发布时间:2019-11-28 阅读量:1023 来源: 智东西 发布人: Jane
11月27日消息,据外媒报道,莫斯科物理技术学院(MIPT)和Neurobotics公司的研究人员,通过使用计算机视觉神经网络可以将人的脑波还原为图像,图像形状和色彩两方面具有一定准确度。
MIPT相关负责人表示,该项技术的突破,可以为研究中风、瘫痪等病人使用的“神经控制设备”提供借鉴和参考。这项研究的结果已在知名生物学期刊《bioRxiv》上发表。
一、接近90%的类型判断准确率
AI在阅读人类思维方面的表现已经越来越好。现在AI可以完全凭借人们的脑波来猜测人们正在观看哪些视频并初步还原图像。
MIPT和Neurobotics公司的研究员们组成的团队,使用不同物体的视频片段以及观看者当时的脑电波记录来训练AI 。脑波通过脑电图(EEG)帽来进行记录,视频片段包括极限运动、人脸、抽象形状,瀑布和运动几何体这五类。
AI仅根据EEG数据对视频进行分类和重新创建。在234次尝试中,有210次AI通过脑波判断出了视频类型并打上正确的类型标签。
▲AI对人脸表情的还原
▲AI对赛车运动的还原
▲AI对滑雪运动的还原
▲AI对运动几何体的还原
在视觉上,AI似乎在重建图像的大概形状和色彩方面比较成功,而更细微的细节(如人脸上的表情细节)就比较难以呈现,其中大多数看上去失真并且无法识别。
二、神经网络助力图像还原
整个实验分为两个阶段。首先,他们让每个参与者观看20分钟长度为10秒的视频片段。每个片段的主题分为五类之一,研究人员发现,仅通过查看他们的EEG数据,他们就能分辨出参与者正在观看的视频类别。
对于下一阶段的研究,科学家们选择了五类视频中的三类,并开发了两个神经网络。他们训练其中一个神经网络从视觉“噪声(noise)”中生成三种测试类别的图像,然后训练另一个神经网络将EEG数据转换为可比较的噪声。
当噪声配对在一起时,AI能够仅从其实时EEG数据中得出令人惊讶的准确图像,即人们在看什么。研究人员表示,起初他们以为脑电波的数据比较少,不足以支撑图像的重建,但事实证明这是完全可行的。
▲论文中对神经反馈模型流程的图示说明
▲论文中对图像解码器模型结构(a)及常规训练(b)的说明
三、AI脑波解读可为医学提供新机遇
亚利桑那大学的Victor Sharmas说,阅读思维的AI仍然只是在看人类思想的表层。现在我们看到的只是对人类思维大概地、维粗浅地绘制呈现,距离精准重现还差的非常遥远。
MIPT神经机器人实验室负责人Vladimir Konyshev解释说,虽然研究团队目前致力于为残疾人提供辅助技术,但他们正在研究的AI技术可以用于为某些人群创建神经控制设备,例如中风患者可以通过神经控制外骨骼手臂进行康复训练、瘫痪者通过神经控制轮椅。
结语:“AI读心术”不再遥远,应用前景广阔
“初级”“AI读心术”目前已经实现,AI解读脑波的出色能力连研究员们也为之惊讶。但目前AI通过脑波还原的视频,还原度还较低,并且只能对已知类型进行判断和还原,电影中的科幻场景离我们还依然遥远。
但是此次研究给了人们信心,因为AI解读脑波并转化为我们已知的内容已成为现实。同时,这一技术在医疗领域的广泛应用前景,也值得我们去不断探索。
原文来自:newscientist
市场研究机构UBI Research最新报告显示,2024年第二季度全球折叠屏手机OLED面板出货格局出现显著变化。三星显示以52%的市占率重回行业首位,单季度出货量呈现指数级增长——其4月出货量仅为25万片,5月迅速攀升至178万片,6月维持153万片高位,季度总出货量达356万片。
全球科技巨头英伟达与电子制造领军企业富士康正加速合作,计划于富士康美国休斯顿新建工厂部署人形机器人,用于生产英伟达下一代人工智能服务器。该项目预计于2025年第一季度投入运行,标志着人形机器人技术首次大规模应用于高端硬件制造产线。
日本显示器公司(JDI)于6月21日通过股东大会,正式批准了包括车载业务分拆、大规模裁员及技术转型在内的深度重组计划。这标志着连续11年净亏损(2024财年达782亿日元)的老牌面板企业,开启了创立以来最彻底的自我革新。
三星电子近期在第六代1c纳米级DRAM晶圆测试中实现重大突破,良率跃升至50%-70%,较2023年不足30%的水平翻倍增长。这一进展源于其研发团队对芯片结构的重新设计,通过创新性架构调整显著提升能效与生产稳定性。此前因技术优化导致的量产延迟已通过激进投资策略弥补,三星正同步推进平泽工厂P3/P4生产线的设备部署,为年内启动大规模量产铺平道路。
全球5G网络规模化部署面临射频系统集成度低、散热效率不足的核心挑战。Qorvo作为射频技术领导者,针对性推出两款高性能组件——QPQ3550 BAW滤波器和QPA9862预驱动放大器,通过系统级创新推动5G mMIMO基站与固定无线接入设备的性能跃迁。