1
00:00:00,000 --> 00:00:03,062
葛列格·蓋奇 (GG)：讀心術。
你在科幻電影中曾看過：

2
00:00:03,086 --> 00:00:04,943
可以讀出我們想法的機器。

3
00:00:04,967 --> 00:00:06,765
然而，如今有很多機器

4
00:00:06,789 --> 00:00:09,313
可以讀出我們大腦中的電波。

5
00:00:09,337 --> 00:00:10,609
我們稱之為 「腦波圖」。

6
00:00:11,695 --> 00:00:14,524
這些腦波中含有資訊嗎？

7
00:00:14,548 --> 00:00:15,779
如果含有資訊，

8
00:00:15,779 --> 00:00:17,385
我們可以訓練電腦
讀懂我們的思想嗎？

9
00:00:17,385 --> 00:00:20,289
我的好友內森一直
致力研究如何破解腦波圖

10
00:00:20,313 --> 00:00:21,989
以建造一台可以讀心的機器。

11
00:00:22,013 --> 00:00:24,470
【DIY 神經科學】

12
00:00:24,939 --> 00:00:26,500
先介紹一下腦波圖的原理。

13
00:00:26,524 --> 00:00:28,368
你的頭裡有大腦，

14
00:00:28,392 --> 00:00:30,950
而大腦是由數十億個神經元構成。

15
00:00:30,974 --> 00:00:33,981
每個神經元都在互相傳送電子訊息。

16
00:00:34,005 --> 00:00:36,819
這些微小的訊息可以結合在一起，

17
00:00:36,843 --> 00:00:38,413
形成顯示器上探測到的電波。

18
00:00:38,437 --> 00:00:39,401
傳統來說，

19
00:00:39,401 --> 00:00:41,163
腦波圖能告訴我們大維度的事情，

20
00:00:41,185 --> 00:00:43,535
例如你是睡著還是清醒著。

21
00:00:43,559 --> 00:00:45,153
但是它可以告訴我們其它事情嗎？

22
00:00:45,177 --> 00:00:46,879
它是否能夠讀出我們心中所想？

23
00:00:46,903 --> 00:00:48,122
我們要測試這一點，

24
00:00:48,146 --> 00:00:50,769
而我們不會從一些複雜的想法開始。

25
00:00:50,793 --> 00:00:52,770
我們會從一些非常簡單的事情開始。

26
00:00:52,794 --> 00:00:56,047
我們只需要依據腦波
就可以判讀一個人看到了什麼嗎？

27
00:00:56,071 --> 00:00:59,071
內森先在克莉絲蒂的頭上安裝電極。

28
00:00:59,095 --> 00:01:00,618
內森：我的生命亂成一團。

29
00:01:00,642 --> 00:01:01,792
（笑聲）

30
00:01:02,152 --> 00:01:04,736
GG：之後他會給她看一些圖片，

31
00:01:04,760 --> 00:01:06,281
圖片來自四個不同類別。

32
00:01:06,305 --> 00:01:08,959
內森：面孔、房子、
風景、古怪的圖片。

33
00:01:08,983 --> 00:01:11,481
GG：當我們向克莉絲蒂
展示數百張這種圖片時，

34
00:01:11,505 --> 00:01:15,048
內森的電腦捕捉了她的腦波。

35
00:01:15,072 --> 00:01:16,659
我們想知道我們能否偵測

36
00:01:16,659 --> 00:01:19,834
腦波中有關這些圖片的視覺資訊。

37
00:01:19,858 --> 00:01:20,870
當實驗結束後，

38
00:01:20,870 --> 00:01:24,811
我們將會看到腦波圖是否可以
告訴我們克莉絲蒂在看哪種圖片，

39
00:01:24,835 --> 00:01:28,419
即是不同種類的圖片，
會否觸發不同的大腦信號。

40
00:01:28,443 --> 00:01:31,071
我們收集完了所有原始腦波圖資料，

41
00:01:31,095 --> 00:01:32,245
這是我們的成果。

42
00:01:33,389 --> 00:01:36,327
看上去很混亂，
我們來根據圖片類別分類。

43
00:01:36,826 --> 00:01:39,482
現在，還是有點太雜亂，
無法看出任何區別，

44
00:01:39,506 --> 00:01:42,546
但是如果將圖片出現的時間對齊，

45
00:01:42,570 --> 00:01:45,006
並對每種類別的腦波圖取平均值，

46
00:01:45,030 --> 00:01:46,647
就能移除其中的雜亂。

47
00:01:46,671 --> 00:01:50,593
很快我們便從各個類別中
看到一些主要的規律。

48
00:01:50,617 --> 00:01:52,773
現在這些信號看起來
仍然是很相似。

49
00:01:52,797 --> 00:01:54,012
讓我們再仔細看看。

50
00:01:54,036 --> 00:01:56,561
大約在一張圖片出現一百毫秒後，

51
00:01:56,585 --> 00:01:59,213
我們在四個類別中
都看到了正向波動，

52
00:01:59,237 --> 00:02:01,122
我們把它叫作 P100 ，

53
00:02:01,142 --> 00:02:05,125
我們認為這是當你識別物體時
大腦中發生的活動。

54
00:02:05,149 --> 00:02:07,235
但糟糕了，看看面孔圖片的信號，

55
00:02:07,259 --> 00:02:08,970
它看起來與其他的不同，

56
00:02:08,994 --> 00:02:11,884
在圖片出現後約 170 毫秒，

57
00:02:11,908 --> 00:02:13,448
出現了負向波動。

58
00:02:13,472 --> 00:02:15,222
這裡可能發生了什麼事？

59
00:02:15,246 --> 00:02:16,421
研究顯示，

60
00:02:16,421 --> 00:02:19,993
我們大腦有大量神經元
專門負責識別人類的面孔，

61
00:02:19,993 --> 00:02:22,837
所以這個 N170 腦電負成分
可能是由這些神經元產生

62
00:02:22,861 --> 00:02:24,846
在同一個地方同時啟動，

63
00:02:24,870 --> 00:02:26,504
而我們可以在腦波圖中探測到。

64
00:02:27,083 --> 00:02:28,903
於是這裡有兩個結論：

65
00:02:28,927 --> 00:02:31,092
第一，在沒有進行平均法降噪時，

66
00:02:31,092 --> 00:02:33,607
我們的眼睛不能識別
腦波規律的不同；

67
00:02:33,631 --> 00:02:35,868
第二，即使移除雜訊後，

68
00:02:35,892 --> 00:02:38,893
我們的眼睛也只能
識別出和面孔有關的信號。

69
00:02:38,917 --> 00:02:41,185
於是我們在此轉而借助機器學習。

70
00:02:41,209 --> 00:02:45,185
我們的眼睛並不擅長
在雜訊中發現規律，

71
00:02:45,209 --> 00:02:48,155
但是機器學習演算法的設計
可以解決這類問題。

72
00:02:48,179 --> 00:02:51,380
所以我們能否將許多圖片和資料

73
00:02:51,404 --> 00:02:53,194
輸入到電腦中進行訓練，

74
00:02:53,218 --> 00:02:56,599
從而即時判斷克莉絲蒂
究竟正在看什麼？

75
00:02:57,088 --> 00:03:01,205
我們嘗試將她的腦波圖資訊

76
00:03:01,229 --> 00:03:02,404
進行即時編碼，

77
00:03:02,428 --> 00:03:04,889
並預測她眼睛在看什麼東西。

78
00:03:04,913 --> 00:03:05,957
如果這樣有效，

79
00:03:05,957 --> 00:03:09,045
我們應該能看到
每當她看到風景的圖片時，

80
00:03:09,069 --> 00:03:11,355
機器顯示風景、風景、風景、風景，

81
00:03:11,379 --> 00:03:13,336
看到面孔──
面孔、面孔、面孔、面孔，

82
00:03:13,360 --> 00:03:16,891
但是我們發現，實際上並非如此。

83
00:03:21,385 --> 00:03:24,933
（笑聲）

84
00:03:24,957 --> 00:03:26,108
好的。

85
00:03:26,132 --> 00:03:29,514
導演：怎麼了？
GG：我覺得我們應該轉行。

86
00:03:29,538 --> 00:03:30,608
（笑聲）

87
00:03:30,632 --> 00:03:33,076
好吧，所以剛剛那個是重大失敗。

88
00:03:33,100 --> 00:03:36,312
但是我們依然好奇：
我們能將這項技術推展到多遠？

89
00:03:36,336 --> 00:03:37,976
於是我們回顧做法。

90
00:03:38,000 --> 00:03:41,143
我們發現資料飛快湧入電腦，

91
00:03:41,167 --> 00:03:43,408
但沒有對圖片出現的時間進行計時，

92
00:03:43,432 --> 00:03:47,937
這等同於讀一個
在單詞間沒有空格的長句。

93
00:03:47,961 --> 00:03:49,399
這樣的句子很難讀懂，

94
00:03:49,423 --> 00:03:53,136
但是只要我們添加了空格，
我們就能看到獨立的單詞，

95
00:03:53,160 --> 00:03:55,204
句子也就變得容易理解得多，

96
00:03:55,228 --> 00:03:57,075
但如果我們作一點弊呢？

97
00:03:57,099 --> 00:03:58,549
透過使用感測器，

98
00:03:58,549 --> 00:04:00,660
我們能告訴電腦
每張圖片出現的時間。

99
00:04:00,660 --> 00:04:04,262
這樣，腦波就不再是
一個沒有間斷的資訊串流，

100
00:04:04,286 --> 00:04:06,997
而是變成了一個個有意義的封包。

101
00:04:07,021 --> 00:04:09,389
另外，我們還要再作弊一下，

102
00:04:09,413 --> 00:04:11,225
把圖片限制到兩個類別。

103
00:04:11,249 --> 00:04:13,632
讓我們看看我們是否能夠即時讀心。

104
00:04:13,656 --> 00:04:14,891
在這個新實驗中，

105
00:04:14,915 --> 00:04:17,012
我們將限制實驗條件，

106
00:04:17,036 --> 00:04:19,288
這樣我們就會知道圖片出現的時間，

107
00:04:19,312 --> 00:04:22,694
並將類別限制為「面孔」或「風景」。

108
00:04:23,097 --> 00:04:24,608
內森：面孔，正確。

109
00:04:25,780 --> 00:04:27,131
風景，正確。

110
00:04:28,251 --> 00:04:30,624
GG：所以現在每當圖片出現時，

111
00:04:30,648 --> 00:04:32,914
我們對圖片出現的時刻進行記錄，

112
00:04:32,938 --> 00:04:34,633
並對腦波圖解碼。

113
00:04:34,657 --> 00:04:35,913
它變得越來越正確。

114
00:04:35,937 --> 00:04:37,516
內森：是的，面孔，正確。

115
00:04:37,540 --> 00:04:40,399
GG：所以腦波圖的信號中
包含資訊，這很棒。

116
00:04:40,423 --> 00:04:42,960
我們僅僅需要把它
和圖片出現的時刻對齊。

117
00:04:43,307 --> 00:04:44,618
內森：風景，正確。

118
00:04:47,344 --> 00:04:48,494
面孔，沒錯。

119
00:04:48,518 --> 00:04:50,806
GG：這意味著它包含了一些資訊，

120
00:04:50,830 --> 00:04:53,743
如果我們知道圖片出現的時間，

121
00:04:53,767 --> 00:04:56,766
我們就有可能判斷
它是哪個類別的圖片，

122
00:04:56,766 --> 00:05:00,886
至少一般可以做到，
只要根據這些由圖片誘發的電位。

123
00:05:00,910 --> 00:05:02,235
內森：說得沒錯。

124
00:05:02,259 --> 00:05:05,020
GG：如果你一開始跟我說，
這個計畫有可能實現，

125
00:05:05,020 --> 00:05:06,414
我會說，怎麼可能。

126
00:05:06,414 --> 00:05:08,449
我真的覺得我們不可能做到。

127
00:05:08,449 --> 00:05:11,169
我們的讀心術實驗真的成功了嗎？

128
00:05:11,193 --> 00:05:13,168
成功了，但是我們必須作很多弊。

129
00:05:13,192 --> 00:05:16,097
結果就是，你能透過腦波圖
發現一些有趣的事，

130
00:05:16,121 --> 00:05:18,411
比如你是否在看某人的臉，

131
00:05:18,435 --> 00:05:20,592
但它確實有很多限制。

132
00:05:20,616 --> 00:05:23,562
也許機器學習領域的進步
會帶來更多重大突破。

133
00:05:23,586 --> 00:05:26,976
有朝一日，我們能夠解碼心中所想。

134
00:05:27,000 --> 00:05:28,123
可是就現在來說，

135
00:05:28,123 --> 00:05:32,875
當有公司說它能利用
你的腦波控制設備，

136
00:05:32,875 --> 00:05:36,185
保持懷疑是你的權利和責任。