Исследователи предлагают использовать мозговые волны для обучения физического ИИ
Новый подход к обучению ИИ для взаимодействия с физическим миром предлагает использовать данные мозговой активности человека вместо традиционных видеозаписей.
Исследователи ИИ предлагают использовать данные мозговых волн для обучения физического ИИ - систем, взаимодействующих с реальным миром. У традиционных методов, вроде обучения на видео, есть фундаментальные недостатки. Даже видео с нескольких камер и детальной разметкой часто не передают ключевые аспекты: намерения, контекст, тактильные ощущения и тонкие причинно-следственные связи. Это мешает создавать роботов для сложной и непредсказуемой среды.
Суть идеи - записывать активность мозга, когда человек выполняет или даже просто наблюдает действие. Эти нейронные сигналы могут содержать информацию о том, как мы понимаем физику объектов, предвидим результаты и планируем движения. В отличие от пассивного видео, мозговые волны отражают активный процесс осмысления и прогноза. Например, видя падающую чашку, мозг не просто фиксирует изображение, а почти мгновенно предсказывает траекторию, звук удара и возможные последствия - информацию, крайне ценную для ИИ.
Такой подход может преодолеть узкие места в развитии физического ИИ. Сейчас для обучения требуются огромные, тщательно размеченные датасеты видео с множества ракурсов. Это дорого, трудоемко и все равно не гарантирует, что агент усвоит "здравый смысл" физического мира. Данные мозговой активности могли бы стать своего рода аннотацией, напрямую кодирующей смысл и целенаправленность действий. Если гипотеза верна, ИИ, обученный на таких данных, сможет не просто копировать движения, а глубже понимать цели и контекст. Это важно для сложных задач - от манипуляции хрупкими предметами до помощи в быту.
Для отрасли это означает возможный сдвиг в сборе обучающих данных и сближение нейронаук с машинным обучением. Реализация столкнется с вызовами: необходимость сложного оборудования, вопросы масштабирования сбора данных, интерпретации зашумленных сигналов и обеспечения их приватности. Однако сама постановка задачи показывает растущее понимание: для создания разумных в физическом мире агентов недостаточно лишь анализа пикселей. Требуется доступ к более глубоким слоям информации, которыми оперирует человеческий мозг.
