Заманчивая перспектива обеспечить прямую передачу данных в мозг из компьютера и обратно неизбежно упирается в чрезвычайную сложность работы человеческого мозга. Это как в облаке комаров попытаться расслышать звук конкретного насекомого. Но такие задачи по силам алгоритмам машинного обучения, что пытаются доказать исследователи из Сколтеха.

Группа учёных из Сколтеха вместе с коллегами из INRIA и RIKEN Advanced Intelligence Project провела исследование ряда современных алгоритмов машинного обучения, которые созданы решать задачи по определению умственной нагрузки и эмоциональных состояний человека. Попутно учёные создали два новых алгоритма, так модифицировав их прежние версии, что смогли улучшить компьютерное распознавание эмоций и интенсивности размышлений человека.

Для исследований были выбраны алгоритмы из двух категорий: классификаторов на основе римановой геометрии (RGC) и свёрточных нейронных сетей (CNN). Выбранные алгоритмы ранее уже показали свою эффективность при использовании в «умных» протезах для управления отсутствующими конечностями. Но это так называемые «активные интерфейсы». Для определения эмоционального состояния и умственных усилий чаще используются «пассивные интерфейсы» ИМК (интерфейс мозг-компьютер) при помощи электроэнцефалографии (ЭЭГ). Для этого не нужно прямого доступа к мозговым тканям живого человека, достаточно дистанционно измерять электрическую активность головного мозга.

В процессе обработки данных о состоянии активности мозга выяснилось, что алгоритмы с римановой оптимизацией неплохо проявили себя как с оценкой степени умственной нагрузки у испытуемых, так и при определении эмоционального состояния человека. Нейронная сеть же оказалась впереди по точности определения умственной нагрузки, но спасовала при оценке эмоций.

Источник: 3DNews