علم ذهن خوانی

همانطور که زن نمایش اسلاید را تماشا می کرد، اسکنر الگوهای فعال سازی را در بین نورون های او ردیابی کرد. این مدل ها بر حسب "وکسل" - مناطق فعال سازی که اندازه آنها تقریباً یک میلی متر مکعب است - تجزیه و تحلیل خواهند شد. به یک معنا، داده‌های fMRI بسیار خشن بودند: هر وکسل نشان‌دهنده مصرف اکسیژن در حدود یک میلیون نورون بود و فقط هر چند ثانیه یک‌بار می‌توان آن را به‌روزرسانی کرد، به‌طور قابل‌توجهی کندتر از احتراق نورون‌ها. اما نورمن گفت: «معلوم شد که این اطلاعات در داده‌هایی بود که جمع‌آوری می‌کردیم - ما آنقدر که می‌توانستیم در مورد نحوه پردازش این داده‌ها باهوش نبودیم.» این پیشرفت زمانی حاصل شد که محققان متوجه شدند چگونه الگوهایی را که در ده‌ها هزار وکسل به طور همزمان اجرا می‌شوند، ردیابی کنند، انگار که هر کدام یک کلید پیانو هستند و افکار آکورد هستند.

من متوجه شدم که منشأ این رویکرد به حدود هفتاد سال پیش، به کار روانشناس به نام چارلز آزگود برمی گردد. ازگود در کودکی یک کپی از اصطلاحنامه راجر به عنوان هدیه دریافت کرد. ازگود به یاد می‌آورد که با نگاهی به کتاب، «تصویر واضحی از کلماتی مانند گروه‌هایی از نقاط ستاره‌ای در فضای وسیع» ایجاد کرد. در دوران فارغ التحصیلی، زمانی که همکارانش درباره چگونگی شکل‌دهی دانش توسط فرهنگ بحث کردند، آزگود به این تصویر فکر کرد. او فکر کرد که آیا با استفاده از ایده «فضای معنایی» می‌توان تفاوت‌های بین سبک‌های مختلف تفکر را ترسیم کرد.

آزگود آزمایشی انجام داد. او از مردم خواست تا بیست مفهوم را در پنجاه مقیاس مختلف رتبه بندی کنند. مفاهیم بسیار متفاوت است: بولدر، من، گردباد، مادر. همین کار را با ترازوها انجام می داد که بر خلاف آن مشخص می شد: منصفانه-بی انصافی، گرم-سرد، معطر-بد. برخی ارزیابی ها دشوار بود: الف گردباد معطر یا تند و زننده؟ اما ایده این بود که این روش تفاوت های ظریف و حتی ظریف شباهت و تفاوت بین مفاهیم را آشکار کند. آزگود می نویسد: «بیشتر آمریکایی های انگلیسی زبان فکر می کنند که به نوعی بین «خوب» و «خوب» تفاوت وجود دارد، اما توضیح آن برایشان سخت است. تحقیقات او نشان داد که حداقل برای دانش آموزان 19 تا 50 ساله، این دو مفهوم در بیشتر مواقع با هم همپوشانی دارند. آنها برای اسم هایی که شیب مذکر یا مؤنث دارند متفاوت هستند. مادر را می توان خوب ارزیابی کرد، اما خوب نیست، و COP برعکس. آزگود به این نتیجه رسید که «خوب» «تا حدودی قوی‌تر، خشن‌تر، زاویه‌دارتر و بزرگ‌تر» از «خوب» است.

آزگود نه به خاطر نتایج تحقیقاتش، بلکه به خاطر روشی که برای تجزیه و تحلیل آنها ابداع کرد به شهرت رسید. او با چیدمان داده‌های خود در یک فضای خیالی با پنجاه بعد شروع کرد - یکی برای منصفانه-ناعادلانه، دوم برای گرم-سرد، سوم برای معطر-اشتباه، و غیره. هر مفهوم داده شده، مانند گردباد، برای هر بعد امتیازی داشت - و بنابراین در فضایی قرار داشت که به عنوان فضای با ابعاد بالا شناخته می شد. بسیاری از مفاهیم در چندین محور شباهت داشتند: مثلاً مؤدب-ظالمانه و صادقانه-غیر صادقانه. Osgood این ابعاد را با هم ترکیب می کند. او سپس به دنبال شباهت های جدید بود و دوباره ابعاد را در فرآیندی به نام «تحلیل عاملی» ترکیب کرد.

وقتی سس را کم می کنید، طعم های اصلی را مخلوط کرده و عمیق تر می کنید. آزگود کاری مشابه با تحلیل عاملی انجام داد. در نهایت او موفق شد تمام مفاهیم موجود در فضا را تنها با سه بعد ترسیم کند. بعد اول "ارزیابی" بود - مخلوطی از صخره های خوب - بد، زیبا - زشت و خوب - بی رحم. دومی مربوط به «قدرت» بود: مقیاس ها را به صورت بزرگ-کوچک و قوی-ضعیف تثبیت می کرد. سومین مفهوم "فعال" یا "منفعل" را می سنجد. آزگود می تواند از این سه عامل کلیدی برای قرار دادن هر مفهوم در فضای انتزاعی استفاده کند. او استدلال می کند که ایده هایی با چنین مختصاتی از نظر معنی به هم پیوسته اند.

برای دهه‌ها، تکنیک آزگود در نوعی تست شخصیت کاربرد متوسطی پیدا کرده است. پتانسیل واقعی آن تا سال 1980 آشکار نشد، زمانی که محققان آزمایشگاه بل تلاش کردند آنچه را که "مسئله واژگانی" نامیدند حل کنند. مردم تمایل دارند از نام های زیادی برای یک چیز استفاده کنند. این یک مانع برای کاربران کامپیوتری بود که با وارد کردن کلمات در خط فرمان وارد برنامه ها می شدند. جورج فرناس، که در گروه تعامل انسان و کامپیوتر سازمان کار می کرد، استفاده از فهرست تلفن داخلی شرکت را توضیح داد. او گفت: "شما در دفتر آزمایشگاه بل هستید و شخصی ماشین حساب شما را دزدیده است." «شما شروع به معرفی «پلیس» یا «حمایت» یا «سرقت» می کنید و این چیزی را که می خواهید به شما نمی دهد. در نهایت، شما "امنیت" را قرار می دهید و این به شما می دهد. اما در واقع دو چیز به شما می دهد: چیزی در مورد پس انداز و طرح امنیتی Bell، و همچنین آنچه شما به دنبال آن هستید. گروه Furnas می خواست یافتن مترادف دستورات و عبارات جستجو را خودکار کند.

آنها رویکرد آزگود را به روز کردند. آنها به جای تحقیق در مورد دانش آموزان، از رایانه برای تجزیه و تحلیل کلمات در حدود دو هزار گزارش فنی استفاده کردند. خود گزارش ها - در مورد موضوعاتی از تئوری گرافیک تا طراحی رابط کاربری - ابعاد فضا را پیشنهاد می کردند. هنگامی که چندین گزارش از گروه های مشابهی از کلمات استفاده می کنند، ابعاد آنها را می توان ترکیب کرد. در پایان، محققان آزمایشگاه بل فضایی پیچیده‌تر از فضای آزگود ساختند. چند صد بعد داشت. بسیاری از این ابعاد ویژگی‌های انتزاعی یا «نهفته» را توصیف می‌کنند که کلمات مشترک هستند - ارتباطاتی که برای اکثر انگلیسی‌زبان‌ها آشکار نیست. محققان روش خود را "تحلیل معنایی پنهان" یا LSA نامیدند

در ابتدا، آزمایشگاه های بل از LSA برای ایجاد یک موتور جستجوی داخلی بهتر استفاده کردند. سپس، در سال 1997، سوزان دوما، یکی از همکاران Furnas، با دانشمند شناختی Bell Labs، توماس Landauer، برای توسعه یک سیستم هوش مصنوعی بر اساس آن همکاری کرد. پس از پردازش دایره المعارف آکادمیک آمریکایی گرولیر، اثری که برای دانشجویان جوان در نظر گرفته شده است، هوش مصنوعی به ارزیابی محترمانه ای از آزمون انگلیسی به عنوان یک زبان خارجی با چندین گزینه دست یافت. در همان سال، این دو محقق مقاله‌ای را با هم نوشتند که به این سؤال پرداخته بود: «چگونه مردم به همان اندازه اطلاعات کمی دارند؟» آنها پیشنهاد کردند که ذهن ما می‌تواند از چیزی مانند LSA برای درک جهان استفاده کند. مهم‌ترین تفاوت‌ها و شباهت‌ها را در نظر بگیرید و از این دانش مقطر برای درک چیزهای جدید استفاده کنید. به عنوان مثال، با تماشای یک فیلم دیزنی، بلافاصله شخصیتی را به عنوان "مرد بد" شناسایی می کنم: اسکار از "شیر شاه" و جعفر از "علاءالدین" فقط به یکدیگر نزدیک می شوند. شاید مغز من از تحلیل عاملی برای تقطیر هزاران ویژگی - زیر و بمی، حس مد، لحن صدا - در یک نقطه در فضای انتزاعی استفاده می کند. ادراک انسان بد، امری نزدیک است.

در سال‌های بعد، دانشمندان از LSA برای مجموعه‌ای از داده‌ها استفاده کردند. در سال 2013، محققان گوگل نسل او را در متن کل شبکه جهانی منتشر کردند. الگوریتم گوگل هر کلمه را به یک "بردار" یا نقطه در یک فضای متکبرانه تبدیل کرده است. بردارهای تولید شده توسط برنامه محققین word2vec بسیار دقیق هستند: اگر بردار "پادشاه" را بگیرید و بردار "مرد" را کم کنید، سپس بردار "زن" را اضافه کنید، نزدیکترین بردار "ملکه" است. بردارهای کلمه مبنایی برای Google Translate بسیار بهبود یافته شدند و اجازه دادند جملات به طور خودکار در Gmail تکمیل شوند. سایر شرکت ها از جمله اپل و آمازون نیز سیستم های مشابهی ساخته اند. در نهایت، محققان دریافتند که "بردارسازی" محبوب با LSA و word2vec می تواند برای ترسیم هر چیزی مورد استفاده قرار گیرد. سیستم های تشخیص چهره امروزی دارای ابعادی هستند که طول بینی و انحنای لب ها را نشان می دهد و چهره ها با استفاده از یک رشته مختصات در "فضای صورت" توصیف می شوند. شطرنج هوش مصنوعی از ترفند مشابهی برای "بردار کردن" موقعیت های تخته استفاده می کند. فناوری آنقدر برای هوش مصنوعی مرکزی شده است که در سال 2017، یک مرکز تحقیقاتی جدید هوش مصنوعی به ارزش صد و سی و پنج میلیون دلار در تورنتو، موسسه Vector نام گرفت. متیو بوتوینیک، پروفسوری در پرینستون که آزمایشگاهش در سراسر سالن نورمن قرار داشت و اکنون رئیس علوم اعصاب در DeepMind، زیرمجموعه آلفابت برای هوش مصنوعی است، به من گفت که تقطیر شباهت ها و تفاوت ها در بردارها "سس مخفی است که زیربنای آن است. همه این هوش مصنوعی ها در حال پیشرفت هستند."

در سال 2001، دانشمندی به نام جیم هاکسبی، یادگیری ماشینی را به تصاویر مغز آورد: او متوجه شد که وکسل های فعالیت عصبی می توانند به عنوان ابعاد در نوعی فضای ذهنی عمل کنند. هاکسبی به کار در پرینستون ادامه داد و در آنجا با نورمن همکاری کرد. این دو دانشمند، همراه با سایر محققان، به این نتیجه رسیدند که تنها چند صد بعد برای دریافت تفاوت های ظریف شباهت و تفاوت در بیشتر داده های fMRI کافی است. در آزمایشگاه پرینستون، زن جوان نمایش اسلاید را در اسکنر تماشا کرد. با هر تصویر جدید - ساحل، غار، جنگل - نورون های او در مدل جدیدی فعال می شدند. این مدل ها به صورت وکسل نوشته می شوند، سپس توسط نرم افزار پردازش شده و به بردار تبدیل می شوند. این تصاویر به این دلیل انتخاب شدند که بردارهای آنها از هم دور بودند: آنها نقاط مرجع خوبی برای ایجاد یک نقشه بودند. با نگاه کردن به تصاویر، ذهن من در فضای فکر نیز سیر می‌کرد.

هدف اصلی رمزگشایی افکار این است که بفهمیم مغز ما چگونه جهان را منعکس می کند. برای این منظور، محققان به دنبال مشاهده این هستند که چگونه تجربیات یکسان بر ذهن بسیاری از افراد به طور همزمان تأثیر می گذارد. نورمن به من گفت که همکار او در پرینستون، اوری حسن، این فیلم ها را به ویژه در این زمینه مفید دانسته است. نورمن گفت: «آنها مغز افراد را به طور هماهنگ از طریق فضای ذهنی می کشانند. چیزی که آلفرد هیچکاک را به استاد تنش تبدیل می‌کند این است که تمام افرادی که فیلم را تماشا می‌کنند، مغزشان یکپارچه می‌سوزد. به معنای واقعی کلمه مانند کنترل ذهن است.»

یک روز بعد از ظهر در کلاس لیسانس نورمن نشسته بودم، "رمزگشایی fMRI: خواندن افکار با استفاده از اسکن مغز". وقتی دانش‌آموزان وارد سالن شدند، لپ‌تاپ و بطری‌های آب خود را روی میزها گذاشتند، نورمن با عینک و هدفون لاک‌پشتی با موهای ژولیده وارد شد.

او کلاس را وادار به تماشای ویدیویی از "Seinfeld" کرد که در آن جورج، سوزان (مدیر عامل NBC که او با او خواستگاری می کند) و کرامر با جری در آپارتمان او می گذرند. تلفن زنگ می خورد و جری پاسخ می دهد: این بازاریابی تلفنی است. جری با تشویق حضار در استودیو تلفن را قطع کرد.

نورمن پرسید: "مرز رویداد در ویدئو کجا بود؟" دانش آموزان به صورت گروهی فریاد زدند: «زمانی که تلفن زنگ خورد! روانشناسان مدت هاست می دانند که ذهن ما تجربیات را به بخش هایی تقسیم می کند. در این مورد این تماس تلفنی است که دلیل این جدایی است.

نورمن یک سری اسلاید به کلاس نشان داد. یکی از آنها مطالعه سال 2017 توسط کریستوفر بالداسانو، یکی از همکاران فوق دکتری او را توصیف می کند، که در آن مردم در حین اسکن fMRI، قسمتی از سریال شرلوک را تماشا کردند. فرض Baldassano در این مطالعه این است که برخی از الگوهای وکسل در جریان انتقال ویدیو ثابت خواهند بود - برای مثال، آنهایی که در پردازش رنگ نقش دارند. دیگران پایدارتر خواهند بود، مانند کسانی که نماینده قهرمان نمایش هستند. مطالعه این پیش بینی ها را تایید کرد. اما بالداسانو همچنین گروه‌هایی از وکسل‌ها را پیدا کرد که در هر صحنه الگوی ثابتی داشتند و پس از پایان آن تغییر می‌کردند. او به این نتیجه رسید که اینها "امضای" وکسل صحنه ها هستند.