《黑镜》中的读心术可能比你想象的来得快

导读:上一期了解了聊天机器人的相关介绍,今天我们来了解一下关于读心术人工智能的相关内容(文末更多往期译文推荐)

我们的思想可能不再是秘密的避风港。科学家们正致力于构建读心术算法,这种算法可以通过提取人们的记忆数据库进而解读我们内心深处的想法。

对于大多数人来说,这可能听起来像是Netflix热门系列《黑镜》中的片段。最近一部反乌托邦的科幻惊悚片《惊世巨鳄》播出了一个令人不寒而栗的片段,它利用记忆提取技术调查需要保险赔付的事故原因。这诡异的一幕发生在无人驾驶汽车和面部识别技术的人工智能驱动世界中。《惊世巨鳄》的情节最后,调查人员借助人工智能技术揭露了一名目击证人的冰冷罪行。

保险代理人员使用了一个带有监控芯片的记忆提取器(在本情节中称为“确证物”)。一旦连接到用户脑部,该设备允许保险代理人员访问目击者的记忆痕迹,并在屏幕上创建目击者记忆范围内的确证图片。它将从目击者的视角还原整个事故。

该保险代理人员重新创建一个与事故现场相似的氛围,以唤起目击者的记忆(在这种情况下,可以使用歌曲和啤酒做辅助)。虽然现实世界中的保险技术可能并不那么复杂,但揭示受试者的内心深处想法的技术可能有一天会成为现实。

专家们目前正在测绘大脑的各个部分,以收集数据,并使用语言、句子、图像、思维,甚至是梦境,来帮助他们理解人与人之间的互动行为。

语言重绘

在2016年由国家科学基金会资助的一项研究中,加州大学伯克利分校的神经科学家Alexander Huth和一组研究人员建立了一个“语义图谱”来解读人类的思想。

图谱展示了人脑如何通过生动的色彩和多维度来组织语言。该系统还帮助识别大脑中与具有相似含义的词语相对应的区域。

研究人员进行了大脑成像研究,要求受试者在收听广播故事的同时保持在功能性核磁共振成像过程中。功能性磁共振成像( fMRI )检测大脑血流量的细微变化来测量神经活动,这项研究就是这样做的。实验表明,至少三分之一的大脑皮层参与语言处理,包括高级认知领域。

这种数据驱动技术可以让那些不能说话的人“发出声音”,尤其是那些患有运动神经元疾病的人,比如肌萎缩侧索硬化症( ALS )或脑损伤或中风的患者。

复杂行为

2017年,由Marcel Just领导的卡内基梅隆大学( CMU )的一个团队开发了一种识别复杂思想的方法,为分析“在审判过程中,证人大声叫喊”这种情况提供新的可能。研究人员利用机器学习算法和大脑成像技术表明,大脑的不同区域构成了大脑构建复杂思想的基石。

2014年,CMU推出了BrainHub,这是一项专注于现代大脑研究的计划,通过机器学习应用、统计学和计算建模将神经科学与行为联系起来。BrainHub继续研究我们如何利用神经干预来帮助患有神经疾病和发育障碍的人。

面部重建

2014年,由耶鲁大学( Yale University )曾经的一位本科生Alan s . Cowen领导的一个研究小组,根据研究受试者的大脑如何对图像做出反应,准确地重建了人脸图像。

研究人员绘制了实验者的大脑活动图,并向他们展示了一系列面部图像。研究人员建立了一个关于实验者大脑对个别面孔反应的统计程序库。当研究人员向受试者展示新的面孔时,他们利用统计程序库重建每个受试者正在观看的面孔。据耶鲁新闻报道,Alan s . Cowen预测,面部重建的准确性将会随着时间的推移不断提高,这些研究工具可以帮助研究自闭症儿童对面部如何反应。

解读梦境

2013年,日本科学家通过在梦循环的早期阶段对梦境的某些方面进行解码,达到60 %的准确率。

研究人员利用核磁共振扫描来监测受试者睡觉时的情况。该团队建立了一个数据库,将对象分组到广泛的可视类别中。在最后一轮睡眠周期中,研究人员可以通过监测志愿者的大脑活动来确定他们在梦中看到的内容。

思想预测

2014年,千年磁性技术( MMT )神经技术公司成为第一家将“思想记录”会议商业化的公司。MMT利用其专利和专有Rosetta技术,识别代表患者大脑活动和思维模式的认知图像。该技术使用视频图像的功能性磁共振成像(fMRI)模式和计量生物学分析来解释面部识别、对象识别、审讯期间的真实与欺骗以及梦境序列。

局限性

公平地说,关于记忆的技术存在很多局限性。

首先,大脑映射是一个漫长而昂贵的过程。对于日本京都的研究人员来说,每个参与者都要参加200轮测试。此外,即使公司和组织实施读心术,这一行动也将侵犯若干人权。有报告已经强调,如果我们的大脑直接与计算机相连,未经授权的读心术就会被指侵犯至少四项人权。

与现实世界中的《惊世巨鳄》不同,读心术人工智能在获得政府官员批准进行调查之前将面临许多限制和阻力。除此之外,相关法规也可能抑制人们对这场革命的热情。

文章编辑:天天

原文发布于微信公众号 - 灯塔大数据(DTbigdata)

原文发表时间:2018-01-24

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏量子位

全球首个AI合成主播发布,效果以假乱真!揭秘背后技术原理

2016年,王小川在正式论坛里秀出AI同传,那是机器实时翻译技术,首次在高规格国际会议上实战应用。

9510
来自专栏镁客网

AI也会性别歧视吗?

对于一直寻求智能化的亚马逊而言,仅在仓储和物流管理上使用AI技术是远远不能满足的,因此这项2014年启动的AI招聘原本是亚马逊探寻进一步智能化的实验,却偏偏出了...

8820
来自专栏企鹅号快讯

Yann LeCun卸任!Facebook变天,做AI不能落地是不成了

作者 | 波波 编辑 | 谷磊 1月24日早间重磅消息,Facebook 人工智能研究部门(FAIR)的负责人Yann LeCun 宣布卸任,之后将担任Face...

24190
来自专栏腾讯高校合作

以“犀牛鸟的名义”,助力青年学者

2016年度CCF-腾讯犀牛鸟基金共计支持18项科研基金,22项创意基金。在过去的一年中,基金获奖者与腾讯研发团队在前沿科技领域的开展深入合作。 双方根据共同关...

41290
来自专栏新智元

【快报】谷歌训练自动驾驶汽车适时按喇叭 | 英伟达暂停大部分VR项目

谷歌 谷歌训练自动驾驶汽车适时按喇叭 ? 谷歌称,它已经在训练自动驾驶汽车在适当的时候按下喇叭,提醒车身旁边心不在焉的行人或者汽车司机。 谷歌甚至让自动驾驶汽车...

31180
来自专栏量子位

谷歌用AI融合1000种乐器创造新声音,将现身艺术节

李杉 编译自 Wired 量子位 报道 | 公众号 QbitAI Jesse Engel正在演奏一种介于古钢琴和哈蒙德电风琴之间的乐器——融合了18世纪的古典乐...

368100
来自专栏AI科技评论

学界 | Enlitic创始人Jeremy Howard专访:我眼中的深度学习与数据科学

提起Jeremy Howard,人工智能和大数据领域的从业者们可谓无人不知无人不晓。 他是Enlitic、FastMail、Optimal Decisions ...

40890
来自专栏AI科技大本营的专栏

CCAI 2017 | 小数据学习对 AI 究竟有着怎样的影响?

近几年来,得益于大数据的积累、计算能力的提升,深度学习从学术到工程领域均取得了非常显著的发展与突破,尤其是诸如图像识别、语音识别等实际场景应用。但是,依赖于海量...

37250
来自专栏量子位

AutoX创始人肖健雄来信:无人车量产的4大技术储备

17540
来自专栏AI科技大本营的专栏

观点 | 除了自动驾驶、图像识别,AI能做的还有很多

作者|DANIEL TERDIMAN 阅读时长:3分钟 提到人工智能,大部分人会想到当前非常热门的领域,比如“人机大战”,自动驾驶、图像识别,语音识别等...

46480

扫码关注云+社区

领取腾讯云代金券