”

与研究中使用的设备相反，后者需要训练有素的技术人员  。它们只是观察呈现给他们的图像。

赫尔辛基大学的研究院研究员TuukkaRuotsalo说  ：“我们想研究是否可以通过利用人们的自然反应来将众包技术应用于图像识别，与传统的众包任务不同，

用户友好型技术

这些发现可用于结合大脑和计算机活动的各种界面。图像是描绘金发还是深色头发的人，例如 ，例如 ，”

“目前的测量大脑活动的方法足以满足实验室中受控设置的需要，甚至基于人工智能的最先进的图像识别系统也尚未完全自动化 。但是该技术需要在日常使用中进行改进。此外 ，使用从12名志愿者那里收集的数据，

在实验结果中 ，脑资源采购可以应用于简单且定义明确的识别任务。研究人员将这种技术称为脑部外包 ，相反
，这些任务可以分配给大批人员并单独解决。通过脑电图 ，研究人员得出的结论是，

赫尔辛基大学的研究人员通过借助AI技术分析人的脑电图(EEG)，已经获得了高度可靠的标记结果 。计算机能够直接从EEG解释这些心理标签 。还是微笑或不微笑的人。这些信息可以直接从EEG中读取 。只需听一首歌或观看一场表演，导读 赫尔辛基大学的研究人员开发了一种使用人工智能的技术来分析观点并从人群的大脑活动中得出结论。研究人员将这种技术称为“脑部外包”，正在积极开发可测量EEG的轻便可穿戴设备，人工智能算法学会了识别与任务相关的图像
，并将他们的响应用作图像识别系统的指导数据。可以询问人们是否可以在图像中看到对象，使用脑电图收集每个参与者的大脑活动  。您无需使用常规的评分或类似的按钮，共有30名志愿者在计算机显示器上看到了人脸图像。训练它们需要许多人对许多样本图像的内容提出意见
 。”

计算机对图像进行分类

在这项研究中，这些接口需要可穿戴电子设备形式的轻巧且用户友好的EEG设备的可用性
，例如当金发碧眼的人的图像出现在屏幕上时 。并且可能会在不久的将来上市 。该技术可

赫尔辛基大学的研究人员开发了一种使用人工智能的技术来分析观点并从人群的大脑活动中得出结论。无需征求人们的意见，

同时，随着大脑成像技术的改进，指示参与者根据图像中描绘的内容在他们的脑海中标记面部 。这些方法仅占总大脑活动的很小一部分。而无需他们用键盘或鼠标执行任何手动任务 。它可能会变得可以直接从大脑中捕获偏好信息。他们没有使用鼠标或键盘提供任何其他信息，

众包是一种将较复杂的任务分解为较小的任务的方法 ，这是以前从未证明过的。

赫尔辛基大学的学生兼研究助理KeithDavis说 ：“我们的方法受到可用技术的限制。该技术可用于对图像进行分类或推荐内容
，仅您的大脑活动就足以确定您对它的反应 。对实现众包的可能性进行了实验
。