Российская команда исследователей собрала открытую базу данных концентрации, в которую вошли синхронные записи ЭЭГ, ЭКГ и видео 49 добровольцев. Для русскоязычной IT-аудитории это не сюжет про абстрактную науку, а редкий случай, когда у разработчиков, исследователей ИИ и команд, работающих с нейроинтерфейсами, появляется публичный набор данных не «когда-нибудь потом», а уже сейчас.
Проект сделан при участии ученых НИУ ВШЭ в Санкт-Петербурге, а результаты опубликованы в журнале Scientific Data, сообщает CNews. Исследователи называют эту работу первой открытой мультимодальной базой, где состояние сосредоточенности можно изучать сразу по нескольким каналам: электрической активности мозга, работе сердца и видеозаписи лица. Для области, где все любят говорить о «понимании внимания», но гораздо реже выкладывают качественные данные в открытый доступ, это заметное событие.
Главная проблема таких исследований давно известна: одного надежного биомаркера концентрации у науки пока нет. ЭЭГ используют часто, но по одному сигналу нельзя уверенно и одинаково точно определить, действительно ли человек глубоко сосредоточен, устал, отвлекся или просто сидит с очень убедительным видом. Поэтому исследователи и пошли в мультимодальность: если соединить ЭЭГ с ЭКГ и видео, можно искать устойчивые закономерности на пересечении нескольких физиологических процессов. Для тех, кто строит ML-модели на данных о состоянии человека, подход вполне понятный: чем беднее вход, тем больше соблазн принять шум за закономерность.
Эксперимент был устроен довольно практично. В исследование включили 49 человек, причем половина участников много лет занималась йогой и медитацией, а вторая половина составила контрольную группу без такого опыта. Каждый проходил пять этапов общей длительностью около 45 минут: состояние покоя, задание на внутреннюю концентрацию, затем задача на внешнюю концентрацию, после этого режим свободного блуждания мыслей и, наконец, субъективная самооценка качества концентрации. Внутренняя концентрация проверялась через удержание внимания на воображаемой точке в центре лба, внешняя — через поиск объекта на сложных изображениях. На всем протяжении эксперимента ученые одновременно записывали ЭЭГ, ЭКГ и видео лица участника.
Из полученных данных исследователи сделали важный, хотя и не сенсационный вывод: состояние сосредоточенности действительно отличается от состояния, когда мысли свободно перескакивают с темы на тему. Более интересна другая деталь. У людей с опытом йоги и медитации эти различия выражены заметнее, а значит, уровень концентрации у них проще выявлять по ЭЭГ. Наиболее информативными оказались сигналы из лобных отделов мозга, связанных с вниманием. При этом авторы отдельно подчеркивают: универсального показателя концентрации, который одинаково работает для всех людей, все еще нет. Собственно, ради поиска таких признаков и нужна база данных концентрации — чтобы с ней могли работать другие лаборатории и перепроверять гипотезы на едином материале.
Для рынка это важнее, чем может показаться по заголовку. Нейроинтерфейсы, цифровая реабилитация, адаптивные образовательные системы, инструменты оценки когнитивной нагрузки в профессиональной среде — все эти направления давно упираются не только в алгоритмы, но и в дефицит нормальных данных. Когда разработчики пытаются собирать собственные датасеты, они почти всегда получают маленькие выборки, разрозненные протоколы и слабую воспроизводимость. Открытая база данных концентрации не решает проблему целиком, но хотя бы задает общую точку отсчета. Для исследовательских команд это шанс быстрее тестировать модели, для стартапов — меньше тратить ресурсов на первичную разметку и пилотные сборы, для HR-tech и EdTech — трезвее смотреть на границы того, что вообще можно измерить без магического мышления.
Есть и еще один важный слой. Последние годы в AI и cognitive science растет интерес к системам, которые подстраиваются под состояние пользователя в реальном времени: меняют сложность задач, замечают спад внимания, адаптируют интерфейс или режим обучения. Но любая такая система быстро превращается либо в игрушку, либо в источник ложных срабатываний, если за ней нет нормальной физиологии и проверяемых данных. В этом смысле работа команды с участием Елены Артеменко, заместителя заведующего Лабораторией социальной и когнитивной информатики, выглядит как попытка вынести разговор из зоны маркетинга в зону измерений. Авторы прямо говорят, что база может пригодиться не только для фундаментальной науки, но и для разработки реабилитационных технологий после инсульта и травм мозга, а также для систем оценки внимания в образовании и профессиональной деятельности.
Проект выполнен при поддержке Программы фундаментальных исследований ВШЭ, и здесь важен не только сам набор данных, но и модель работы. Чем больше исследований в нейротехе будут строиться вокруг открытых, синхронизированных и пригодных для повторной проверки данных, тем меньше на рынке останется громких заявлений без инженерного содержимого. Вопрос теперь не в том, можно ли измерять внимание, а в том, кто быстрее превратит такие академические заделы в рабочие инструменты без перегиба в сторону псевдонауки.