تن‌لی در کنفرانس TED از دستاوردهای جدید خود می‌گوید :

سامانه‌ای‌که امواج مغزی را می‌خواند

تاکنون همه راه‌های ارتباطی ما با ماشین‌ها محدود مانده‌اند و نیازمند واسطه‌ای فیزیکی هستند. فرقی نمی‌کند از ماشین چه کاری را بخواهیم، دستور ساده‌ای مانند روشن کردن چراغ تا برنامه‌ریزی پیشرفته‌ای‌ برای یک ربات، ما همیشه باید ابتدا دستوراتی را به ماشین منتقل کنیم.
کد خبر: ۳۵۵۶۲۸

از سوی دیگر ارتباط میان مردم پیچیده‌تر و جذاب‌تر است، چراکه ما عواملی بیشتر از آنچه به نظر می‌آید را در این نوع ارتباطات مورد توجه قرار می‌دهیم. مثلا حالات صورت و آنچه به زبان بدن معروف است را می‌توانیم درک کنیم و حتی احساساتی که در بیان کلمات وجود دارد. درواقع اینها بخش مهمی از فرآیند تصمیم‌سازی ما را شکل می‌دهند.

یکی از چشم‌اندازهای ما این بوده است که همه واکنش‌های انسانی را وارد ارتباطات میان انسان و ماشین کنیم به طوری که رایانه آنچه را که دستور مستقیم انجامش را به آن می‌دهیم نه‌تنها درک کند بلکه نسبت به حالات صورت شما و احساسات شما هم واکنش مناسب نشان بدهد. راهی که می تواند ما را در این زمینه کمک کند، این است که امواج مغزی را که به طور طبیعی در مغز ما ـ یعنی مرکز کنترل و تجربه بدن ما ـ تولید می‌شوند، تفسیر کنیم.

به نظر می‌آید این ایده بسیار کارآمد باشد اما به 2 دلیل چندان راه ساده‌ای نخواهد بود: نخست الگوریتم‌های تشخیص. مغز ما از میلیاردها نرون عصبی تشکیل شده است که اگر در امتداد هم قرار بگیرد، چیزی حدود 170 هزار کیلومتر طول خواهند داشت. زمانی که این نرون‌ها وارد اندرکنش می‌شوند، واکنش‌های شیمیایی باعث آزاد شدن پالس‌های الکتریکی می‌شود که قابل اندازه‌گیری است. عمده فرآیندهای تصمیم‌گیری در لایه بیرونی مغز ما یا همان غشای مغزی (کورتکس) اتفاق می‌افتد و برای این‌که مغز فضای بیشتری برای انجام چنین محاسباتی داشته باشد، مغز ما بشدت پیچ‌خوردگی دارد. همین پیچ‌خوردگی مغز باعث می‌شود تا چالشی جدی در برابر امکان تفسیر ایمپالس‌های الکتریکی مغز به وجود آید. غشای مغزی هر انسان پیچ‌خوردگی‌های منحصر به فردی دارد، چیزی که بسیار شبیه اثر انگشت است، به همین دلیل اگر یک سیگنال از یک بخش عملیاتی مغز صادر شود، به واسطه تفاوت پیچ‌خوردگی‌های مغزی افراد نحوه بروز آن متفاوت خواهد بود. حتی بین دوقلوهای همسان هم این تفاوت وجود دارد. به همین دلیل هیچ ثباتی در سیگنال‌های سطحی وجود ندارد. کار مهم و پیشگامانه ما این بود که نوعی الگوریتم را طراحی کردیم که پیچیدگی‌های مغزی را باز و مسطح می‌کند و به این ترتیب می‌توانیم سیگنال‌ها را نقشه‌برداری کنیم و همین مساله به ما کمک می‌کند تا بتوانیم این کار را برای جمعیت زیادی از این سلول‌ها انجام دهیم. مشکل دوم این ایده، ابزاری بود که بتواند این امواج مغزی را مشاهده کند، اندازه‌گیری‌های رایج ای‌ای‌جی به طور معمول در بردارنده شبکه‌ای از حسگرها هستند که روی سر قرار می‌گیرند. تکنیسین، الکترودها را با کمک ژل‌هایی به پوسته سر وصل می‌کند تا فرآیند تهیه امواج مغزی اتفاق بیفتد. این مراحل کاملا وقتگیر هستند و به هیچ وجه هم فرآیند آسان و راحتی به شمار نمی‌روند و از همه اینها مهم‌تر این‌که چنین سیستمی بیش از ده‌ها هزار دلار هزینه دارد.

از ایوان گرانت می‌خواهم که به من کمک کند تا این موضوع را نشان دهم. خوب ابزاری (تصویر ضمیمه) که می‌بینید یک حسگر امواج مغزی 14 کاناله قدرتمند است. این ابزار نیازی به شرایط آماده‌سازی، ژل و چسب ندارد و فقط چند دقیقه طول می‌کشد تا آن را روی سرتان بگذارید و وصل کنید. همچنین ابزاری بی‌سیم است به همین دلیل شما آزاد هستید که به اطراف حرکت کنید و در مقایسه با ده‌ها هزار دلاری که یک سیستم امواج مغزی سنتی هزینه دارد، این سربند تنها چند صد دلار قیمت دارد.

اکنون به سراغ الگوریتم‌های تشخیص می‌رویم. واکنش‌های صورت ـ که پیش از این درباره اهمیتش توضیح دادم ـ را می‌توان با تنظیم ساده‌ای که درواقع برای شخصی کردن سیستم است، به دست آورد. نرم‌‌افزاری طراحی شده که به شما امکان می‌دهد اجسامی را به طور مجازی تنها با ذهنتان جابه‌جا کنید. ایوان در کار با این سیستم مبتدی است و به همین دلیل آنچه ما باید انجام دهیم این است که در ابتدا یک پرونده جدید برای او باز کنیم.

اولین کاری که ما با این نرم‌افزار شناختی انجام می‌دهیم، این است که شروع به آموزش دادن آن با یک سیگنال طبیعی کنیم، برای این کار لازم نیست ایوان کار خاصی انجام دهد. فقط آرام می‌ایستد و به این ترتیب یک شرایط پایه برای او ایجاد می‌شود که نشان می‌دهد شرایط نرمال برای مغز او چیست. این کار برای این است که هر مغزی نسبت به دیگری متفاوت است. انجام این کار تنها 8 ثانیه به‌طول می‌انجامد و حالا که این کار انجام شد ما می‌توانیم یک فعالیت حرکتی را انتخاب کنیم.

خوب ایوان چیزی را انتخاب کن که براحتی بتوانی در ذهنت مجسم کنی. مثلا کشیدن چیزی را به طرف خودت.

ایوان باید تصور کند که جسمی در صفحه مونیتور به سمت او می‌آید و در همین حال این فرآیند روی صفحه نشان داده می‌شود. دفعه اول هیچ اتفاقی نمی‌افتد، چراکه سیستم هیچ پیش ذهنیتی ندارد که کشیدن یک جسم برای ایوان چه شکلی خواهد بود. خوب برای 8 ثانیه به فرآیند کشیدن فکر کن.

به محض این‌که ما این را تایید کنیم، مکعب موجود در تصویر نیز جان می‌گیرد خوب ببینیم آیا ایوان می تواند با تصور کشیدن مکعب به سمت جلو این کار را انجام دهد.

(ایوان به صفحه مونیتور خیره می‌شود و چند ثانیه بعد مکعب درون تصویر به سمت او می‌لغزد)

خیلی عالیه، انجام شد (تشویق حضار) این فوق‌العاده هیجان‌انگیز است.

از ایوان می‌خواهم که یک کار بسیار سخت را انجام دهد چون برای انجام آن باید چیزی را مجسم کنی که در عالم واقع وجود ندارد. یعنی غیب کردن! غیب کردن پدیده‌ای عادی برای ما نیست. به همین دلیل، تصور کردن کاری که می‌خواهیم انجام دهیم به دلیل عدم آشنایی قبلی چندان ساده نیست. خوب ایوان کاری که باید اینجا انجام دهی این است که تصور کنی مکعب به آرامی ناپدید می‌شود.

خوب دفعه اول انجام شد و بگذارید که دوباره سعی کنیم.

(ایوان نمی‌تواند در تلاش اول مکعب را ناپدید کند و می‌گوید: تمرکزم را از دست دادم).

همان‌طور که گفتم این کار بسیار مشکلی است و نکته مهم در این باره این است که تنها چیزی که ما به عنوان پیش‌نیاز به نرم‌افزار وارد کردیم این بود که ایوان چطور درباره محو کردن فکر می‌کند. همان‌طور که ماشین این الگوریتم را یاد می‌گیرد...

(ناگهان ایوان موفق به ناپدید کردن مکعب می‌شود و صدای فریاد شادی جمعیت به هوا می‌رود)... متشکرم.

خوب همان طور که قبلا دیدید یک سیستم فعال و پویا اینجا وجود دارد که به ایوان یا هر کاربر دیگری اجازه می‌دهد که پس از این که با این سیستم خو گرفت و با آن آشنا شد، عملکردهای بیشتری را به آن اضافه کند به این ترتیب سیستم می‌تواند تفاوت‌های مشخصی را بین درخواست‌های متفاوت و احساسات متفاوت تشخیص دهد.

یک‌بار که این فرآیند تشخیص را آموزش دادید این اندیشه‌ها می‌تواند نقشه‌برداری و به هر زیرساخت محاسباتی، نرم‌افزار یا وسیله کاربردی دیگری وارد شود.

برای مثال در بازی‌ها و دنیای مجازی حالات صورت شما می‌تواند به طور مستقیم توسط آواتار و شخصیت مجازی شما شناسایی و تقلید شود.

مشخصاتی مانند نور، صدا و رنگ‌ها را براساس احساساتتان کنترل کنید و به طور همزمان و واقعی نشان دهید.

برخی کاربردها برای این فناوری از سوی توسعه‌دهندگانی در سراسر جهان ایجاد شده است. یک نمونه آن بالگرد مدل است که تنها با ذهن می‌توان پرواز آن را کنترل کرد. این فناوری همچنین می‌تواند کاربردهای جدیدی را بپذیرد که در دنیای واقعی کاربرد داشته باشد برای مثال خانه‌های هوشمند که به کاربر اجازه می‌دهد از این محیط برای کنترل سیستم‌های خانگی استفاده کند. مثلا برای باز و بسته کردن پرده‌ها و همین‌طور برای روشن و خاموش کردن چراغ‌ها و در نهایت کنترل صندلی چرخدار برای معلولان است که می‌تواند احساسات و نیازها را از طریق امواج مغزی منتقل کند. شخص فقط با نیروی تمرکز ذهنی‌اش صندلی چرخدارش را حرکت می‌دهد.

تن لی توانسته است زیرساخت رایانه‌ای بسازد که به کامپیوتر اجازه می‌دهد تا مغز به طور مستقیم به کامیپوتر دستور دهد.تن‌لی، مدیر ارشد کمپانی اموشن سیستم است؛ کمپانی‌ای که سعی دارد نسل آینده واسطه‌های میان انسان و ماشین را بسازد.

پوریا ناظمی

newsQrCode
ارسال نظرات در انتظار بررسی: ۰ انتشار یافته: ۰

نیازمندی ها