Een AI heeft de framevolgorde van een filmpje gereconstrueerd op basis van de hersenactiviteit van muizen die de beelden bekeken.

Een kunstmatig intelligent systeem heeft de frames in een zwart-wit filmpje bijna perfect op de juiste volgorde gezet op basis van de hersenactiviteit van muizen die het filmpje bekeken. Het systeem is ontwikkeld door AI-onderzoeker Mackenzie Mathis van de Technische Universiteit van Lausanne en haar collega’s. De resultaten zijn gepubliceerd in Nature.

De onderzoekers gebruikten gegevens over de hersenactiviteit van zo’n vijftig muizen. Die hersenactiviteit was gemeten terwijl de muizen tien keer een filmpje van 30 seconden bekeken. Ze trainden een AI om de gegevens van de eerste negen kijksessies te koppelen aan het filmpje. Het filmpje bestaat uit 600 frames, en toont een man die naar een auto rent en de kofferbak opent.

90 procent van websites lapt regels voor cookies aan de laars
LEES OOK

90 procent van websites lapt regels voor cookies aan de laars

Websites zijn wettelijk verplicht hun bezoekers toestemming te vragen voor cookies, maar veel sites nemen het niet zo nauw met die plicht, ontdekte re ...

Vervolgens maten Mathis en haar team of hun AI de volgorde van de frames in het filmpje kon voorspellen aan de hand van de hersenactiviteit die de muizen vertoonden toen ze het filmpje voor de tiende keer bekeken. In 95 procent van de gevallen kon de AI binnen één seconde correct voorspellen naar welk frame de muizen keken.

Visuele sensaties

Andere AI-systemen die beelden reconstrueren uit hersensignalen werken beter als ze worden getraind op hersenmetingen van dezelfde muis als waarover ze hun voorspellingen doen. Om te testen of dit ook voor hun AI gold, trainden de onderzoekers het systeem op hersenmetingen van individuele muizen. Na die training voorspelde de AI de bekeken filmframes met een nauwkeurigheid van slechts 50 tot 75 procent. ‘Het trainen van deze AI op gegevens van meerdere dieren maakt de voorspellingen juist beter. Je hoeft de AI dus niet te trainen op gegevens van specifieke individuen’, zegt Mathis.

Door verbanden te leggen tussen hersenactiviteitspatronen en visuele input zou het systeem uiteindelijk gebruikt kunnen worden om manieren te vinden om visuele sensaties op te wekken bij mensen met een visuele beperking, aldus Mathis. ‘Je kunt je een scenario voorstellen waarin je iemand met een visuele beperking kunt helpen de wereld op interessante manieren te zien, door neurale activiteit op te wekken die hem of haar die visuele sensatie geeft’, zegt ze.