科技潮知識職場小天地

求職者精選系列─AI面試時代的來臨

By 10/15/20 ThursdayOctober 20th, 2020No Comments

AI讀心術!心電感應,不用翻譯

讓我們一起想像,進入面試場所,整理服裝儀容,正襟危坐,仔細聆聽面試官提出的各種考題;無須言語,腦中思緒,已一覽無遺。

是的,聽起來相當神奇,同時帶著恐怖驚悚!有如科幻片般看似不可能的技術,距離我們現實生活已不遠;當時代來臨,除了對自己的言行舉止負責,也須承擔腦中天馬行空的思想流竄。

日本團隊開發人工智慧模型,解碼大腦活動訊號

日本京都大學的Yukiyasu Kamitani 教授帶領研究團隊,開發出能夠解碼人類大腦所生訊號的人工智慧模型,讓人們腦海中浮現的圖像得以被人工類神經網路具體描繪而出[1]。Kamitani 教授安排受試者看著圖像的同時,使用功能性磁振造影(Functional magnetic resonance imaging,fMRI),透過觀察腦部血流量與氧氣消耗,解析腦部活動,讓人工類神經網路根據fMRI所得的資料重新生成出圖像。

仔細比對實驗結果可見,距完整重現真實圖像仍存在挑戰,但從下方圖像中可看出人工類神經網路對於輪廓和色彩的捕捉 ▼

甚至已可透過生成圖像約略推測出受試者觀看的真實圖像為何;在不同受測者之間,若觀看的圖像相同,人工類神經網路也能生成非常相近的結果 ▼

透過人工神經網路解析,一窺大腦

這是怎麼辦到的呢?人工智慧模型的建立大致分成以下階段:

首先,Kamitani教授使用不同深度之類神經網路模型組合,對大量的圖像進行自動化特徵提取,將圖像組成的重要訊息提取而出,過濾其他次要資訊,並將提取而出的特徵作為人工類神經網路生成新圖像之素材。這當中使用的模型包含了 : 卷積類神經網路(Convolutional neural network, CNN)、階層式模型(Hierarchical Model and X, HMAX)、尺度不變特徵轉換(Scale-invariant feature transform, SIFT)與袋特徵模型(Bag-of-Features model, BoF)等等。

接著,讓受測者一邊觀看圖像,一邊使用fMRI掃描受測者觀看圖像時的腦部活動,並將資料透過團隊建立的編碼器,將fMRI資料轉變成人工類神經網路能夠讀取的資料型態,同時對其進行分類與辨識。

最後,Kamitani教授使用名為”DCNN-GAN”之特殊人工類神經網路結構,根據編碼後的fMRI資料進行圖像重組。”DCNN-GAN”結合了重建類神經網路(Reconstruction Network)及生成對抗類神經網路 (Generative Adversarial Network, GAN),使人工智慧模型得以整合先前提取之圖像特徵,重建比以往更為逼真的圖像資料[2]。

根據fMRI資料重新合成圖像過程示意圖 ▼

人工智慧模型使用和大自然相關的圖像進行訓練,在之後的測試中,學者們發現簡單的幾何圖形也得到相當不錯的成果,尤其是文字的部分幾乎能完整的重現,並在不同受測者之間得到一致的結果[1]。

簡單幾何圖像生成圖

隨著數位科技的演進,人權議題演然而生

儘管現階段人工智慧解讀人類思想的精確度仍有待進步,但這項研究的突破,無疑已為人工智慧通往人類奧秘的腦部活動,開啟大門。隨時間的推進,人工智慧終將更貼合人腦,實現「心電感應」、「讀心術」的超能力。值得關注的是,隨數位科技演進的同時,對於人權的探討,勢必引發全球議題。如何在人工智慧各項落地應用場景中,保有「人本」,將成為人類共同省思。

參考資料

[1]Shen, G., Horikawa, T., Majima, K., & Kamitani, Y. (2019). Deep image reconstruction from human brain activity. PLoS computational biology, 15(1), e1006633.

[2]Horikawa, T., & Kamitani, Y. (2017). Generic decoding of seen and imagined objects using hierarchical visual features. Nature communications, 8(1), 1-15.

[3]https://www.dailymail.co.uk/sciencetech/article-5231179/AI-create-images-based-pictures-looking-at.html

[4]https://36kr.com/p/1722144374785

作者介紹
Finn Wang
優聘分析工程師

畢業於成功大學心理所,現任分析工程師於優聘資訊科技。
音樂與烹飪缺一不可;目標成為心理學x數據科學之資料科學家。
“He who has a why to live for can bear almost any how.”

發表評論