Thitirath Kinaret
นักวิจัยพัฒนา Brain-IT โมเดล AI สร้างภาพจากกิจกรรมสมอง พร้อมลดเวลาสแกนสมองเพื่อเรียนรู้ผู้ใช้รายใหม่เหลือเพียงหนึ่งชั่วโมง
Brain-IT โมเดล AI สร้างภาพจากกิจกรรมสมอง เรียนรู้ผู้ใช้รายใหม่ด้วยข้อมูลสแกนเพียงหนึ่งชั่วโมง
นักวิทยาศาสตร์พัฒนาโมเดล AI ที่สามารถวิเคราะห์กิจกรรมสมองของบุคคล และสร้างภาพสิ่งที่บุคคลนั้นกำลังมองขึ้นมาใหม่ โดยให้ผลลัพธ์ที่ใกล้เคียงกับภาพต้นฉบับมากขึ้น ทั้งด้านเนื้อหา องค์ประกอบ และสี
โมเดลนี้มีชื่อว่า Brain-IT พัฒนาขึ้นในห้องปฏิบัติการของศาสตราจารย์ Michal Irani แห่ง Weizmann Institute of Science โดยเรียนรู้รูปแบบกิจกรรมสมองที่คล้ายกันระหว่างบุคคลขณะดูภาพ เพื่อนำมาใช้สร้างภาพจากข้อมูลสมอง
ตัวอย่างที่นักวิจัยเผยแพร่มีทั้งภาพการแข่งขันเบสบอล นักสกี และยีราฟบนถนน โดยแสดงภาพต้นฉบับที่ผู้เข้าร่วมมองเห็น เทียบกับภาพที่ AI สร้างขึ้นจากกิจกรรมสมองของผู้เข้าร่วม
ลดเวลาสแกนสมองเพื่อเรียนรู้ผู้ใช้รายใหม่เหลือหนึ่งชั่วโมง
Irani อธิบายว่า โมเดลที่แปลงกิจกรรมสมองเป็นภาพในปัจจุบันสามารถสร้างผลลัพธ์ที่รักษาความหมายของภาพได้ค่อนข้างดี แต่ยังมักผิดพลาดในรายละเอียดพื้นฐาน เช่น องค์ประกอบภาพและสี
นักวิจัยระบุว่า Brain-IT ทำได้ดีกว่าโมเดลก่อนหน้า ทั้งการสร้างเนื้อหาของภาพและรายละเอียด อีกทั้งใช้ข้อมูลสแกนสมองเพื่อเรียนรู้บุคคลรายใหม่เพียงหนึ่งชั่วโมง ขณะที่โมเดลอื่นต้องใช้ข้อมูลสแกนหลายสิบชั่วโมง
ระยะเวลาหนึ่งชั่วโมงดังกล่าวหมายถึงข้อมูลสแกนสมองที่ใช้ให้โมเดลเรียนรู้ผู้ใช้รายใหม่ ไม่ใช่เวลาที่ใช้สร้างภาพแต่ละภาพ
ฝึกด้วยภาพมากกว่า 70,000 ภาพ จากผู้เข้าร่วม 8 คน
ทีมวิจัยฝึกระบบด้วยภาพมากกว่า 70,000 ภาพที่แสดงให้ผู้เข้าร่วม 8 คนดูระหว่างการสแกนสมอง เนื่องจากจำนวนผู้เข้าร่วมถือว่าค่อนข้างน้อยสำหรับงานวิจัยลักษณะนี้ ทีมจึงพัฒนา “Encoder” ที่สามารถค้นหารูปแบบร่วมระหว่างสมองของแต่ละบุคคล และคาดการณ์กิจกรรมสมองจากภาพได้
ในการสร้าง Encoder นักวิจัยแบ่งข้อมูลสแกนสมองออกเป็นหน่วยปริมาตรขนาดเล็กที่เรียกว่า “Voxel” ประมาณ 40,000 หน่วย แล้ววัดว่าแต่ละหน่วยตอบสนองต่อภาพต่าง ๆ อย่างไร
นอกจากนี้ ยังใช้ AI วิเคราะห์คุณลักษณะของภาพ ทั้งสี ตำแหน่งขององค์ประกอบ และสิ่งที่ปรากฏในภาพ เช่น ใบหน้าหรืออาหาร ก่อนนำมาเปรียบเทียบกับกิจกรรมสมองของผู้เข้าร่วม
แม้สมองของแต่ละคนจะตอบสนองแตกต่างกัน แต่การเปรียบเทียบข้อมูลทำให้นักวิจัยค้นพบรูปแบบบางอย่างที่ปรากฏร่วมกันในสมองของผู้เข้าร่วมทั้ง 8 คน
พบพื้นที่การทำงานร่วม 128 บริเวณที่เกี่ยวข้องกับการประมวลผลภาพ
นักวิจัยพบว่ารูปแบบร่วมเหล่านี้สามารถจัดกลุ่มเป็นพื้นที่การทำงาน 128 บริเวณที่เกี่ยวข้องกับการประมวลผลภาพ โดย Irani ระบุว่า Encoder ค้นพบพื้นที่เหล่านี้ระหว่างการฝึก ซึ่งแต่ละบริเวณมีบทบาทเฉพาะในการประมวลผลภาพ
บางบริเวณเป็นสิ่งที่นักประสาทวิทยารู้จักอยู่แล้ว แต่บางส่วนเป็นข้อค้นพบใหม่ ตัวอย่างเช่น การแบ่งหน้าที่ภายในบริเวณสมองที่ประมวลผลภาพสถานที่ หรือ PPA โดยส่วนหนึ่งตอบสนองต่อฉากภายในอาคาร ขณะที่อีกส่วนตอบสนองต่อฉากกลางแจ้ง
ใช้ Encoder และ Decoder ร่วมกันเพื่อสร้างภาพให้แม่นยำขึ้น
ตามรายงานของ MIT Technology Review ทีมวิจัยนำ Encoder มาใช้ร่วมกับ “Decoder” เพื่อทดสอบว่ารูปแบบกิจกรรมสมองเหล่านี้สามารถนำมาสร้างภาพขึ้นใหม่ได้หรือไม่
Encoder ทำหน้าที่คาดการณ์ว่ากิจกรรมสมองควรมีลักษณะอย่างไรเมื่อบุคคลดูภาพหนึ่ง ๆ ส่วน Decoder ทำงานในทิศทางตรงกันข้าม โดยใช้กิจกรรมสมองเป็นข้อมูลสำหรับสร้างภาพ
ทีมวิจัยฝึกทั้งสองโมเดลร่วมกันซ้ำ ๆ เพื่อให้ภาพที่สร้างขึ้นมีความแม่นยำมากขึ้น
อาจช่วยผู้มีภาวะอัมพาตสื่อสารได้ในอนาคต
นักวิจัยระบุว่า เทคโนโลยีเบื้องหลัง Brain-IT อาจนำไปช่วยให้ผู้มีภาวะอัมพาตสื่อสารได้ในอนาคต และช่วยให้นักวิทยาศาสตร์ศึกษาวิธีที่สมองประมวลผลภาพได้อย่างมีประสิทธิภาพมากขึ้น
แม้เทคโนโลยีนี้จะถูกเรียกว่า AI “อ่านใจ” แต่ความสามารถที่นำเสนอในงานวิจัยคือการสร้างภาพจากกิจกรรมสมองขณะบุคคลกำลังมองภาพ ไม่ใช่การอ่านความคิดทุกประเภท
ที่มา: PetaPixel
