به نقل از زومیت، پژوهشگران مؤسسه ی پیشرفته ی علم و فناوری کره (KAIST) با همکاری مایکروسافت ریسرچ آسیا، روشی نوین به نام انطباق ارزش عصبی (NVA) ابداع کرده اند. این فناوری با ثبت امواج مغزی از طریق الکتروانسفالوگرافی (EEG)، متوجه واکنش های ذهنی کاربر هنگام مشاهده ی اشتباهات هوش مصنوعی می شود و به سیستم امکان می دهد مسیر تصمیم گیری خود را به شکل لحظه ای اصلاح کند.

مدل های کنونی هوش مصنوعی مقاصد انسانی را بر اساس داده های مشاهده پذیر نظیر متن، گفتار یا حرکات بدن تفسیر می کنند. از آنجا که رفتارهای بیرونی همواره دارای ابهام هستند، این پژوهش به جای تکیه بر نشانه های ظاهری، به بررسی مستقیم دو سیگنال مغزی یعنی خطای پیش بینی پاداش (RPE) و خطای پیش بینی وضعیت (SPE) پرداخته است.

خطای پیش بینی پاداش زمانی شکل می گیرد که کل هدف خروجی اشتباه باشد، مانند موقعیتی که فرد درخواست آب دارد اما ربات برای او قهوه می آورد. در مقابل، خطای پیش بینی وضعیت بازتاب دهنده ی مسیریابی یا روش نادرست برای رسیدن به یک هدف درست است.

پژوهشگران با استفاده از یادگیری عمیق موفق شدند این الگوهای مغزی متمایز را دسته بندی کنند و سیستم را بدون دریافت فرمان صوتی یا متنی متوجه نوع اشتباه سازند.

پروفسور سانگ وان لی، سرپرست این پژوهش، می گوید: این پژوهش از آن جهت حائز اهمیت است که نشان می دهد هوش مصنوعی می تواند فراتر از استنباط نیت انسان صرفا از روی نتایج رفتاریِ قابل مشاهده حرکت کند و در عوض، مستقیما از سیگنال های شناختیِ تولیدشده در مغز حین همکاری با هوش مصنوعی بهره ببرد.

یافته های این مطالعه که در نشریه ی علمی IEEE Transactions on Cybernetics منتشر شده است، چشم اندازی برای به کارگیری در ربات های خانگی، سامانه های صنعتی، خودروهای خودران و تجهیزات توان بخشی ترسیم می کند. البته بهره برداری کامل از این دستاورد در شرایط طبیعی و خارج از شبیه سازی های آزمایشگاهی، نیازمند توسعه ی حسگرهای الکترود دقیق تر و مقاوم در برابر نویزهای حرکتی خواهد بود.