Helsingin yliopiston tutkijat ovat kehittäneet tavan analysoida ihmisten mielipiteitä ja tehdä johtopäätöksiä ihmisjoukkojen luontaisesta aivotoiminnasta tekoälyn avulla. Tutkijat kutsuvat tekniikkaa aivojoukkoistamiseksi. Sitä voidaan käyttää kuvien luokitteluun tai erilaisten sisältöjen suositteluun. Vastaavaa ei ole tehty aiemmin.
Joukkoistaminen on esimerkiksi ohjelmistokehityksessä usein käytetty toimintatapa, jonka avulla jokin tehtävä paloitellaan suuren ihmisjoukon ratkaistavaksi. Ihmisiä voidaan esimerkiksi pyytää tunnistamaan kuvasta esineitä, ja tulokset syötetään kuvantunnistusjärjestelmän opetusdataksi. Kehittyneimmätkään tekoälyyn perustuvat kuvantunnistusjärjestelmät eivät toimi vielä täysin automaattisesti, vaan niiden kouluttaminen vaatii useiden ihmisten mielipiteitä monien esimerkkikuvien sisällöstä.
Helsingin yliopiston tutkijat kokeilivat, voiko joukkoistamista tehdä analysoimalla ihmisten aivosähkökäyriä tekoälymenetelmien avulla. He halusivat tietää, tarvitseeko ihmisten mielipidettä kysyä erikseen, vaan voisiko sen lukea suoraan aivosähkökäyrästä.
– Halusimme tutkia, voiko joukkoistamista tehdä kuvien tunnistuksessa ihmisten luontaisista reaktioista siten, että ihmisten ei tarvitse tehdä manuaalista työtä näppäimistön tai hiiren avulla, kertoo akatemiatutkija Tuukka Ruotsalo Helsingin yliopistosta.
Kone tulkitsee kuvan luokan
Tutkimukseen osallistui 30 vapaaehtoista, joille näytettiin tietokoneen näytöltä ihmiskasvojen kuvia. Koehenkilöiden tehtävä oli luokitella ihmiskasvoja mielessään sen mukaan, näkyykö kuvassa esimerkiksi tumma- vai vaaleahiuksinen ihminen, tai hymyilevä tai vakavailmeinen ihminen.
Osallistujia ohjeistettiin huomioimaan tehtävän kannalta tärkeät kuvat, kuten vaaleahiuksisten ihmisten kuvat, mutta heidän ei tarvinnut käyttää tähän näppäimistöä tai hiirtä. Samalla heidän aivotoimintaansa tarkkailtiin aivosähkökäyrämittauksella (elektroenkefalografia, EEG). Tekoälyalgoritmi oppi tunnistamaan aivosähkökäyrän perusteella tehtävän mukaiset kuvat, kuten sen, milloin ruudulle ilmestyi vaaleahiuksisen ihmisen kuva.
Kävi ilmi, että ihmiset pystyivät mielessään luokittelemaan kuvat pyydetyllä tavalla, ja tekoäly pystyi tulkitsemaan tämän luokan suoraan aivosähkökäyrästä. Tutkijat päättelevät, että aivojoukkoistaminen soveltuu yksinkertaisiin ja hyvin määriteltyihin tunnistustehtäviin. Erittäin luotettavia luokittelutuloksia syntyi jo 12 vapaaehtoisen tiedoista.
Tekniikka kehittyy kevyempään suuntaan
Tuloksia voidaan hyödyntää erilaisissa aivojen ja tietokoneiden toimintaa yhdistävissä käyttöliittymissä. Tämä edellyttäisi, että EEG-laitteita olisi tulevaisuudessa käytössä jonkinlaisena puettavana ja helppokäyttöisenä elektroniikkana. Nyt tehdyssä tutkimuksessa laitteita käytettiin laboratorio-olosuhteissa. Kevyempää EEG-tekniikkaa voi kuitenkin olla saatavilla jo lähitulevaisuudessa.
– Saatavilla oleva tekniikka toki rajoittaa meidän lähestymistapaamme, sanoo tutkimusavustaja Keith Davis Helsingin yliopistosta.
– Nykyiset aivojen aktiivisuutta mittaavat menetelmät sopivat kontrolloituihin laboratorio-oloihin, mutta tekniikan täytyy vielä kehittyä tullakseen osaksi arkea. Lisäksi nämä tekniikat tallentavat vain pienen osan aivojen aktiivisuudesta. Kun aivokuvantamisen tekniikka kehittyy, ihmisten mieltymyksistä voi mahdollisesti saada tietoa suoraan heidän aivoistaan. Perinteisten arvosteluasteikkojen tai tykkäysnappien painelun sijaan ihminen voisi yksinkertaisesti kuunnella musiikkia tai katsoa ohjelmaa, ja hänen mielipiteensä näkyisi suoraan aivojen aktiivisuudesta, Davis sanoo.
Tutkimus julkaistiin ACM Human Factors in Computing Systems -konferenssissa huhtikuussa.
Julkaisu:
Keith M. Davis III, Lauri Kangassalo, Michiel Spapé, and Tuukka Ruotsalo. 2020. Brainsourcing: Crowdsourcing Recognition Tasks via Collaborative Brain-Computer Interfacing. In CHI Conference on Human Factors in Computing Systems (CHI '20), April 25–30, 2020, Honolulu, HI, USA. ACM, New York, NY, USA 15 Pages. https://doi.org/10.1145/3313831.3376288
Lue lisää:
Cognitive computing -tutkimusryhmä