Koło Naukowe Neurotechnologii

Generatywne sieci neuronowe jako narzędzie do wizualizacji ukrytych preferencji

Autorzy: Zofia Piętka-Danilewicz

Opiekun projektu: prof. Rafał Milner

 

Inspiracją dla mojego projektu była niedawna praca wykorzystująca generatywne
sieci neuronowe oraz interfejs mózg-komputer do generowania atrakcyjnych obrazów.
Percepcja i poznanie atrakcyjności to złożone współzależności różnych elementów. Są to
wysoce indywidualne procesy dynamiczne ze względu na ich zależność od emocjonalnego
stanu afektywnego, analizy percepcji, pamięci, kontekstu i opanowania poznawczego.
Oprócz kontekstu i cech obiektu istnieje wiele innych wymiarów, które wpływają na nasze
preferencje. Motywacja podejścia (dążenie/unikanie) i ocena atrakcyjności są powiązane z
wcześniejszą wiedzą, a także z indywidualnymi oczekiwaniami. Stan emocjonalny powstaje
ze stanu afektywnego i ciągłej pętli sprzężenia zwrotnego między oceną a procesami
poznawczymi.

Generatywny interfejs mózg-komputer jest ściśle związany z generowaniem nowych
obrazów na podstawie odpowiedzi neuronalnej na wcześniej zaprezentowane bodźce.
Część procesu twórczego jest realizowana przez klasyfikację potencjałów wywołanych w
odpowiedzi na poszczególne bodźce. Oznacza to, że możemy generować unikalne obrazy
dla każdej osoby w każdym momencie, gdy zmieniają się fale mózgowe. Robimy to,
pracując z algorytmami uczenia maszynowego, zwłaszcza Generative Adversarial Networks
(GAN) - sztucznymi sieciami, służącymi do generowania obrazów na podstawie sztucznych
danych i danych neuronowych. Naśladują one złożone rozkłady danych i modelują
subiektywne preferencje nieograniczone przez predefiniowaną parametryzację modelu.
Inspiracja zastosowaniem GAN w dziedzinie rekonstrukcji i tworzenia obrazów, doprowadza
do szczególnego zainteresowania jeżeli chodzi o kontekst wykorzystania ich bazując na
zarejestrowanych sygnałach z EEG.

Podejście i wykorzystanie GAN daje wiele interesujących perspektyw dla przyszłych
prac, takich jak podniesienie jakości obrazów 3D i filmów przy możliwie najmniejszej ilości
danych. Umożliwia to również tworzenie spersonalizowanych obrazów na podstawie
wizualnych potencjałów wywołanych i odpowiedzi elektrofizjologicznych. Tego rodzaju sieci
neuronowe możemy w przyszłości wykorzystać również w zakresie rozszerzania danych,
szczególnie w obszarach o niedostatecznej ilości danych, takich jak analiza obrazów
medycznych.

Opisywany tutaj projekt ma wiele zastosowań, które czynią go atrakcyjnym dla wielu
dziedzin życia. Na przykład szeroki obszar technik interfejsów mózg-komputer (BCI) wyłania
się ze sztucznego wykorzystania sieci, próbując zastosować je do danych w czasie
rzeczywistym, aby uczynić rzeczywistość rozszerzoną i wirtualną bardziej wciągającą.
Wzrost uzależnienia w środowiskach wirtualnych pozytywnie wpływa na rozwój branży
neurotechnologii i gier komputerowych. Rozwiązanie to jest ściśle związane z obszarem
Neuromarketingu i dostosowywania wszystkich produkowanych treści bezpośrednio do
każdego odbiorcy.

 

Projekt finansowany w ramach konkursu Grants4NCUStudents, Inicjatywa Doskonałości - Uczelnia Badawcza, Uniwersytet Mikołaja Kopernika w Toruniu

Koło Naukowe Neurotechnologii