< Return to Video

这台电脑正在学习读心

  • 0:00 - 0:03
    格雷戈 · 盖奇（Greg Gage）：读心术。
    你在科幻电影中曾经看到过：
  • 0:03 - 0:05
    那是可以读出我们想法的机器。
  • 0:05 - 0:07
    然而，如今有很多机器
  • 0:07 - 0:09
    可以读出我们大脑中的电波。
  • 0:09 - 0:11
    我们把它叫做 “EEG”。
  • 0:12 - 0:15
    这些脑电波中含有信息吗？
  • 0:15 - 0:17
    如果含有信息，我们可以训练
    计算机读懂我们的思想吗？
  • 0:17 - 0:20
    我的好友内森一直
    致力于研究如何破译 EEG
  • 0:20 - 0:22
    以建造一台可以读心的机器。
  • 0:22 - 0:24
    【DIY 神经科学】
  • 0:25 - 0:26
    这就是 EEG 的工作原理。
  • 0:27 - 0:28
    在你的脑袋里有一个大脑，
  • 0:28 - 0:31
    大脑是由数十亿个神经元构成的，
  • 0:31 - 0:34
    每个神经元都在
    互相传送电子信息，
  • 0:34 - 0:36
    这些微小的信息可以结合在一起
  • 0:36 - 0:38
    形成我们能在显示器上
    探测到的电波。
  • 0:38 - 0:41
    传统意义上而言，
    EEG 能告诉我们大维度的事情，
  • 0:41 - 0:44
    例如你是睡着还是清醒。
  • 0:44 - 0:45
    但它可以告诉我们其它事情吗？
  • 0:45 - 0:47
    它是否能够读出我们心中所想？
  • 0:47 - 0:48
    我们要去测试这一点，
  • 0:48 - 0:50
    而我们不打算从一些
    复杂的想法开始。
  • 0:50 - 0:52
    我们打算做一件非常简单的事情。
  • 0:52 - 0:56
    我们可以仅仅依据脑电波
    判读出一个人看到了什么吗？
  • 0:56 - 0:59
    内森先要在克里斯蒂的头上安装电极。
  • 0:59 - 1:01
    内：我的人生一团糟。
  • 1:01 - 1:02
    （笑声）
  • 1:02 - 1:04
    格：之后他会给她看一些图片，
  • 1:04 - 1:06
    这些图片出自四种不同类别：
  • 1:06 - 1:09
    内森：面孔，房子，
    风景和古怪的图片。
  • 1:09 - 1:11
    格：当我们向克里斯蒂
    展示数百张这种图片时，
  • 1:12 - 1:15
    我们也在内森的电脑上
    捕捉她的脑电波。
  • 1:15 - 1:17
    我们想知道我们是否
    能通过这些脑电波，
  • 1:17 - 1:20
    探测到任何与这些
    图片相关的视觉信息。
  • 1:20 - 1:22
    在实验结束后，
    我们将会看到 EEG 是否
  • 1:22 - 1:25
    可以告诉我们克里斯蒂
    在看哪种图片。
  • 1:25 - 1:28
    如果可以，不同类别的图片
    应该会触发不同的大脑信号。
  • 1:28 - 1:31
    好的，我们收集完了
    所有的原始 EEG 数据，
  • 1:31 - 1:33
    这就是我收集到的样子。
  • 1:33 - 1:37
    它看上去很混乱，于是我们
    根据图片类别将它们排序。
  • 1:37 - 1:39
    现在，还是有点太嘈杂，
    无法看出任何区别，
  • 1:40 - 1:43
    但是如果我们根据图片
    出现的时间将信号对齐，
  • 1:43 - 1:45
    并对每种图片类别的 EEG 取平均值，
  • 1:45 - 1:47
    我们就能移除其中的噪声。
  • 1:47 - 1:49
    很快，我们就可以从各个类别中
  • 1:49 - 1:51
    看到一些明显的规律。
  • 1:51 - 1:53
    现在这些信号看起来还是很相似，
  • 1:53 - 1:54
    让我们再仔细看看。
  • 1:54 - 1:57
    大约在一张图片
    出现后的一百毫秒后，
  • 1:57 - 1:59
    我们在四个类别中
    都看到了正向波动，
  • 1:59 - 2:02
    我们把它叫作 P100 我们认为这是
  • 2:02 - 2:05
    当你识别物体时
    大脑中发生的活动。
  • 2:05 - 2:07
    但是见鬼，看看“面孔“
    图片对应的信号，
  • 2:07 - 2:09
    它看起来与众不同，
  • 2:09 - 2:12
    在图片出现后的约 170 毫秒时，
  • 2:12 - 2:13
    出现了负向波动。
  • 2:13 - 2:15
    这里可能发生了什么？
  • 2:15 - 2:18
    研究显示，我们大脑有大量神经元
  • 2:18 - 2:20
    专门负责识别人类的面孔，
  • 2:20 - 2:22
    所以这个 N170 负波可能是
  • 2:22 - 2:25
    所有这些神经元
    在同一地方同时激活，
  • 2:25 - 2:27
    而我们可以在 EEG 中探测到。
  • 2:27 - 2:29
    于是从中得出两个结论，
  • 2:29 - 2:31
    第一，在没有经过平均化降噪时，
  • 2:31 - 2:34
    我们的眼睛并不能真的
    识别脑波规律的不同；
  • 2:34 - 2:36
    第二，即使移除噪声后，
  • 2:36 - 2:39
    我们的眼睛也只能
    识别出和面孔有关的信号。
  • 2:39 - 2:41
    于是我们在此转而借助机器学习。
  • 2:41 - 2:45
    我们的眼睛并不擅长
    在嘈杂的数据中发现规律，
  • 2:45 - 2:48
    但是机器学习算法的设计
    初衷就是解决这类问题。
  • 2:48 - 2:51
    所以我们可以将许多图片和数据
  • 2:51 - 2:53
    输入到电脑中进行训练，
  • 2:53 - 2:57
    从而实时判断克里斯蒂正在看什么。
  • 2:57 - 3:00
    我们尝试将她的 EEG 信息
  • 3:00 - 3:02
    进行实时编码，
  • 3:02 - 3:05
    并预测她眼睛在看的东西。
  • 3:05 - 3:07
    如果这样有效，我们应该能看到
  • 3:07 - 3:09
    每次她看到风景的图片时，
  • 3:09 - 3:11
    机器应该显示风景，
    风景，风景，风景。
  • 3:11 - 3:14
    如果她看到面孔，机器则显示
    面孔，面孔，面孔，面孔，
  • 3:14 - 3:18
    但是我们发现，
    实际上并非如此。
  • 3:21 - 3:25
    （笑声）
  • 3:25 - 3:26
    好的。
  • 3:26 - 3:30
    导演：所以发生了什么？
    格：我觉得我们应该转行。
  • 3:30 - 3:31
    （笑声）
  • 3:31 - 3:33
    好吧，所以刚刚那是个重大失败。
  • 3:33 - 3:36
    但是我们依然好奇：
    我们能这项技术发展到多深？
  • 3:36 - 3:38
    于是我们回顾了我们的做法。
  • 3:38 - 3:41
    我们发现电脑在飞快地获取数据，
  • 3:41 - 3:43
    但没有对图片出现的时间进行计时，
  • 3:43 - 3:45
    这等同于读一个
  • 3:45 - 3:48
    在单词间没有空格的长句。
  • 3:48 - 3:49
    这样的句子很难读懂，
  • 3:49 - 3:53
    不过一旦我们添加了空格，
    我们就能看到独立的单词，
  • 3:53 - 3:55
    句子也就变得容易理解多了，
  • 3:55 - 3:57
    但如果我们做一点弊呢？
  • 3:57 - 4:01
    通过使用传感器，
    我们能告诉电脑每张图片出现的时机。
  • 4:01 - 4:04
    这样，脑波就不再是
    一个没有间断的信息流，
  • 4:04 - 4:07
    而是变成了一个个
    有意义的信息小包裹。
  • 4:07 - 4:09
    另外，我们还要再做一点弊，
  • 4:09 - 4:11
    把图片限制到两个类别。
  • 4:11 - 4:14
    让我们看看我们是否
    能够进行实时读心。
  • 4:14 - 4:15
    在这个新实验中，
  • 4:15 - 4:17
    我们将限制实验条件：
  • 4:17 - 4:19
    我们会知道图片出现的时间，
  • 4:19 - 4:23
    并将类别限制为 "面孔” 或 “风景” 。
  • 4:23 - 4:25
    内：面孔。正确。
  • 4:26 - 4:27
    风景。正确。
  • 4:28 - 4:31
    格：所以现在，每当图片出现时，
  • 4:31 - 4:33
    我们对图片出现的时刻进行记录，
  • 4:33 - 4:35
    并对 EEG 解码。
  • 4:35 - 4:36
    它变得越来越正确。
  • 4:36 - 4:38
    内：是的。面孔。正确。
  • 4:38 - 4:40
    格：所以 EEG 的信号中
    包含信息，这很棒。
  • 4:40 - 4:43
    我们仅仅需要把它
    和图片出现的时刻对齐。
  • 4:43 - 4:45
    内：风景。正确。
  • 4:47 - 4:48
    面孔。没错。
  • 4:49 - 4:51
    格：这意味着它包含了一些信息，
  • 4:51 - 4:54
    如果我们知道图片出现的时间，
  • 4:54 - 4:57
    我们就有可能根据
    这些由图片诱发的电位
  • 4:57 - 5:01
    判断它是哪个类别的图片，
    至少一般可以做到。
  • 5:01 - 5:02
    内：说得没错。
  • 5:02 - 5:06
    格：如果你一开始跟我说，
    这个项目有可能实现，
  • 5:06 - 5:07
    我会说 “怎么可能” 。
  • 5:07 - 5:09
    我真的觉得我们不可能做到。
  • 5:09 - 5:11
    我们的读心术实验
    真的成功了吗？
  • 5:11 - 5:13
    成功了，但是我们必须做很多弊。
  • 5:13 - 5:16
    结果就是，你能通过 EEG
    发现一些有趣的事，
  • 5:16 - 5:18
    比如，你是否在看某人的脸，
  • 5:18 - 5:21
    但它确实有很多限制。
  • 5:21 - 5:24
    也许机器学习领域的进步
    会带来重大突破。
  • 5:24 - 5:27
    有朝一日，我们能够解码心中所想。
  • 5:27 - 5:31
    可是现在来说，
    当一个公司说它能利用你的脑波
  • 5:31 - 5:33
    来控制一些设备，
  • 5:33 - 5:37
    你有权利和义务对此保持怀疑。
  • 5:37 - 5:38
    【格雷戈 · 盖奇内森 · YH · 权】
Title:
这台电脑正在学习读心
Speaker:
DIY 神经科学家
Description:

现代科技使神经科学家们窥探人脑，但是计算机可以读心吗？通过借助被称为脑电图（EEG）的设备，外加一些计算机的魔法，我们英勇的神经科学家们尝试窥探一位被试者的内心所想。
more » « less
Video Language:
English
Team:
closed TED
Project:
TED Series
Duration:
05:51

Chinese, Simplified subtitles

Revisions

Our website uses cookies for analysis purposes.