig på synergien mellem kunstig intelligens og vores egne menneskelige biologiske hjerner, og hvordan de to krydser hinanden, når vi gør hurtige fremskridt hen imod Ray Kurzweils “singularitet” og andre fremtidige resultater.
