Благодаря технологиям резко возросло количество снимков полученных военными со спутников и дронов. Такое количество изображений стало уже непосильной задачей для аналитиков, что должны просмотреть и оценить каждое изображение. Поэтому исследователи из армии США решили модернизировать технологию запечатления данных используя для этого ни что иное как человеческий ум, восприятие информации нервной системой. Для этого в лаборатории Aberdeen был открыт испытательный полигон, где используют всю мощь человеческого мозга для развития технологий.
Несмотря на всевозможные достижения в компьютерных поисковых алгоритмах, наиболее надежного инструмента для анализа изображений, кроме человеческого глазного яблока напрямую содействующего с нервной системой — нет. Потому, в настоящее время аналитики начинают с больших изображений, они визуально сканируют его начиная с верхнего левого угла двигаясь вправо и вниз, в то время как поиск элементов сам по себе является занятием кропотливым и в некоторой манере трудоемким. Результат таких действий заключается в быстром предоставлении информации о местности для солдат, а быстрая обработка таких данных полезна.
Исследователи из лаборатории работают над тем, чтобы исследовать сигналы мозга, дабы убрать узкий обзор аналитика. Человеческий мозг же быстрее любого компьютера обрабатывает полученное изображение, и если такая возможность подключения человеческого восприятия к технологическому все-таки существует, то она имеет огромный потенциал, в первую очередь, это будет возможность облегчить крайне нудную работу.
«То, что мы делаем — это в основном использование нейронных ответов зрительной системы», — говорит когнитивный нейробиолог Энтони Райс: «Наш мозг гораздо быстрее, чем процессор любого компьютера. И это лучше позволит распознавать тонкие различия в изображении.»
Для этой «ум-лаборатории» был создан отряд солдат-добровольцев, который был подключен к электроэнцефалограмме (ЭЭГ) и делал выбор между предлагаемыми возможностями обозрения: лодки, панды, клубники, бабочки или люстры. После того, как солдат делал выбор его помещали перед компьютером в котором отображался ряд возможных вариантов, каждый из которых попадал в пять из представляемых категорий, картинка поступала на монитор с периодичностью одна картинка-одна секунда. Во время процесса солдат просили сосчитать, сколько именно картинок подходит под выбранный им раздел. И уже анализируя мозговые волны солдата компьютер смог определить на какой именно категории был сосредоточен военнослужащий.
Чтобы применить эту методику для анализа изображений, Райс и его команда разделили большие изображения на маленькие кусочки, получив что-то вроде фишек или пазла. Их показывали на экране со скоростью пять изображений в секунду, а ЭЭГ анализировал мозговые волны, обращая внимание на наличие или отсутствие всплесков интереса.
«Всякий раз, когда солдат или аналитик обнаруживает то, что считает важным, он инициирует это как признание ответа», — говорит Рейес: «Только те фишки, которые содержат, то что имеет отношение к солдату, в то время – средство передвижения, или нечто из ряда вон выходящее, кто-то копает на обочине дороги, вещи такого рода – вызывают эту реакцию признавая что происходящее что-то важное.»
Райс подчеркивает, что аналитик все-таки должен просмотреть все доступные изображения, но при просмотре новейшим способом череда мелких деталей просматривается гораздо быстрее. В первую очередь оттого, что компьютер подсветит части фото, на которых нужно сконцентрировать особенное внимание. Также, кроме типичной разметки, аналитик должен размышлять по типу «интересно» и «не интересно», чтобы машина сделала все остальное за него.
Но есть проблема, с которой столкнулась команда исследователей — шум. Когда солдат во время теста сжал челюсти, это вызвало электронный шум, который ЭЭГ взял на себя затруднив тем самым задачу обработки мозговых волн субъекта. Эта ситуация также поставила вопрос о том, что делать в рабочих ситуациях, когда кто-то, например, говорит пока аналитик подключен к компьютеру. Поскольку это почти наверняка будет происходить, для получения тех же инструкций, в алгоритме работы этот момент будет отдельно прорабатываться.
Команда намерена также интегрировать и технологию отслеживания движения глаз в системе. «Одну вещь мы сделали это вместо того, людям просматривать изображения в центре экрана, мы используем отслеживание движения глаз, чтобы знать, когда они сосредотачиваются на определенной области пространства,» говорит Рейес: «Мы можем извлечь цепь нейронных сигналов, раз-и он заблокирует фиксации, и отыскать подобную цель ответного сигнала. Тогда не придется ограничивать изображение центром экрана. Вместо этого, можно представить такую картину и аналитик может вручную просканировать ее и всякий раз, когда они сосредотачиваются на предмете интереса, конкретный регион помечается».
Райс говорит, что конечной целью исследований является разработка системы, которая позволит сортировать большие объемы данных аналитиками, при этом без ущерба для точности и с упором на человеческое восприятие мира и естественное распознавание изображений и образов на них.
