На фото: военные следователи разговаривают с местным жителем, которого они подозревают в помощи во взрыве придорожных бомб. Мужчина отрицает это, даже несмотря на то, что ему показывают фотографии его предполагаемых сообщников. Но антенна в комнате для допросов улавливает сердцебиение мужчины, когда он смотрит на фотографии. Данные передаются в ИИ, который приходит к выводу, что его эмоции не соответствуют его словам …
Британская исследовательская группа использует радиоволны, чтобы уловить тонкие изменения сердечного ритма, а затем с помощью продвинутого ИИ, называемого нейронной сетью, понять, что означают эти сигналы — другими словами, что чувствует субъект. Это прорыв, который однажды может помочь, скажем, аналитикам разведки в Афганистане выяснить, кто представляет внутреннюю угрозу.
Статья, подготовленная группой из Лондонского университета королевы Марии и опубликованная в онлайн- журнале PLOS ONE , демонстрирует, как применить нейронную сеть для расшифровки эмоций, собранных с помощью передающей радиоантенны. Нейронная сеть функционирует аналогично человеческому мозгу, при этом клетки создают связи с другими клетками в шаблонах, которые создают память, в отличие от более традиционных методов, таких как машинное обучение, которые используют простые статистические методы для наборов данных.
Команда под руководством Ян Хао , декана по исследованиям факультета науки и техники, использовала небольшую передающую антенну, чтобы отражать радиоволны от субъектов. Они использовали эти сигналы, чтобы собрать базу данных о различных сердечных ритмах, когда эти испытуемые смотрели эмоционально заряженные видео, вызывающие расслабление, испуг, отвращение и радость. Команда также подключила испытуемых к электрокардиограмме, чтобы убедиться, что сигналы, которые принимает антенна, правильные. Команда провела свои данные через глубокую нейронную сеть и обнаружила, что их система точно классифицирует эмоциональное состояние испытуемых в 71% случаев.
Это лучше, чем высокие 60, достигнутые в аналогичном эксперименте с использованием методов машинного обучения, и позволяет избежать значительной работы по подготовке набора данных с мельчайшими функциями ( также называемого извлечением функций ). Кроме того, нейронные сети намного лучше работают с наборами данных, которые сильно зависят от времени, например радиоволны, в отличие от алгоритмов машинного обучения, сказал он.
Этот прорыв призван помочь специалистам в области здравоохранения и хорошего самочувствия лучше понять эмоциональное состояние пациентов. «Что касается ее последствий для … национальной безопасности, необходимо провести дополнительные исследования, как и другие вопросы, касающиеся этики и ответственного использования этой технологии», — сказал Хао Defense One по электронной почте.