П:
Како вештачка интелигенција омогућава „појачавање мозга“ да побољша меморију електричном стимулацијом мозга?
А:Нове методе науке о вештачкој интелигенцији помажу истраживачима да разумију више о томе како мозак делује - а у неким случајевима ови научници могу заправо да интервенишу и натерају мозак да ради другачије.
Ако звучи компликовано, то је због тога. Жичана прича о увођењу истраживачког пројекта Универзитета у Пенсилванији започиње указивањем да је људски мозак научницима углавном непозната „црна кутија“ и да постоје значајне препреке за утицај на мождане активности.
Међутим, УПеннов психолог Мицхаел Кахана и тим научника били су у могућности да користе електроде које иду у мозак 25 пацијената са епилепсијом како би започели учење о томе како мозак функционише током сећања.
Значајно је да је тим успео то „пиггибацкинг“ на већ постојећој инфраструктури. (Из формулације се претпоставља да је група успела да користи предмете који су већ били спојени из више прозаичних медицинских разлога.) Као што се у чланку истиче, прилично је тешко набавити од истраживача да би инвазивну технологију поставили у мозак.
Истраживачи су започели једноставним читањем можданих активности - конкретно, прецизним израчунавањем електричне активности унутар мозга, док су људи били у процесу учења и памћења речи.
Након што су ово радили неко време и саставили значајан сет тренинга, истраживачи су били у могућности да предвиде неке врсте учења.
Након основног истраживања, научници су на крају могли да пошаљу електричну стимулацију мозгу да помогну у процесу памћења.
Када говорите о коришћењу електричне стимулације за помоћ памћењу, то звучи једноставно - али када погледате пажљивије, све је предодређено по високотехнолошким методологијама и прилично нагађања.
Без почетног машинског учења које идентификује меморијску активност, научници не би имали тако добру идеју о томе како електрично стимулисати мозак за унапређење добре функције меморије.
Такође, из читања студије је јасно да тим не зна како електрична стимулација функционише - они једноставно знају да јесте. Другим речима, научници користе резултате машинског учења да би прецизно прилагодили систем, а да заправо не разумеју могућности и функције самог мозга.
Овај интригантан пример је можда један од најбољих примера „практичног“ машинског учења - овде се подаци не постављају само у скупове за тренирање више података. Овде сет за тренинг заправо делује као катализатор за специфичне експерименте у биоинформатици, а резултати се заснивају на прорачунима које су направили програми машинског учења. Врло је занимљив поглед на синергију између вештачке интелигенције и сопствених људских биолошких мозгова, и на то како се њих двоје пресрећу док брзо напредујемо ка „јединствености“ Раиа Курзвеила и другим будућим резултатима.
