Tan Le: Päähine, joka lukee aivoaaltoja

Vuorovaikutuksemme koneiden kanssa on aina ollut rajoittunutta tietoisiin ja suoriin muotoihin. Olipa asia yksinkertainen, kuten valokatkaisimen käyttö, tai monimutkainen, kuten robottien ohjelmointi -- olemme aina antaneet käskyjä koneille komentojen sarjana, jotta saisimme ne tekemään jotain. Ihmisten välinen kommunikointi on sen sijaan monimutkaisempaa ja kiinnostavampaa koska otamme huomioon enemmän, kuin mitä suoranaisesti sanotaan. Seuraamme ilmeitä, ruumiinkieltä ja voimme tunnistaa tunteita keskuteluissamme toisten kanssa. Tällä on iso osa päätöksentekoprosesseissamme. Visiomme on esitellä kokonaan uusi alue vuorovaikutusmahdollisuuksia ihmisten ja koneiden välille, niin että koneen ymmärtäisivät -- ei vain mitä niitä käsketään tekemään -- vaan myös vastaisivat ilmeisiin ja tunteisiin. Tähän tuskin on parempaa tapaa kuin tulkita niitä signaaleja jotka syntyvät luontaisesti aivoissamme, kokemuksen ja hallinnan keskuksessamme.

Se kuulostaa hyvältä idealta, mutta tämä, kuten Bruno sanoi, ei ole helppo tehtävä kahdesta syystä: Ensimmäiseksi, tunnistusalgoritmit. Aivomme koostuvat miljardeista aktiivisista neuroneista, noin 170 000 kilometrin yhteenlasketulla pituudella. Kun nuo neuronit vuorovaikuttavat, kemikaalinen reaktio synnyttää mitattavissa olevan sähköisen impulssin. Valtaosa aivotoiminnoistamme jakaantuu aivojen kuorikerrokseen. Kuorikerroksen pinta-alan kasvattamiseksi, se on erittäin poimuttunut. Tämä aivokuoren poimuttuneisuus aiheuttaa suuren haasteen kerroksen sähköisten impulssien tulkintaan. Jokaisen yksilön aivokuori on poimuttunut eri lailla, aivan kuten sormenjäljet. Joten vaikka signaali tulisi samasta aivojen toiminnallisesta alueesta, niin poimuttumisen vuoksi sen fyysinen sijainti on hyvin erilainen eri yksilöillä, jopa identtisten kaksosten välillä. Pinnalta mitatuissa signaaleissa ei ole johdonmukaisuutta.

Läpimurtomme oli luoda algoritmi, joka tasoittaa aivokuoren poimutuksen, jotta voimme kartoittaa signaalin lähemmäs sen lähdettä, saaden sen toimimaan läpi ihmisjoukkojen. Toinen haaste on aivoaaltojen lukemiseen käytetty laite. EEG-mittaukset tyypillisesti vaativat sensorein varustetun hiusverkon, kuten tässä kuvassa nähdään. Teknikko asettelee elektrodit kallon pinnalle käyttäen johtavaa geeliä tai pastaa, usein valmisteltuaan ensin päänahkaa raapimalla sen ihoa kevyesti. Tämä kestää melko kauan eikä ole kovin miellyttävää. Kaiken lisäksi, nämä järjestelmät maksavat kymmeniä tuhansia dollareita.

Tällä pohjustuksella, haluaisin kutsua lavalle Evan Grantin, yhden viime vuoden puhujista, joka ystävällisesti suostui auttamaan minua esittelemään mitä olemme saaneet aikaiseksi.

(Aplodeja)

Laite, jonka näette on 14-kanavainen, korkealaatuinen EEG-tallennuslaite. Se ei vaadi päänahan valmistelua johtavalla geelillä tai pastalla. Sen pukemiseen ja signaalien tasoittumiseen menee vain muutamia minuutteja. Se on myös langaton, joten sen kanssa voi liikkua ympäriinsä. Ja verrattuna perinteisten EEG-järjestelmien kymmenien tuhansien hintaan, tämä päähine maksaa vain muutamia satasia. Ja nyt tunnistusalgoritmeihin. Kasvojen ilmeet -- kuten sanoin aiemmin tunteiden ilmenemisestä -- on suunniteltu toimimaan suoraan, muutamilla henkilökohtaisilla herkkyyden asetuksilla. Mutta tällä rajoitetulla ajallamme, haluaisin esitellä kognitiivista ohjelmistoamme, jonka avulla on mahdollista liikuttaa virtuaalisia esineitä ajatuksen voimalla.

Evan on uusi käyttäjä, joten luomme ensin hänelle profiilin järjestelmään. Hän ei selvästikään ole Joanne -- joten lisäämme uuden käyttäjän. Evan. Ok. Aluksi harjoittaaksemme ohjelmistoa, tarvitsemme neutraalin signaalin. Neuraalissa ei ole mitään erityistä mitä Evanin tarvitsisi tehdä. Hän vain on. Rentona. Tarkoituksena on määritellä hänen aivojensa normaalitila, koska jokainen aivo on omanlaisensa. Tämä kestää kahdeksan sekuntia. Ja kun se on tehty, voimme valita liikkeeseen perustuvan toiminnon. Evan valitse jotakin jonka voit visualisoida helposti mielessäsi.

EG: Valitaan kohti vetäminen.

TL: Okei, valitaan 'veto'. Tarkoituksena tässä on, että Evan kuvittelee kohteen tulevan lähemmäs ruutua kohti. Palkki kasvaa ruudussa hänen tekiessään sitä. Ensimmäisellä kerralla mitään ei tapahtu koska järjestelmä ei tiedä miten hän 'vetää'. Mutta pidetään se ajatus koko kahdeksan sekunnin ajan. Yksi, kaksi, kolme, nyt. Okei. Kunhan hyväksymme tämän, kuutio on käytössä. Katsotaan jos Evan saa todella vedettyä sitä kuvittelemalla. Aa, hyvin tehty! (Aplodeja) Tämä on hämmästyttävää.

(Aplodeja)

Meillä on vähän aikaa jäljellä, joten pyydän Evania suorittamaan vaikean tehtävän. Se on vaikea, koska hän tulee kuvittelemaan jotain, mitä ei tapahtu fyysisessä maailmassa. Tämä on 'katoaminen'. Liikkeeseen pohjautuva toiminta on helppoa, sillä teemme sitä koko ajan; se on helppoa kuvitella. Mutta 'katoaminen' -- sille ei ole vastineita. Joten Evan, seuraavaksi haluat kuvitella kuution hitaasti katoavan. Sama toimintatapa. Eli; yksi, kaksi, kolme, nyt. Okei, koetetaan sitä. Oho, hän on todella hyvä tässä. Yritetään uudestaan.

EG: Keskittyminen hukkuu.

(Naurua)

TL: Mutta näemme, että se toimii, vaikka saat sen pysymään vain hetken ajan. Kuten sanottua, on erittäin vaikeaa kuvitella tätä. Ja hienointa tässä on, että olemme antaneet ohjelmistolle vain yhden esimerkin 'katoamisesta'. Koneoppimisen algoritmi tämän takana ---

(Aplodeja)

Kiitos. Hyvin tehty.

(Aplodeja)

Kiitos Evan, olet loistava esimerkki tästä teknologiasta.

Kuten näitte aiemmin, järjestelmään on rakennettu tasorakenne, joten kun Evan, tai kuka tahansa, tulee tutummaksi järjestelmään, he voivat lisätä lisää tunnistimia, jolloin järjestelmä oppii erottamaan erilaisia ajatustyyppejä toisistaan. Kun on opettanut tunnistimet, nämä ajatukset voidaan liittää mihin tahansa tietokoneen toimintoon, ohjelmistoon tai oheislaitteeseen.

Haluaisin näyttää muutaman esimerkin, koska tälle uudelle tekniikalle on monia mahdollisia käyttötapoja Peleissä ja virtuaalimaailmoissa, esimerkiksi kasvonilmeitä voidaan helposti ja luonnollisesti käyttää ohjaamaan virtuaalihahmoa. Näin pääsee taianomaisesti kokemaan miten hallita maailmaa ajatuksilla. Myös värit, valaistus, äänet ja efektit voivat dynaamisesti reagoida käyttäjän mielentilaan korostaen kokemusta reaaliajassa. Siirrytäänpä muutamiin muihin tutkijoiden ja suunnittelijoiden kehittämiin sovelluksiin, robotteihin ja yksinkertaisiin laitteisiin, esimerkiksi -- tässä tapauksessa, lelukopterin lennättämiseen vain ajattelemalla 'nousua' mielessään.

Tätä teknologiaa voidaan soveltaa reaalimaailman sovelluksiin -- kuten tässä, älykkääseen kotiin. Käyttöliittymäksi, jolla hallita verhojen avaaminen ja sulkeminen. Sekä valaistus -- valojen kytkeminen päälle tai pois. Ja lopuksi, todellisen muutoksten tekeviin sovelluksiin, kuten sähköisen pyörätuolin ohjaamiseen. Tässä tapauksessa, kasvojen ilmeet on liitetty liikekomentoihin.

Mies: Vinkkaa oikeaa silmää mennäksesi oikealle. Nyt vasenta mennäksesi vasemmalle. Hymyile mennäksesi suoraan.

TL: Me todella -- Kiitos.

(Aplodeja)

Olemme vasta raapaisemassa mahdollisuuksien pintaa. Yhteisön palaute, ja kehittäjien ja tutkijoiden osallistuminen eri puolilla maailmaa auttavat meitä muokkaamaan teknologiaa tästä eteenpäin. Kiitos paljon.