Ученые международного научного коллектива с участием сотрудников Саратовского государственного технического университета имени Гагарина Ю. А. создали искусственную нейронную сеть, смоделировав состояние неопределенности человеческого выбора в момент принятия мозгом решения. Статья об исследовании опубликована в журнале «CHAOS» Американского института физики («American Institute of Physics»).
Искусственные нейронные сети (ИНС) сегодня являются мощным инструментом искусственного интеллекта и анализа данных. Они широко используются в социальных науках, робототехнике и нейронауке для классификации, прогнозирования, распознавания образов.
В нейронауке ИНС помогает классифицировать нейронные сигналы, выявлять патологическую активность мозга (эпилепсия), нейродегенеративные заболевания. Однако все еще слабо изучена способность сетей классифицировать состояния, при которых «мозговые» неопределенности приводят к неопределенности выходных данных ИНС.
Ученые из Саратова вместе с зарубежными коллегами (Центр биомедицинских технологий Технический университет Мадрида) успешно задействовали нейросеть типа «многослойный персептрон» для распознавания подобных состояний, возникающих при восприятии неоднозначного визуального объекта. Тип сети был выбран в результате долгих испытаний на предмет эффективности работы с визуальными стимулами.
«Цель нашей работы уловить определенное состояние в общей активности головного мозга, анализируя методами искусственного интеллекта и машинного обучения сигналы магнитоэнцефалограмм (МЭГ) записи магнитной активности нейронных ансамблей мозга. Идя таким путем, мы смогли распознать и подробно охарактеризовать состояния неопределенности человеческого выбора в момент принятия мозгом решения. Более того, мы смогли точно измерить тот период времени, в течение которого человек колеблется и не может сделать выбор», рассказал один из авторов исследования, заведующий кафедрой «Автоматизация, управление, мехатроника», руководитель Научно-образовательного центра «Системы искусственного интеллекта и нейротехнологии» СГТУ имени Гагарина Ю. А. профессор Александр Храмов.
По его мнению, выявить подобные состояния мозговой активности с помощью традиционных методов (например, частотно-временного анализа) достаточно сложно. Искусственный интеллект, напротив, оказался крайне эффективен при решении столь нетривиальных задач, показав неочевидные особенности сигналов.
МЭГ-сигналы записывали в процессе нейропсихологического эксперимента: восприятия оптической иллюзии (так называемого «куба Неккера»). От испытуемого требовалось сконцентрироваться на изображении и принять решение по его интерпретации, а к анализу записанных так сигналов применялась ИНС. Обучающей выборкой ИНС стали отрезки МЭГ-сигнала, соответствующие восприятию испытуемым самых простых и однозначных изображений (в такие моменты человек испытывает меньше трудностей с интерпретацией, чему соответствуют наиболее устойчивые паттерны его нейронной активности).
В свою очередь, анализ уже обученной сетью оставшихся данных (сигналов МЭГ, соответствующих восприятию неоднозначных изображений) сопровождался множеством спонтанных переключений отклика. Если интерпретировать это, как «сомнения» нейросети, то через них можно успешно диагностировать и сомнения живого человека в процессе выбора.
Такие данные помогут ученым создать искусственный интеллект, который в сложном случае остановится перед принятием решения, что позволит перейти в режим ожидания и накопить информацию. Можно представить себе марсоход, который в ситуации сомнений обращается за помощью к операторам на Земле. В этом случае искусственный интеллект марсохода должен содержать нейросеть, которая имеет точку остановки, связанную с невозможностью совершить выбор, то есть, сомнениями.
Метод поиска таких состояний эффективен также для тестирования и тренировки когнитивных способностей человека, его умения быстро принимать решения в стрессовых ситуациях, что жизненно важно в широком спектре профессий: пилотам, водителям, спасателям, военным, спортсменам и многим другим. Авторы уже инициировали разработку соответствующих тренировочных комплексов на базе нейроинтерфейсов.