20 yıllık deneyim paylaşımının "duygusal bilgi işlem" annesi Rosalind Picard: beni şaşırtan keşifler | AAAI 2017
Editörün notu: Bu makalede, Leifeng.com sizi dünyanın yapay zeka arenasında özel bir üne sahip olan bir yapay zeka adamı olan Rosalind Picard ile tanıştıracak.
Massachusetts Institute of Technology'de (MIT) bir profesördür.MIT'nin disiplinler arası son teknoloji bilim laboratuvarı Media Lab'da makine öğrenimi ve sinirbilimin kesişme noktasında yer alır ve Media Lab'ın duygusal hesaplama araştırma departmanını kurmuştur. Aynı zamanda iki yeni şirket olan Affectiva ve Empatica'nın kurucu ortağıdır. Birincisi duygu tanıma ve izleme teknolojileri geliştirir ve ikincisi, tıbbi giyilebilir cihazlar gibi bu teknolojileri entegre eden tıbbi sensörler üretir. Ama en önemlisi, "Duygusal Hesaplama" adlı kitabı bilgisayar bilimi ve yapay zeka alanında yeni bir dal yarattı - "duygusal hesaplama" .
"Duygusal Bilgisayar Kullanımı"
Araştırmaları, beyin sinirbilimi, bilgisayar görüşü, insan-bilgisayar etkileşimi vb. Dahil olmak üzere birçok alanı kapsıyor, ancak insan-bilgisayar etkileşiminde duygu tanıma ve duygusal iletişim üzerine odaklanıyor. Araştırma yolu düzgün değil. Makine öğrenimi teknolojisi algoritma çağında kaldığında, "duygu" çalışması akademik çevreler tarafından hoş karşılanmıyor. Başlangıçta, büyük AI akademik konferansları sonuçlarını ve makalelerini kabul etmeyi reddetti. Ancak AI teknolojisinin gelişmesiyle birlikte, Yapay zekaya "biliş" ve "duygu" nasıl verilir? Bu konu gün geçtikçe öne çıkmaktadır. Li Feifei geçenlerde şunları söyledi:
"Yapay zekanın geliştirilmesindeki bir sonraki adımın duygu ve duyguların anlaşılmasını güçlendirmek ve biliş ve psikolojiye girmek olduğunu düşünüyorum. Bahsettiğim şey sadece beyin bilimi değil, biliş. Çünkü şu anda insanlar hakkında hislerimiz var. Yapay zeka için çok önemli olan çok az anlayış var. "
"Duygusal programlama" nın annesi Rosalind Picard, bu alanda önde gelen bir uzmandır. Makine öğrenimi algoritma araçlarının artan popülaritesi ile, insanlar aniden "biliş" ve "duygu" nun gerçek yapay zekayı yaratan darboğaz olduğunu fark ederler. Sonuç olarak, dünyanın gözleri Rosalind Picard'ın araştırmasına döndü. Bu kez AAAI 2017, onu açılış konuşması yapmaya davet ederek "Duygusal bilgi işlem" konusunun kökeni, duygu tanıma makine öğrenimi algoritmalarının en son araştırma ilerlemesi ve insan kaygısını ve gerginliğini izleyebilen sensörler . Leifeng.com'dan bir muhabir, duygu tanıma CV teknolojisi ve "duygu hesaplamanın" ticari uygulamasıyla ilgilenen okuyucular için çok uygun olan canlı konuşmayı derleyip sıraladı. Not: Bu makale Sanchuan ve Yameng tarafından ortaklaşa düzenlenmiştir.
Rosalind Picard
Rosalind Picard: Bu konuşmada sizlerle birçok hikayeyi paylaşmak istiyorum. Özellikle ilk yıllarımda yapay zekadan ilham aldıktan sonra araştırmalarımda şaşırtıcı keşiflerle karşılaştım.
Gençken son derece zeki bir yapay zeka yaratmak istiyordum. Onun bilgeliği, Ma Wenmingsky'nin tarif ettiği gibidir: "O kadar zekidir ki, eğer bize evcil hayvan gibi davranırsa, sadece şansımız olur." İlk başta çok havalı olduğunu düşündüm. Ama düşündükten sonra, bir aile hayvanı olmak istemediğimi anladım. Ama yine de beynimizin nasıl çalıştığını anlamak için oldukça zeki bir yapay zeka geliştirmek istiyorum - bunun için en iyi yol düşünebilen zeki bir birey yaratmak.
Neden "duygu" çalışmalı?
Çalışma kariyerim boyunca, mimariye, özellikle yonga ve donanım tasarımına eğilimli bir elektrik mühendisi olarak eğitim aldım. Bir şeyle çok ilgileniyorum: Bu parçaların nasıl bir sistemde birleştirildiği ve böylece "görebilmemiz". Bilgisayar görüşü üzerinde çalıştım ve insan algısı alanında, beynimizde algının nasıl çalıştığı da dahil olmak üzere kapsamlı okumalar yaptım.
Bu süreçte çok şaşırtıcı bir keşifle karşılaştım:
Beynin duyguları, hafızayı ve niyetleri içeren derin kısımlarının kortikal üzerinde serebral korteksten daha büyük bir etkisi vardır. Serebral korteks, insan zekası faaliyetlerinin gerçekleştiği yer olarak kabul edilir. O zamanlar hafıza ve niyetin çok önemli olduğunu düşünmüştüm, ama duyguları dahil etmek istemiyorum. Bunun arkasında bazı dikkatli düşünceler var: Mühendislik ve bilgisayar bilimlerinde uzmanlaşan bir kadın olarak, "duygu" konusunu araştırmaya getirmek istemiyorum, bu da başkalarını güldürecek (Lei Feng.com'un notu: alanların çoğunu erkekler işgal ediyor ve kadınlara karşı cinsiyet önyargısı) .
Ama ne kadar derin anlarsam, o kadar hayal kırıklığına uğradım, Duygular, bir dizi akıllı aktivitede merkezi bir rol oynar: Algı, karar verme, mantıksal akıl yürütme, sosyal etkileşim, eylem seçimi ve sözlü ifade içerir. aynı zamanda, Yaptığımız AI araştırmasının tüm yönlerinde, duyguların ihmal edilmesi ve duygu mekanizmalarını tam olarak anlayamama nedeniyle ilerleme kaydetmenin zor olduğu görülüyor. Bu nedenle, gönülsüzce bu alanda biraz araştırma yapmayı düşünüyorum. Şaşırtıcı olmayan bir şekilde, tüm sonuçlar başlangıçta akademik konferans tarafından reddedildi. Bu nedenle, kadrolu bir profesör olmadan önce, "Duygusal Hesaplama" adlı "Duygusal Hesaplama" adlı bir kitap yazdım. Neyse ki, bu kitap birçok kişi tarafından kabul edildi. Bu yüzden bugün (burada durabilmek için) sizinle araştırma kariyerim ve öğrendiğim bazı şeyler hakkında bazı hikayeler paylaşmaktan çok mutluyum.
Duygu tanıma
Araştırmanın ilk günlerinde, bir yönü göz önünde bulundurmayı başaramadım: HCI (insan-makine arayüzü). Daha sonra işaretçiler aldım - HCI, akıllı etkileşim için vazgeçilmez bir ön koşul. Finlandiya'daki Helsinki Üniversitesi'nden bir grup HCI araştırmacısı tanıyorum.Bilgisayar biliminin, HCI'nin bir alt disiplini olarak görülebileceğini düşündüler, çünkü sonunda makineleri değerlendiren, makinelerle etkileşime giren ve makinelerin biçimini ve işlevini belirleyen insanlardır.
Sektöre girdiğimde, yavaş yavaş ortaya çıkan büyük bir trend vardı: Akıllı etkileşim yapmak istiyorsanız, işiniz o sevimli ajanları geliştirmek. Örneğin, Microsoft Office'in akıllı yardımcısı Clippy'yi kaç kişi hatırlıyor? Bilmeyeceğiniz şey, Bill Gates, Clippy'nin iptal edileceğini açıkladığında, herkesin ayağa kalkıp onu alkışladığıdır. Birçok kişi tweet attı: "Clippy asılmalıdır!". Ama Clippy'den neden bu kadar nefret ediyorlar? Clippy, aslında Word'de mektup mu yoksa sıradan makaleler mi yazdığınızı doğru bir şekilde belirleyebilen çok akıllı bir makine öğrenimi yapay zekasıdır. Bence insanların Clippy'den hoşlanmamasının nedeni çok mutlu görünmesi. Clippy Office'te göründüğünde nasıl hissettiniz? Korkarım zor bir iş (çünkü çalışıyorum).
Microsoft Office Smart Assistant Clippy
Kötü bir ruh hali içindeyken, birisi sizi gördüğünde, akıllıysa, sizi uyarmamak için ifadesini değiştirecek ve artık mutlu görünmeyecektir. Ancak bunu yapmak için, sizin durumunuzu algılayıp tanıyabilmeleri gerekir; durumu anlamaları ve uygun tepkinin ne olduğunu bilmeleri gerekir; aynı zamanda uygun yanıtı simüle edip gösterebilmeleri gerekir. Bu arada, bu kesinlikle yeni bir araştırma keşfi değil. İnsanlar bunu en az binlerce yıldır biliyorlar - çoğu "Ağır olanlara sevinçle şarkı söyle" diyen atasözleri, alegorik sözler, ünlü aforizmalar ve Hıristiyan klasikleri. Şarkı, kışın soğuğunu atmak kadar beyhude. "
Bu nedenle, duygusal olarak zeki ve zeki olmalı, duyguları tanımalı ve onlara cevap vermeliyiz. Bir bilgisayar, duyguları simüle eden bir iç mekanizmaya sahip olmasa bile, onlar (bilgisayarlar) bizimle etkileşime gireceklerinden, duygular açısından daha akıllı hale gelmeleri gerekir. Bu yüzden bilgisayarları insan duygularını tanımak üzere eğitmek için bilgisayarla görme ve diğer teknolojileri kullanarak araştırmaya başladım. İlk yıllarda duygusal bir uzman tarafından yazılan bir şeyi okudum: Yüz Hareket Kodlama Sisteminde (ayrıntılar için FACS, Wikipedia'ya bakın), bir kişi aynı anda ilk eylem ünitesi "yüz germe" (Eylem ünitesi 6: yanak kaldırma) ve birincisini gerçekleştirdiğinde 12 Eylem ünitesi "ağzın köşelerini dışa doğru uzatır", bu kalpten bir gülümseme, bu kişi gerçekten mutlu. Ama bir arkadaşın senin fotoğrafını çekince "patlıcan" diyor ve sen gülüyorsun ama bu sahtedir.
Altıncı ve 12. eylem birimleri
Çalışmada, hayal kırıklığına uğradıklarında test edenlerin bazı videolarını kaydettik. Testçiler, yakalamak istediğimiz şeyin hayal kırıklığı olduğunu bilmiyorlardı, bu yüzden yanıtları gerçek ve güvenilirdi (Lei Feng.com Not: Burada Rosalind Picard gösteri için canlı bir gösteri yaptı ). Bu videoda, öznenin yüzü altıncı ve 12. eylem ünitelerinde iki kez görünüyor, ancak bu kesinlikle mutluluk yüzünden değil. Bu iki eylem birimi, her zaman kişinin kalpten neşe duyduğu anlamına gelmez. Aslında araştırmamız, insanların% 90'ının depresyondayken bu iki yüz hareketini yaptığını buldu. Aynı durum eğitim yazılımları aracılığıyla küçük çocuklarda da bulundu.
Kalpten gelen gülümsemeyi ve acı gülümsemeyi tanımlayın
Bu çalışmada, mutlu gülümsemeler ile alaycı gülümsemeler (depresyondayken gülümser) arasında ayrım yapma görevine dört makine öğrenimi algoritması uyguladık. Gerçek gülümsemeleri değerlendirirken, makineler ve insanlar benzer düzeyde yargıya sahiptir. Çatlak gülümsemeleri değerlendirirken, makine öğreniminin başarı oranı% 92'dir ve bu, insanlardan çok daha iyidir. Elbette bu, makine öğreniminin tüm yüz aktivitelerini tanımada insanları geride bıraktığı anlamına gelmez, sadece insanların algısal sapmalara sahip olduğu ve bir ifadeyi diğeriyle karıştırdığı alanlarda. Ayrıntılar için lütfen makaleme bakın. Bunun etkili özelliklerinden biri Dynamics olabilir.Başka bir deyişle, kalpten gelen bir gülümsemenin yavaş bir açılma hızı vardır, hüsrana uğramış bir gülümsemenin aksine ani ve hızlıdır - mutlu olmasanız bile, kendinizi hissedin. Daha iyi.
İnsan ve makine öğrenimi algoritmaları, gerçek gülümsemeleri ve alaycı gülümsemeleri tanımlamanın doğru oranının karşılaştırılması
Ancak bu araştırma daha fazla veri gerektirdiğinden çok sayıda kısa videoyu (katılımcıları memnun etmeyecek komik ve eğlenceli içerikler olan Super Bowl videoları dahil) çevrimiçi olarak yayınlıyor ve insanları İnternet'i açmaya davet ediyoruz. Kamerayı izlemek ve yüz ifadelerini paylaşmak için oturum açın. Ancak bu deney yalnızca mutlu gülümsemelerin tespit edilmesini sağladı. Aşağıdaki şeklin sol alt köşesindeki yeşil ve turuncu çizgiler, bu videoları izleyenleri temsil ediyor, aslında onları ilk kez izleyenlerden (mavi çizgi) daha çok güldüler. Diğer bir bulgu, izleyicinin güldüğü zamandır - izleyiciyi ilk kez izlemeyen izleyiciler, asıl noktayı görmeden önce gülümsedi. Bu aslında çok ilginç, bu da bize şunu söylüyor: "Gülme" eylemi, insanların geçmişini ve belirli bir içerikle ilgilenme deneyimini ortaya çıkarabilir.
İnsanların gülmesindeki faktör sadece "mutlu" değildir
Geliştirme ve uygulama
Makine öğrenimi geliştiricileri, makine öğreniminin etkinliğini nasıl artıracaklarını merak ediyorlar. Deneyimizin geliştirici topluluğuna getirdiği temel bilgiler: Makine öğrenimi modellerini dönüştürmekle karşılaştırıldığında, veri miktarını artırmanın etkisi çok daha iyidir. Çalışmada, belirli bir (dördüncü) eylem birimi için, gerçek gelişme yalnızca yaklaşık 100.000 eğitim örneğinden sonra gerçekleşti. Dördüncü eylem birimi "Kaşları çatmak" (burada kaşlar arasındaki kırışıklıkları ifade eder) - Dikkatli olduğunuzda, kafanız karıştığında veya bir şeyden iğrendiğinizde yüz hareketleri Birçok insanın kaşları arasında kalıcı "Chuan" vardır. "Kelime kırışıyor. Duygusal ifadeyi eylem birimine göre yargılayabilen bir algılama modeli geliştirdik. Bazı kullanıcılar test sistemine çok yetersiz bir ışık ortamında giriş yaptılar ve biz ondan çok fazla veri elde ettik.
Test sistemimizi denemek isterseniz, iOS App Store veya Android Google Play Store'dan ücretsiz olarak indirebilirsiniz. Uygulamanın adı "AffdexMe" dir. Şu anda AffdexMe, 24 yüz ifadesini tanımada% 90 doğruluk elde etmiştir. Hindistan, Brezilya ve Çin, Güney Afrika, Amerika Birleşik Devletleri, Avrupa ve diğer yerlerde indirilebilir. Şirketim Empatica, geliştiricilere gerçek zamanlı duygu SDK'sı sağlıyor. Duygu ile ilgili teknolojiyi incelemeniz gerekiyorsa, artık tamamen ücretsizdir (araştırmacılar için. Ticari uygulamalar için, gelecekte ücretsiz olmayabilir).
AffdexMe
Yüz ifadeleri üzerine yapılan çalışmalarda otizmli birçok insanla temas kurdum. Öğrencim Steve Mann ve ben Google Glass'a benzer bir cihaz geliştirdik ve bir yüz ifadesi tanıma cihazı entegre ettik. Akıllı gözlükleri takıp sizinle konuştuğumda konuya ilgi duyuyorsanız ve bana gülümserseniz gözlük ekranı yeşil renkte yanacak; şaşkın bir görünüm gösterirseniz mercek üzerinde gösterilen sarı ışığı göreceğim; gösterirseniz Olumsuz duygular olduğunda kırmızı ışığı göreceğim, bu da bize sohbeti daha iyi halletmemiz gerektiğini hatırlatıyor.
Gerginliği ve kaygıyı izleyin
Otizmden muzdarip genç bir bayanla deney yaparken, benimle konuşamayacak kadar gergindi, bu yüzden yazı yazdı ve bana şöyle dedi: "Ros, sen doğru şeyi yapmıyorsun. Başkalarının duygularını okumak benim için sorun değil, ama Beni okuyamazsın. "O zamanlar biraz incindim çünkü yaşamak için bağımlı olduğum iş bu.
Ama devam etti: "Sadece sen değilsin. Herkes duygularımı anlayamaz."
"Neden herkes birbirinin duygularını hissedemiyor? Sizden hangi duyguları okuyamadık? Ya da neyi yanlış okuduk?" Dedim, "Gerginliğimi veya endişemi hissetmiyorsunuz. "Birçok insan çok gergin ve ağır olduğunda, anksiyetelerinin yakında patlayabileceğini fark ettim, ancak bunu fark etmedi. Bunun yerine kalbini kapattı ve onu çevreden ayırdı. Örneğin, ortaokuldaki bir öğretmen bir çocuğa, sıradan kelimelerle "Kalk! Bir iş yap" dedi. Ancak küçük çocuk, okuldan yeni atıldığı için aniden dağıldı. Öğretmen çocuğun duygularını doğru bir şekilde yorumlayabilirse, benzer durumlardan kaçınabilir.
Yıllar önce pek çok duygu saptama deneyi yapmaya başladığımızda, bunu genel bir duygusal ajitasyon sinyali olarak gördük, ancak düşündüğümüzden çok daha zengin ve daha ilginç olduğu ortaya çıktı. Terli avuç içlerini tespit etme tekniği için, buna "galvanik deri tepkisi" derdik, ancak şimdi daha bilimsel ve titiz bir şekilde "elektrodermal aktivite" (EDA, elektriksel deri aktivitesi) olarak adlandırılır ve cildin iletkenliğini (iletkenlik) ölçer ve Mikromol (mikromol).
MITnin Medya Laboratuvarında, duygusal çöküntü gibi duygusal değişikliklere ipucu vermeyi umarak testçilerin verilerini izlemek için haftanın 7 günü 24 saat takabilecekleri bu teknolojiyle donatılmış ekipmanlar geliştirmeye başladık. Empatica iki ticari ürüne sahiptir: E4 akıllı saat bir yıldır piyasaya sürülmüştür ve araştırmacıların test makbuzlarını almaları için tasarlanmıştır. Tıbbi bir cihaz olarak sertifikalandırılmıştır ve klinik gereksinimleri karşılayan verileri toplayabilir; ayrıca daha sonra tanıtacağım bir Embrace akıllı bilekliği de var.
E4 akıllı saat
İlgi alanımız, otonomik sinir sisteminin iki dalını ("sempatik bölüm" ve "parasempatik bölüm"), gerginliği, "dövüş veya kaç" (savaş veya kaç) gösterebilen verileri elde etmemizi sağlayan veriler elde etmektir. Koş) ve "dinlen ve sindir" (dinlen ve sindir) reaksiyonu. Toplanan iki sinyal gerçek zamanlı olarak mobil cihaza iletilecektir Elektriksel cilt aktivitesini, mikromolar, nabzı (akıllı saati tutmanız gerekir) görebilirsiniz ve nabız kalp atış hızını hesaplamak için kullanılabilir.
Bu iki dala (sempatik, parasempatik) ek olarak, otonom sinir sisteminin üçüncü bir dalı vardır: enterik. Bu çok ilginç, ama şimdi ölçmek için iyi bir yolumuz yok. İnsan beyni yüz milyonlarca nörona sahiptir ve uyku sırasında sayısız ilginç aktivite ve çeşitli harika öğrenme belirtileri gerçekleştirir, bu nedenle insan beyni zekası araştırmalarının sonuçları dört gözle beklemeye değer. Ancak mevcut araştırma, uçuş tepkisine ve parasempatik dalın "dinlenmesine ve sindirilmesine" odaklanıyor. İlki cilt yoluyla izlenir ve ikincisi genellikle kalp atış hızı grafiğindeki yüksek frekans bantlarını gözlemlemek içindir.
Kalp atış hızını ve solunum hızını izlemek için sıradan akıllı telefonlar kullanın
Pek çok çalışma yalnız hastaları içerdiği için, bizden sık sık grupları için kullanımı kolay ürünler geliştirmemiz istenir. Örneğin, araştırma ekibimiz, test edenin yüzüne bağlı olarak insan teması olmadan sıradan kameraları, bilgisayarla görme teknolojisini, zaman serisi analizini ve ayrıştırma yöntemlerini dünyada ilk kez kullanan kişidir. Kalp hızı ve solunum hızı algoritmasını okumak için yüz kan akışı, yüz rengi değişiklikleri üretin.
Son zamanlarda yanınızda taşıdığınız eşyalara göre (cebinizdeki akıllı telefon gibi) kalp atış hızınızı ve solunum hızınızı herhangi bir ekipman takmadan okumaya çalışıyoruz. Bu teknolojinin doğruluğunu, endüstrinin "altın standart" - profesyonel tıbbi solunum sensörleri ve EKG kalp atış hızı algılama ekipmanı ile karşılaştırıyoruz. Aşağıdakiler, farklı duruşlardaki deneklerin ortalama hatalarıdır:
Tıbbi sınıf parmak nabız sensörü (deneğin parmağına takılır) dakikada yaklaşık 4 kalp atış hızı hatası verirken, teknolojimizin ortalama hatası neredeyse 4'ün altındadır, bu nedenle çok doğru olduğu söylenebilir. Cep telefonlarını çantasına koymaya alışkın kişiler için, el çantası insan vücudu ile sınırlı temas halindeyse, el çantası sadece el ile taşınırsa hata biraz daha büyük olacaktır; ancak el çantası yana yakınsa yine de çok doğrudur. Ayrıca, bir akıllı telefonu elinizde tutarsanız, ekrana bakarken veya bir aramayı cevaplamak için basılı tutarsanız, izleme sonuçları çok doğrudur. Ancak ekrana dokunmaya ve parmağınızla dokunma işlemleri yapmaya devam ederseniz, hata beklenmedik bir şekilde daha da büyür. Millet, lütfen iyi haberlerimizi bekleyin Gelecekte, özel sensörlere ihtiyaç duymadan kalp atış hızı ve solunum hızını izleyebilen bir mobil uygulama piyasaya sürülecek.
Beyin aktivitesini izlemek için EDA kullanın
Parasempatik ve kalp atış hızı izleme için bu kadar. Bu dersin geri kalanı EDA ve iletkenliğe odaklanacak. Her şeyden önce, şu anki araştırma aşaması benim için çok kritik - bu, test cihazının cilt iletkenlik verilerini haftada yedi gün, günde 24 saat ilk kez görüyorum ve mevcut testçilerin hepsi MIT öğrencileri. Şekildeki her satır bir günü temsil etmektedir. Laboratuvar çalışma saatleri sırasında EDA'daki artış (şekilde sarı ile gösterilmiştir) beklendiği gibidir.Bu, akademik değişimler, bilişsel yük, duygusal yük ve zor MIT çalışması ve araştırmalarından (çok zor, odaklanmış görevler) kaynaklanmaktadır. . TV izlerken EDA çok düşük. Şaşırtıcı bir şekilde, çok az sosyal aktivite var (öğrenci) Bu MIT'de hayat (gülüyor). EDA, sosyal etkileşimler sırasında biraz arttı, ancak laboratuvar saatleri kadar iyi değildi. Sadece başkalarını dinlediğinizde, EDA daha düşüktür, ancak konuşurken yükselecektir.
En büyük sürpriz uyku saatlerinden kaynaklanmaktadır: Bu dönemde elektriksel cilt aktivitesi günün diğer zamanlarına göre daha yüksektir. Bu sadece MIT öğrencileri için değil, sıradan insanlar için de geçerli. Pek çok araştırma sorusu gündeme getirdik ve pek çok makale yayınladık.Burada bir noktaya dikkat çekmek istiyorum: EDA, EEG (deneğin başına takılan beyin dalgası izleme cihazı) ve ACC'yi ve bunların Birleşik özelliklerin uyku sırasındaki en yüksek beyin aktivitesini yansıtıp yansıtmayacağı. Herkes uykunun beyni daha iyi hale getirdiğini bilir - bir kişi yeni bir şey öğrenip sonra uykuya daldığında, test sonuçları genellikle uyandıktan sonra daha iyi olur.
Bu yüzden, uyku öncesine kıyasla uykudan sonra en fazla iyileşme gösteren denekleri ve en küçük iyileşme gösteren, hatta düzelme veya azalmanın olmadığı denekleri karşılaştırarak standart hafıza konsolidasyonu, öğrenme ve uyku deneyleri yaptık. İki konu grubunu ayırt etmek için bu özellikleri kullanıp kullanamayacağımızı görmek için bir ikili sınıflandırıcı oluşturduk. Şimdiye kadar bulunan en iyi özellikler, özellik testi için altı çok basit makine öğrenimi modelini kullanan altı aracının özellikleridir. Şekilde gösterildiği gibi, bir deney setinde (EDA + ACC) mor ile temsil edilen testi görüyoruz; diğer tüm deneylerde kırmızıyla temsil edilen test (EDA) uyku sırasındaki tepe beyin aktivitesini en iyi şekilde ayırt edebilir.
Bunu düşündüğümüzde, aslında oldukça şaşırtıcı: Bilekteki ter salgısı beyindeki öğrenme aktivitesiyle neden ilişkilidir? EEG neden bu kadar etkili değil?
Ani Epilepsi Sendromunu İzleme (SUDEP)
Başarılı bir ter analizi bilekliği geliştirdiğimizde (günde 24 saat, yedi gün çalışabilen bir cilt iletkenliği sensörüyle donatılmış), birçok kişi onu çeşitli araştırma amaçları için ödünç almaya geldi. Bir gün laboratuvardaki bir üniversite öğrencisi bana şöyle dedi: "Profesör Picard, kardeşim konuşamıyor, otizmi var. Onu neyin bu kadar sinirlendirdiğini bilmek istiyorum? Akıllı bir bileklik ödünç alabilirim. Noel tatillerinde ağabeyim tarafından kullanılacak mı? Lütfen! "Elbette, sadece bir tane alma, iki tane al" dedim.
Ondan sonra, küçük çocuğun verilerini ofis bilgisayarında kontrol etmeye başladım. İlk gün normaldi, ancak çocuk ellerinin bilekliklerinden hoşlanmadığı ve yük hissettiği için çığlık attı. Ertesi gün normaldi ve dinlendirici bir tatildi. Ancak üçüncü günde mutasyon gerçekleşti: bir bilekliğin indeksi aniden aşırı derecede yükseldi, ancak diğer bileklik yanıt vermedi. Sensörün kırılması gerektiğini düşündüm. Vücudun bir tarafının gergin ve endişeli olması, diğer tarafının hissetmemesi nasıl mümkün olabilir? Verileri dikkatlice kontrol ettim ve iki algılama cihazı bundan önce ve sonra normaldi, olağandışı bir şey yok. Sorunu bulmaya çalıştım, ancak hayal kırıklığı içinde hiçbir şey bulamadım ve tatil sırasında öğrencilerimi aramak için bir istisna yapmak zorunda kaldım. Öğrenci, erkek kardeşinin nöbet geçirmesinden sadece 20 dakika önce olduğunu söyledi.
Lei Feng.com: Bu olay Rosalind Picard'ı şok etti. Bir noktada bunun bir sensör arızası olduğunu düşündü. Bunun nedeni:
Epileptik nöbetlerden önce haberciler üreten beyin dalgalarının anormal aktiviteleri duyulmamış, doğrulanırsa, çığır açan bir tıbbi keşif olacak;
Epilepsi, vücudun sadece bir tarafında anormal reaksiyonlara neden olur ki bu da inanılmazdır.
Rosalind Picard, bu iki gizemi çözmek için bir çocuk hastanesindeki epilepsi beyin cerrahından kanıt aradı. Doktor, tıbbi kariyerinde bir nöbet geçirmeden önce vücudun bir tarafında bir fizyolojik reaksiyon vakası ile karşılaştı, ancak bu tıbbi olarak değildi. Makul bir açıklama var. Böylece ikisi epilepsili hastalarda EEG ve EDA'yı izlemek için bir çalışma başlattı. Deneysel sonuçlar, tüm hastaların yalnızca nöbet geçirdiklerinde anormal beyin dalgalarına ve elektriksel cilt aktivitesine sahip olduğunu doğruladı (Lei Feng.com'un notu: küçük bir çocuğun anormal elektriksel cildi, konvülsif semptomları olmayan bir nöbet olmalıdır). Ayrıca çalışmalar, beyindeki birçok doku çiftler halinde göründüğünden, bunlardan yalnızca biri anormal beyin dalgaları tarafından uyarıldığında, vücudun diğer tarafındaki cildin anormal cilt elektriksel aktivitesi üreteceğini bulmuştur (örneğin, sağ beyin dokusu anormal uyarım alırsa, İnsan vücudunun sol tarafındaki deri anormal elektriksel aktiviteye sahip olacaktır ve bunun tersi de geçerlidir).
Nöbet sırasında anormal beyin dalgaları
Buradaki ana sonuçlar bunlar değil. Rosalind Picard ve diğerleri önemli bir araştırma bulgusunu ortaya çıkardı: EEG sensörü, deneğin beyin dalgası aktivitesinin durduğunu tespit ettiğinde (Ani epileptik ölüm sendromu (SUDEP) semptomları, beyin aktivitesi tamamen durur ve hastanın nefes almasını durdurur), Durma süresi ne kadar uzunsa, ölüm riski o kadar artar, ancak aynı zamanda EDA tarafından tespit edilen elektriksel cilt indeksi de o kadar yüksek olur.
Ani epilepsi ölüm sendromunda beyin aktivitesi durur
Kısacası, Elektriksel cilt aktivite indeksi, ani epilepsi ölüm sendromunu doğru bir şekilde izleyebilir. Keşif geniş kapsamlı - bu, bir epilepsi hastasının yanında bir EDA algılama cihazı takması durumunda, ani epilepsi ölümü başladıktan sonra, sistemin derhal başkalarını bilgilendirip kurtarma sağlayabileceği anlamına geliyor. Bu arada, ani epilepsinin ölüm oranı nörolojik hastalıklarda felçten sonra ikinci sırada yer alıyor ve ikinci sırada Alzheimer hastalığını geride bırakıyor (not: insanlar genellikle Alzheimer hastalığına atıfta bulunur); ancak ortaya çıktığında, epilepsili insanlar Bilinçsiz olduğunda, zamanında dış müdahalenin başarılı kurtarma olasılığı çok yüksektir. Gereksiz ölümlerin çoğu aslında zamanında tespit edilmeyen epilepsiden kaynaklanan ani ölümlerden kaynaklanmaktadır.
Bu nedenle Rosalind Picard ve meslektaşları, epilepsi hastalarının durumunu doğru bir şekilde izleyebilen yerleşik bir EDA modülüne sahip akıllı bileklik Embrace'i piyasaya sürdü. Embrace, AB tıbbi cihaz sertifikası aldı ve ABD lisansı için başvuruyor.
Kucaklamak
Embrace serbest bırakıldıktan sonra Rosalind Picard, bir hastanın ailesinden bir teşekkür mektubu aldı. İşte böyle oldu: Ailenin annesi Embrace'i günde 24 saat epilepsi hastası olan kızı için satın aldı. Kaza olduğunda annem evde duş alıyordu ama akıllı telefonu aniden Embrace'den bir uyarı yayınladı. Telefonu eline aldı ve ona baktı, inanması gerekip gerekmediğinden emin değildi, ama tereddüt ettikten sonra banyodan çıktı ve kızının yüzü yere yatarken buldu, nefesi durdu ve yüzü mavi-mor renge döndü. Kızını ters çevirdi ve basit bir uyarıda bulundu.Kızı yeniden nefes almaya başladı, yüzü yavaşça kızardı. Kızının hayatını kurtardığı için Embrace'e çok minnettar.
Anne ve Embrace tarafından kurtulan küçük kız
Depresyonu önleyin
Daha geniş kapsamlı bir şey yapıyoruz.
Amerika Birleşik Devletleri'nde 15-44 yaşları arasındaki insanlar arasında, engelliliğin ana nedeni majör depresyondur. Aşağıda, CDC tarafından 15 yıl boyunca toplanan ve çok ciddi bir sosyal eğilimi yansıtan veriler yer almaktadır:
-
1999 ile 2014 arasında Amerika Birleşik Devletleri'nde intihar oranı% 24 arttı
-
45-64 yaş arası beyaz erkekler arasında intihar oranı% 59 arttı
-
45-64 yaş arası beyaz kadınlar arasında intihar oranında% 80 artış
-
5-14 yaş arası genç kızların intihar oranı üç katına çıktı
Depresyon, yalnızca Amerika Birleşik Devletleri'nde değil, dünyada da insanlık için önemli bir varoluşsal tehdit haline gelecektir: gelişmekte olan ülkelerde intihar oranları daha yüksektir ve hala artmaktadır.
WHO (WHO) tahmini:
-
2020 yılına kadar her 20 saniyede bir kişi intihar edecek.
-
Ve 2030'a kadar, depresyon kanseri, trafik kazalarını, savaşları ve felçleri geride bırakacak ve insan ölümü ve sakatlığının birincil nedeni haline gelecektir.
Elbette bu veriler sadece bir tahmindir ve bunun gerçeğe dönüşmesini istemiyoruz. Dolayısıyla MITnin MediaLab'inde şunu düşünüyoruz: "Neden bazı önleyici tedbirler geliştirmiyoruz?" Bugün, duygusal anksiyete verilerini, uyku verilerini, sosyal verileri ve diğer verileri cep telefonlarından, giyilebilir cihazlardan ve diğer cihazlardan kolayca alabiliyoruz. Duygusal veriler. Her yıl araştırmaya katılan kullanıcılardan uyku dalgaları, egzersiz, ışığa maruz kalma, otonom sinir sistemi kaygısı, mesajlaşma davranışı, telefon görüşmeleri, coğrafi konum, sosyal ağ etkileşimi ve mobil seyahat dahil olmak üzere 1 milyardan fazla örnek veri topluyoruz. Verileri bekleyin.
Nedensel akıl yürütme için makine öğrenimi teknolojisi ile birleştiğinde, duygusal değişiklikleri tahmin edebiliriz. Ruh halindeki bazı değişiklikleri tahmin edebilirsek, o zaman kendimiz için bazı olumsuz şeylerden kaçınabilir ve yaşam kalitesini iyileştirebiliriz. Örneğin, sabahın erken saatlerine kadar çalıştığınızda, işinizi bitirmek için yatmak mı yoksa daha fazla zaman mı harcamak istediğinizden emin değilsiniz. Makine öğrenimi algoritması, geçmiş verilere dayanarak, işe geç kalırsanız, ertesi gün kötü bir fiziksel durumda ve kötü bir ruh halinde olma olasılığını hesaplayabilir ve ardından hesaplama sonuçlarına göre önerilerde bulunabilir.
Ancak mevcut veri ölçeği yeterli olmaktan uzak ve daha fazlasının toplanması gerekiyor. Yeterli veriye sahipsek, her şehir için hava durumu tahminleri yapabilirsek, neden herkes için ruh hali tahminleri yapamıyoruz? Bu şekilde, birçok insanın bazı anksiyete, depresyon ve hatta depresyondan kaçınmasına yardımcı olabiliriz. Mevcut depresyon tedavisinin önündeki ana engel teşhistir: birçok hasta hastanede hiç doktor görmemiştir ve çoğu insan yalnızca durum ciddileştiğinde doktora görünmektedir. Pek çok insan, aileleri ve arkadaşları tarafından hastanenin nöroloji bölümüne götürülene kadar bir sorun yaşadığının farkında değildi.
Verileri makine öğrenimi teknolojisi ile analiz edebilir ve erken uyarı sağlayabilirsek ne olur? Erken teşhis ve önlemlerle depresyonun% 80'ini önleyebilirsek ne olur?
Erken bir uyarı aldıktan sonra, insanlar durumlarının kötüleşmesini önlemek için zaman içinde depresyonlarına neden olan fitille başa çıkabilir ve ardından bir dizi sosyal etkileşim, egzersiz, uyku, diyet ve anksiyete yoluyla fiziksel ve zihinsel durumlarını iyileştirebilirler. Araştırma ekibimin meydan okumaya başladığı sorunlardan biri de bu, uzun vadeli bir araştırma konusu olacak.
