Return to Video

電腦在學習讀心術

  • 0:00 - 0:03
    葛列格·蓋奇 (GG)：讀心術。
    你在科幻電影中曾看過：
  • 0:03 - 0:05
    可以讀出我們想法的機器。
  • 0:05 - 0:07
    然而，如今有很多機器
  • 0:07 - 0:09
    可以讀出我們大腦中的電波。
  • 0:09 - 0:11
    我們稱之為 「腦波圖」。
  • 0:12 - 0:15
    這些腦波中含有資訊嗎？
  • 0:15 - 0:16
    如果含有資訊，
  • 0:16 - 0:17
    我們可以訓練電腦
    讀懂我們的思想嗎？
  • 0:17 - 0:20
    我的好友內森一直
    致力研究如何破解腦波圖
  • 0:20 - 0:22
    以建造一台可以讀心的機器。
  • 0:22 - 0:24
    【DIY 神經科學】
  • 0:25 - 0:26
    先介紹一下腦波圖的原理。
  • 0:27 - 0:28
    你的頭裡有大腦，
  • 0:28 - 0:31
    而大腦是由數十億個神經元構成。
  • 0:31 - 0:34
    每個神經元都在互相傳送電子訊息。
  • 0:34 - 0:37
    這些微小的訊息可以結合在一起，
  • 0:37 - 0:38
    形成顯示器上探測到的電波。
  • 0:38 - 0:39
    傳統來說，
  • 0:39 - 0:41
    腦波圖能告訴我們大維度的事情，
  • 0:41 - 0:44
    例如你是睡著還是清醒著。
  • 0:44 - 0:45
    但是它可以告訴我們其它事情嗎？
  • 0:45 - 0:47
    它是否能夠讀出我們心中所想？
  • 0:47 - 0:48
    我們要測試這一點，
  • 0:48 - 0:51
    而我們不會從一些複雜的想法開始。
  • 0:51 - 0:53
    我們會從一些非常簡單的事情開始。
  • 0:53 - 0:56
    我們只需要依據腦波
    就可以判讀一個人看到了什麼嗎？
  • 0:56 - 0:59
    內森先在克莉絲蒂的頭上安裝電極。
  • 0:59 - 1:01
    內森：我的生命亂成一團。
  • 1:01 - 1:02
    （笑聲）
  • 1:02 - 1:05
    GG：之後他會給她看一些圖片，
  • 1:05 - 1:06
    圖片來自四個不同類別。
  • 1:06 - 1:09
    內森：面孔、房子、
    風景、古怪的圖片。
  • 1:09 - 1:11
    GG：當我們向克莉絲蒂
    展示數百張這種圖片時，
  • 1:12 - 1:15
    內森的電腦捕捉了她的腦波。
  • 1:15 - 1:17
    我們想知道我們能否偵測
  • 1:17 - 1:20
    腦波中有關這些圖片的視覺資訊。
  • 1:20 - 1:21
    當實驗結束後，
  • 1:21 - 1:25
    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，
  • 1:25 - 1:28
    即是不同種類的圖片，
    會否觸發不同的大腦信號。
  • 1:28 - 1:31
    我們收集完了所有原始腦波圖資料，
  • 1:31 - 1:32
    這是我們的成果。
  • 1:33 - 1:36
    看上去很混亂，
    我們來根據圖片類別分類。
  • 1:37 - 1:39
    現在，還是有點太雜亂，
    無法看出任何區別，
  • 1:40 - 1:43
    但是如果將圖片出現的時間對齊，
  • 1:43 - 1:45
    並對每種類別的腦波圖取平均值，
  • 1:45 - 1:47
    就能移除其中的雜亂。
  • 1:47 - 1:51
    很快我們便從各個類別中
    看到一些主要的規律。
  • 1:51 - 1:53
    現在這些信號看起來
    仍然是很相似。
  • 1:53 - 1:54
    讓我們再仔細看看。
  • 1:54 - 1:57
    大約在一張圖片出現一百毫秒後，
  • 1:57 - 1:59
    我們在四個類別中
    都看到了正向波動，
  • 1:59 - 2:01
    我們把它叫作 P100 ，
  • 2:01 - 2:05
    我們認為這是當你識別物體時
    大腦中發生的活動。
  • 2:05 - 2:07
    但糟糕了，看看面孔圖片的信號，
  • 2:07 - 2:09
    它看起來與其他的不同，
  • 2:09 - 2:12
    在圖片出現後約 170 毫秒，
  • 2:12 - 2:13
    出現了負向波動。
  • 2:13 - 2:15
    這裡可能發生了什麼事？
  • 2:15 - 2:16
    研究顯示，
  • 2:16 - 2:20
    我們大腦有大量神經元
    專門負責識別人類的面孔，
  • 2:20 - 2:23
    所以這個 N170 腦電負成分
    可能是由這些神經元產生
  • 2:23 - 2:25
    在同一個地方同時啟動，
  • 2:25 - 2:27
    而我們可以在腦波圖中探測到。
  • 2:27 - 2:29
    於是這裡有兩個結論：
  • 2:29 - 2:31
    第一，在沒有進行平均法降噪時，
  • 2:31 - 2:34
    我們的眼睛不能識別
    腦波規律的不同；
  • 2:34 - 2:36
    第二，即使移除雜訊後，
  • 2:36 - 2:39
    我們的眼睛也只能
    識別出和面孔有關的信號。
  • 2:39 - 2:41
    於是我們在此轉而借助機器學習。
  • 2:41 - 2:45
    我們的眼睛並不擅長
    在雜訊中發現規律，
  • 2:45 - 2:48
    但是機器學習演算法的設計
    可以解決這類問題。
  • 2:48 - 2:51
    所以我們能否將許多圖片和資料
  • 2:51 - 2:53
    輸入到電腦中進行訓練，
  • 2:53 - 2:57
    從而即時判斷克莉絲蒂
    究竟正在看什麼？
  • 2:57 - 3:01
    我們嘗試將她的腦波圖資訊
  • 3:01 - 3:02
    進行即時編碼，
  • 3:02 - 3:05
    並預測她眼睛在看什麼東西。
  • 3:05 - 3:06
    如果這樣有效，
  • 3:06 - 3:09
    我們應該能看到
    每當她看到風景的圖片時，
  • 3:09 - 3:11
    機器顯示風景、風景、風景、風景，
  • 3:11 - 3:13
    看到面孔──
    面孔、面孔、面孔、面孔，
  • 3:13 - 3:17
    但是我們發現，實際上並非如此。
  • 3:21 - 3:25
    （笑聲）
  • 3:25 - 3:26
    好的。
  • 3:26 - 3:30
    導演：怎麼了？
    GG：我覺得我們應該轉行。
  • 3:30 - 3:31
    （笑聲）
  • 3:31 - 3:33
    好吧，所以剛剛那個是重大失敗。
  • 3:33 - 3:36
    但是我們依然好奇：
    我們能將這項技術推展到多遠？
  • 3:36 - 3:38
    於是我們回顧做法。
  • 3:38 - 3:41
    我們發現資料飛快湧入電腦，
  • 3:41 - 3:43
    但沒有對圖片出現的時間進行計時，
  • 3:43 - 3:48
    這等同於讀一個
    在單詞間沒有空格的長句。
  • 3:48 - 3:49
    這樣的句子很難讀懂，
  • 3:49 - 3:53
    但是只要我們添加了空格，
    我們就能看到獨立的單詞，
  • 3:53 - 3:55
    句子也就變得容易理解得多，
  • 3:55 - 3:57
    但如果我們作一點弊呢？
  • 3:57 - 3:59
    透過使用感測器，
  • 3:59 - 4:01
    我們能告訴電腦
    每張圖片出現的時間。
  • 4:01 - 4:04
    這樣，腦波就不再是
    一個沒有間斷的資訊串流，
  • 4:04 - 4:07
    而是變成了一個個有意義的封包。
  • 4:07 - 4:09
    另外，我們還要再作弊一下，
  • 4:09 - 4:11
    把圖片限制到兩個類別。
  • 4:11 - 4:14
    讓我們看看我們是否能夠即時讀心。
  • 4:14 - 4:15
    在這個新實驗中，
  • 4:15 - 4:17
    我們將限制實驗條件，
  • 4:17 - 4:19
    這樣我們就會知道圖片出現的時間，
  • 4:19 - 4:23
    並將類別限制為「面孔」或「風景」。
  • 4:23 - 4:25
    內森：面孔，正確。
  • 4:26 - 4:27
    風景，正確。
  • 4:28 - 4:31
    GG：所以現在每當圖片出現時，
  • 4:31 - 4:33
    我們對圖片出現的時刻進行記錄，
  • 4:33 - 4:35
    並對腦波圖解碼。
  • 4:35 - 4:36
    它變得越來越正確。
  • 4:36 - 4:38
    內森：是的，面孔，正確。
  • 4:38 - 4:40
    GG：所以腦波圖的信號中
    包含資訊，這很棒。
  • 4:40 - 4:43
    我們僅僅需要把它
    和圖片出現的時刻對齊。
  • 4:43 - 4:45
    內森：風景，正確。
  • 4:47 - 4:48
    面孔，沒錯。
  • 4:49 - 4:51
    GG：這意味著它包含了一些資訊，
  • 4:51 - 4:54
    如果我們知道圖片出現的時間，
  • 4:54 - 4:57
    我們就有可能判斷
    它是哪個類別的圖片，
  • 4:57 - 5:01
    至少一般可以做到，
    只要根據這些由圖片誘發的電位。
  • 5:01 - 5:02
    內森：說得沒錯。
  • 5:02 - 5:05
    GG：如果你一開始跟我說，
    這個計畫有可能實現，
  • 5:05 - 5:06
    我會說，怎麼可能。
  • 5:06 - 5:08
    我真的覺得我們不可能做到。
  • 5:08 - 5:11
    我們的讀心術實驗真的成功了嗎？
  • 5:11 - 5:13
    成功了，但是我們必須作很多弊。
  • 5:13 - 5:16
    結果就是，你能透過腦波圖
    發現一些有趣的事，
  • 5:16 - 5:18
    比如你是否在看某人的臉，
  • 5:18 - 5:21
    但它確實有很多限制。
  • 5:21 - 5:24
    也許機器學習領域的進步
    會帶來更多重大突破。
  • 5:24 - 5:27
    有朝一日，我們能夠解碼心中所想。
  • 5:27 - 5:28
    可是就現在來說，
  • 5:28 - 5:33
    當有公司說它能利用
    你的腦波控制設備，
  • 5:33 - 5:36
    保持懷疑是你的權利和責任。
Title:
電腦在學習讀心術
Speaker:
DIY 神經科學
Description:

現代科技讓神經科學家們可以窺探人腦，但是它可以讀心嗎？借助腦波圖儀器偵測，再加上一些電腦魔法，讓我們英勇的神經科學家們嘗試窺探一位參與者的內心想法。
more » « less
Video Language:
English
Team:
closed TED
Project:
TED Series
Duration:
05:51

Chinese, Traditional subtitles

Revisions

Our website uses cookies for analysis purposes.