Compreender a precisão com que as pessoas tomam decisões durante tarefas complexas tornou-se mais claro graças a um novo método que combina informações de sinais e imagens cerebrais. A pesquisa inovadora foi publicada recentemente na revista Scientific Reports. A pesquisa foi conduzida pelo estudante de doutorado Xu-The Tran, co-supervisionado pelo professor Chin-Teng Lin, pelo professor Nikhil Pal, pelo professor Tzyy-Ping Jung e pelo Dr. Thomas Do em instituições como a Universidade de Tecnologia de Sydney, o Instituto Indiano de Estatística e a Universidade da Califórnia, San Diego.
Os pesquisadores criaram uma estrutura que usa aprendizado de máquina, um tipo de inteligência artificial que aprende padrões a partir de dados, para analisar a atividade cerebral e detalhes de imagens para prever se uma pessoa responderá corretamente durante uma tarefa desafiadora. O método utiliza Modelos Arbitrários Segmentados (SAM) para identificar e isolar objetos em imagens. Ele extrai recursos das características do objeto alvo e do relacionamento entre o objeto alvo e os objetos vizinhos para melhorar a precisão da previsão. Os sinais cerebrais são coletados por meio de eletroencefalografia (EEG), uma técnica não invasiva. Os recursos extraídos dos dados de EEG são então fundidos com recursos de imagem para melhorar ainda mais a precisão da previsão. O professor Lin explicou: “Este desenvolvimento destaca como a combinação de informações e imagens cerebrais pode melhorar a nossa compreensão de como as pessoas tomam decisões”.
Neste estudo, os participantes foram convidados a procurar animais em fotos. Os animais são camuflados para simular desafios semelhantes a situações do mundo real, dificultando as tarefas. “Ao contrário de outros estudos em que os participantes podem adivinhar por acaso, esta configuração torna a adivinhação mais difícil, testando melhor a forma como as pessoas pensam e tomam decisões”, explica o Dr. Os pesquisadores registraram a atividade elétrica do cérebro e a mediram usando eletroencefalografia, que captura sinais cerebrais com sensores colocados no couro cabeludo e os analisa junto com recursos de imagem para ver como ambos influenciam a tomada de decisões.
Os resultados mostraram que a combinação de dados cerebrais e de imagem funcionou melhor do que qualquer um deles isoladamente. “Quando testada, esta abordagem combinada alcançou uma precisão significativamente maior na previsão de decisões corretas em comparação com modelos que dependiam de apenas um tipo de dados”, disse o autor principal Xu-The Tran. Isso destaca as vantagens de combinar múltiplas fontes de informação para compreender melhor o comportamento humano.
O professor Nikhil Pal acrescentou: “Esta investigação não só ajuda a prever a precisão das decisões, mas também fornece uma estrutura para a concepção de sistemas que alertam os utilizadores sobre potenciais erros antes que estes ocorram. Tais sistemas podem ser vitais em áreas críticas como a saúde ou a defesa, onde evitar erros pode salvar vidas.”
Um fator chave para esse sucesso é a utilização aprofundada dos recursos de imagem. Os recursos extraídos identificam relações entre objetos em imagens e são transformados para se integrarem perfeitamente aos recursos neurais do EEG. “Os sinais cerebrais de regiões conhecidas por estarem envolvidas na detecção de objetos e na tomada de decisões, como as regiões occipitais e parietais responsáveis pelo processamento de informações sensoriais e pela tomada de decisões, desempenham um papel importante no desempenho do modelo”, acrescentou o professor Tzyy-Ping Jung. A equipe descobriu que treinar o modelo com dados de participantes individuais funcionou melhor do que treinar o modelo com dados combinados do grupo, sugerindo que a tomada de decisão difere de pessoa para pessoa.
Ao combinar a análise detalhada da atividade cerebral com a análise sofisticada de imagens, esta pesquisa abre possibilidades interessantes para o desenvolvimento de sistemas que podem prever a capacidade das pessoas de realizar tarefas em tempo real. A equipe planeja expandir sua pesquisa usando mais dados e refinando o modelo para torná-lo mais adequado para aplicações cotidianas.
Referência do diário
Tran XT, Do T., Pal NR, Jung TP, Lin CT “Fusão multimodal para prever o desempenho da tomada de decisão humana.” Relatórios Científicos, 2024. DOI: https://doi.org/10.1038/s41598-024-63651-2
Sobre o autor
Lin Jinteng O ilustre professor Lin Qin-Teng recebeu seu diploma de bacharel em ciências pela National Chiao Tung University em Taiwan em 1986, e seu mestrado e doutorado em engenharia elétrica pela Purdue University nos Estados Unidos em 1989 e 1992, respectivamente.
Atualmente é Professor Distinto na Escola de Ciência da Computação, Diretor do Centro de Inteligência Artificial Centrada no Ser Humano (HAI) e Codiretor do Instituto Australiano de Inteligência Artificial (AAII) na Escola de Engenharia e Tecnologia da Informação da Universidade de Tecnologia de Sydney, Austrália. Ele também é professor catedrático honorário do Departamento de Engenharia Elétrica e de Computação da Universidade Nacional Chiao Tung. Por suas contribuições para sistemas de informação de inspiração biológica, o professor Lin recebeu o título de Fellow do IEEE em 2005 e Fellow da International Fuzzy Systems Association (IFSA) em 2012. Ele ganhou o IEEE Fuzzy Systems Pioneer Award em 2017. De 2011 a 2016, atuou como editor-chefe do IEEE Transactions on Fuzzy Systems e ocupou cargos importantes. IEEE Circuits and Systems (CAS) Society (2005-2008), IEEE Systems, Man, Cybernetics (SMC) Society (2003-2005), IEEE Computational Intelligence Society (2008-2010) assentos no conselho; Presidente do Capítulo IEEE Taipei (2009-2010); Presidente do Comitê de Prêmios IEEE CIS (2022, 2023); IEEE CAS Association (2003-2005) e CIS Association (2015-2017) Distinguished Lecturer; Presidente do Comitê do Programa IEEE CIS Distinguished Lecturer (2018-2019); IEEE Transactions on Circuits e Editor Associado de Systems-II (2006-2008); Presidente do Programa da Conferência Internacional IEEE sobre Sistemas, Homem e Cibernética (2005); Presidente da Conferência Internacional IEEE 2011 sobre Sistemas Fuzzy.
O professor Lin é coautor de “Sistemas Neuro-Fuzzy” (Prentice-Hall) e autor de “Sistemas de controle neuro-fuzzy com aprendizagem de estrutura e parâmetros” (World Scientific). Suas 948 publicações incluem 3 livros; 28 capítulos de livros; 485 artigos de periódicos; 432 artigos de conferências, incluindo cerca de 232 artigos de periódicos do IEEE, envolvendo redes neurais, sistemas difusos, interfaces cérebro-computador, processamento de informações multimídia, neuroengenharia cognitiva, colaboração humano-computador e outros campos, e foram citados mais de 40.065 vezes. Atualmente, seu índice h é 96 e o índice i10 é 464.
Nikhil Pal Ele é professor do Departamento de Eletrônica e Ciências da Comunicação e diretor fundador do Centro de Inteligência Artificial e Aprendizado de Máquina do Instituto Indiano de Estatística. Seus atuais interesses de pesquisa incluem ciência do cérebro, inteligência computacional, aprendizado de máquina e mineração de dados.
De janeiro de 2005 a dezembro de 2010, atuou como editor-chefe do IEEE Transactions on Fuzzy Systems. Ele atua ou atuou como membro do conselho editorial/consultivo/comitê de direção de vários periódicos, incluindo International Journal of Approximate Reasoning, Applied SoftComputing, International Journal of Neural Systems, Fuzzy Sets and Systems, Transações IEEE em Sistemas Fuzzy e Transações IEEE sobre Cibernética.
Ele recebeu o prêmio Fuzzy Systems Pioneer da IEEE Computational Intelligence Society (CIS) de 2015 e o prêmio de serviço meritório IEEE CIS de 2021. Ele proferiu diversas palestras plenárias/keynotes em diferentes conferências internacionais importantes na área de inteligência computacional. Ele atuou como presidente geral, presidente de programa e presidente de coprograma em diversas conferências. Ele atuou como IEEE CIS Distinguished Lecturer (2010-2012, 2016-2018, 2022-2024) e membro do IEEE CIS Management Committee (2010-2012). Ele atuou como vice-presidente de publicações do IEEE CIS (2013-2016) e presidente do IEEE CIS (2018-2019).
Ele é membro do Instituto de Ciência e Tecnologia de Bengala Ocidental, Instituto de Engenheiros Eletrônicos e Telecomunicações, Academia Nacional de Ciências, Academia Nacional de Engenharia, Academia Nacional de Ciências, Associação Internacional de Sistemas Fuzzy (IFSA), Academia Mundial de Ciências e IEEE, EUA.
Zhen Ziping (S’91-M’92-SM’06-F’15) recebeu seu diploma de bacharel em engenharia eletrônica pela National Chiao Tung University, Hsinchu, Taiwan, em 1984, e seu mestrado e doutorado em engenharia eletrônica pela National Chiao Tung University, Hsinchu, Taiwan, em 1999. graduação em engenharia elétrica pela The Ohio State University, Columbus, Ohio, EUA, em 1989 e 1993, respectivamente. Atualmente, ele atua como codiretor do Centro de Engenharia Neural Avançada e diretor associado do Centro Swartz de Neurociência Computacional da UC San Diego. Além disso, ele é professor adjunto do Departamento de Bioengenharia da Universidade da Califórnia, San Diego. Jung estendeu suas contribuições acadêmicas internacionalmente, atuando como professor adjunto na Universidade de Tianjin e na Universidade de Ciência e Tecnologia de Pequim, na China, e na Universidade Nacional Tsing Hua e na Universidade Nacional Yang-Ming Chiao Tung, em Taiwan.
Jung foi o pioneiro na técnica transformadora de aplicação de separação cega de fontes para decompor dados multicanais de EEG, MEG, ERP e fMRI. Em reconhecimento à sua contribuição para a separação cega de fontes para aplicações biomédicas, ele foi promovido a IEEE Fellow em 2015. Ele também é membro da Asia Pacific Artificial Intelligence Association (AAIA). A pesquisa do Dr. Jung enfatiza a integração da ciência cognitiva, ciência da computação e engenharia, neurociência, bioengenharia e engenharia elétrica. Seu trabalho interdisciplinar é altamente considerado por seus pares e amplamente citado, com aproximadamente 47 mil citações. Hora-De acordo com o Google Scholar, o índice é 92.
Thomas Du é professor sênior e codiretor do Centro de Interação Humano-Inteligência Artificial (HAI) da Universidade de Tecnologia de Sydney (UTS). Ele possui doutorado em ciência da computação pela Universidade de Tecnologia de Sydney e mestrado em interação humano-computador pelo Instituto Coreano de Ciência e Tecnologia.
A sua investigação centra-se na integração de inteligência artificial (IA), interface cérebro-computador (BCI), interação humano-computador e robótica, com especial enfoque na utilização da tecnologia BCI para aplicações de assistência. A visão do Dr. Do é preencher a lacuna entre a neuroengenharia e as aplicações práticas, desenvolvendo sistemas de ponta baseados em inteligência artificial que convertem sinais cerebrais em resultados acionáveis.
