[RH] 인간의 두뇌를 읽는 (브레인 소싱) 인공지능(AI) 알고리즘
| 최근 2020년 컴퓨팅 시스템 내 인적 요인(Human Factors in Computing Systems)에 관한 ACM 컨퍼런스(the ACM Conference)에서 헬싱키 대학의 연구원들은 사람들의 뇌 활동을 사용하여 의견을 분석하고 결론을 도출하는 데 인공지능을 활용하는 기술에 대해 설명했다. 연구원들이 ‘브레인 소싱(brain sourcing)’으로 부르는 이 기술은 이미지를 분류하거나 콘텐츠를 추천하는 데 사용될 수 있는데, 이것은 이전에는 입증되지 않았던 영역이다. |
 |
 |
 |
 |
 |
 |
 |
인간의 두뇌를 읽는 브레인 소싱 인공지능(AI) 알고리즘
최근 2020년 컴퓨팅 시스템 내 인적 요인(Human Factors in Computing Systems)에 관한 ACM 컨퍼런스(the ACM Conference)에서 헬싱키 대학의 연구원들은 사람들의 뇌 활동을 사용하여 의견을 분석하고 결론을 도출하는 데 인공지능을 활용하는 기술에 대해 설명했다. 연구원들이 ‘브레인 소싱(brain sourcing)’으로 부르는 이 기술은 이미지를 분류하거나 콘텐츠를 추천하는 데 사용될 수 있는데, 이것은 이전에는 입증되지 않았던 영역이다.
헬싱키 대학의 연구원들은 인공지능 기술의 도움을 받아 사람들의 뇌파(electroencephalograms, EEG)를 분석 할 수 있는 가능성을 실험했다.
연구원들은 키보드나 마우스로 수작업을 수행하지 않고 ‘이미지에 대한 사람들의 반응을 수집하는 것’이 인간의 자연스러운 반응을 활용하여 이미지 인식에 적용될 수 있는지를 조사하고자 했다. 데이터에 대한 사람들의 해석을 물음으로써 인공지능 시스템을 훈련시키기 시작하는 대신, 이 정보는 뇌전도로부터 직접 읽혀질 수 있었다.
이 연구에서 총 30명의 참가자들은 컴퓨터 화면 상에서 사람들의 얼굴 이미지들을 보고, 그 이미지를 바탕으로 각자의 마음에 그 얼굴들을 지정하도록(label) 지시 받았다. 예를 들어, 이미지에 나온 사람이 금발인지 검은 머리인지, 웃는지 웃지 않는 지 등이 그것이다. 이 실험은 기존의 크라우드 소싱 데이터 수집과 달리 참가자들은 마우스나 키보드를 사용하여 추가 정보를 얻을 수 없고 단순히 제시된 이미지를 관찰하는 것이었다.
동시에, 각 참가자들의 뇌 활동이 뇌파 기록을 통해 수집되었다. 이 뇌파로부터 인공지능 알고리즘은 금발인 사람의 이미지가 화면에 나타날 때와 같이 해당 작업과 관련된 이미지를 인식하는 방법을 학습했다.
실험 결과, 컴퓨터는 뇌파에서 직접 이러한 멘탈 라벨(mental label)을 해석할 수 있었다. 연구원들은 이러한 뇌파 결과를 매우 신뢰도 높은 라벨링 결과 – 12명의 자원자로부터 수집된 데이터를 사용하여 이미 입증된 - 와 비교한 후, ‘브레인 소싱’이 간단하고 잘 정의된 인식 작업(recognition tasks)에 적용될 수 있다고 결론지었다.
단순히 인공지능 시스템을 학습시키는 것을 넘어, 이러한 발견은 두뇌와 컴퓨터 활동을 결합하는 다양한 인터페이스를 개선하는 데 활용될 수 있다. 이러한 인터페이스는 웨어러블(wearable) 전자 장치의 형태로 가볍고 사용자 친화적인 뇌파 장치의 사용을 필요로 할 것이다. 이러한 경량 웨어러블 기기들은 현재 활발하게 개발되고 있으며 가까운 장래에 출시될 수 있다.
뇌 이미지 기술이 발전함에 따라 뇌에서 직접 선호(preference) 정보를 포착하는 것이 가능 해질 것이다. 따라서 기존의 버튼을 사용하지 않고도, 각 개인들은 단순히 노래를 듣거나 쇼 프로그램을 볼 수 있을 것이다. 뇌만으로도 이러한 활동을 결정할 수 있는 것이다.
- ACM Conference on Human Factors in Computing Systems, April 2020, “Brainsourcing: Crowdsourcing Recognition Tasks via Collaborative Brain-Computer Interfacing,” by Keith M. Davis, et al. ©ACM, Inc. All rights reserved.
To view or purchase this article, please visit:
https://dl.acm.org/doi/10.1145/3313831.3376288
Recently at the ACM Conference on Human Factors in Computing Systems, 2020, Researchers at the University of Helsinki explained a technique they have developed, using artificial intelligence, to analyze opinions, and draw conclusions using the brain activity of groups of people. This technique, which the researchers call “brain sourcing,” can be used to classify images or recommend content, something that has not been demonstrated before.
The University of Helsinki researchers experimented with the possibility of analyzing people’s electroencephalograms (or EEGs) with the help of AI techniques.
Why? They wanted to investigate whether collecting people’s reactions to images could be applied to image recognition by utilizing the natural reactions of people without them having to carry out any manual tasks with a keyboard or mouse. And then rather than beginning to train an AI system by asking for people’s interpretation of data, this information could be read directly from their EEGs.
In the study, a total of 30 volunteers were shown images of human faces on a computer display. The participants were instructed to label the faces in their minds based on what was portrayed in the images. For example, whether an image portrayed a blond or dark-haired individual, or a person smiling or not smiling. Unlike in conventional crowdsourced data collection, the volunteers did not provide any additional information using the mouse or keyboard, they simply observed the images presented to them.
Meanwhile, the brain activity of each participant was collected using electroencephalography. From the EEGs, the AI algorithm learned to recognize images relevant to the task, such as when an image of a blond person appeared on-screen.
In the results of the experiment, the computer was able to interpret these mental labels directly from the EEG. The researchers concluded that brain sourcing can be applied to simple and well-defined recognition tasks by comparing the EEG results with highly reliable labeling results which were already achieved using data collected from 12 volunteers.
Beyond simply training AI systems, the findings can be utilized to improve various interfaces that combine brain and computer activity. These interfaces would require the availability of lightweight and user-friendly EEG equipment in the form of wearable electronics. Such, lightweight wearables are actively being developed and may be available sometime in the near future.
As brain imaging technologies improve, it should become possible to capture preference information directly from the brain. So, instead of using conventional buttons, individuals could simply listen to a song or watch a show, and their brain activity alone would be enough to determine their response to it.
References
ACM Conference on Human Factors in Computing Systems, April 2020, “Brainsourcing: Crowdsourcing Recognition Tasks via Collaborative Brain-Computer Interfacing,” by Keith M. Davis, et al. ©ACM, Inc. All rights reserved.
To view or purchase this article, please visit:
|
|