⁉️Разве можно исследовать личность человека с помощью ЭЭГ?

Часто наша идея вызывает сомнения. Однако, искать взаимосвязь между личностными качествами и параметрами ЭЭГ - не наша идея, и существует она давно.

Развитию психофизиологического подхода в исследовании личности способствовали теории, рассматривающие человека как единство природного и социального.

В отечественной психологии исследованием личности занимались Б.Г. Ананьев, А.Г. Ковалев, B.C. Мерлин, В.Н. Мясищев, К.К. Платонов и В.М. Русалов. Перечисленные авторы рассматривают личность как соотношение биологического и социального.

А также анализ ряда теорий личности в американской и западной психологии позволяет предположить, что прогресс в этой области исследований в XXI веке должен быть связан с изучением нейрофизиологических, биохимических и генетических основ личности.

Гасто один из первых исследовал характеристики личности и биоэлектрическую активность головного мозга. Автор разработал классификацию электроэнцефалограмм здоровых людей. Классификация содержит три типа и, по мнению автора, связана с поведением человека.
Первый тип – гипервозбудимый, характеризующийся вспышками альфа-ритма при частоте 11-13 Гц в затылочных отделах мозга и бета-ритма с частотой 15-20 Гц в лобных отделах.
Второй тип – гиповозбудимый, характеризующийся доминирующим альфа-ритмом с частотой 8-9 Гц. Третий тип – неустойчивый, характеризующийся чередованием нерегулярных альфа и бета-ритмов.

В отечественной психологии исследованием связи между ЭЭГ и свойствами нервной системы занимался В.Д. Небылицын. По результатам проведенных экспериментов автор пришел к выводу, что существует связь между альфа-ритмом и динамикой тормозного процесса, а у бета-ритма с процессом возбуждения.

О.М. Базанова проводила исследование по выявлению закономерностей изменения индивидуальных характеристик альфа-активности в ЭЭГ человека в зависимости от пола, возраста и нейрогуморальных факторов, а также роли этой активности в процессе сенсорно-моторной интеграции и ее произвольной модификации с помощью методов биоуправления. В исследовании приняло участие 1574 человека.

Характер взаимосвязи индивидуальных характеристик альфа-активности с показателями невербальной креативности и формально-динамическими свойствами индивидуальности отличается в группах с высокой (ВЧ) и низкой (НЧ) индивидуальной альфа-частотой:
1) индивидуальные характеристики длительности и максимальной пиковой частоты и альфа-ритма положительно коррелировали с скоростью выполнения заданий на невербальную креативность и эргичность интеллекта только в группе НЧ;
2) ширина диапазона частоты альфа-ритма и вариабельность амплитуды веретена положительно связаны с параметрами пластичности интеллекта и гибкости в выполнении творческих задач в обеих группах;
3) Отрицательная связь наблюдается между оригинальностью в решении невербальных задач и индивидуальной частотой пика альфа-активности в группе НЧ, но положительная – в группе ВЧ.

М.В. Русалов проводил исследования взаимосвязи психической активности как черты темперамента с интегральными факторами ЭЭГ.
На основе полученных результатов автор предполагает, что у людей, актуализирующих раннее освоенные умения для выполнения сложных психомоторных и интеллектуальных заданий в рамках тестирования, наблюдается весьма высокий уровень когерентности и пространственно-временной синхронизации ЭЭГ-активности. Таким образом, показатели, отражающие интегративную длительность нервной системы, можно интерпретировать как индикаторы состояния готовности человека к сложной двигательной и интеллектуальной активности.

❓Как нейронная сеть способна выполнять функцию классификации?

⏺Это возможно благодаря глубокому обучению. Область глубокого обучения стала настоящей революцией в XXI веке. Ее история началась в 1943 году, когда нейрофизиолог Уоррен Маккалок и математик Уолтер Питтс предложили первую модель искусственного нейрона – простую единицу, которая воспринимала входящие сигналы и выдавала выходящие.

В процессе программирования, где разработчик вручную прописывает необходимые алгоритмы, глубокое обучение дает устройству свободу самостоятельно выбрать, как выполнить поставленную задачу. К примеру, чтобы научить систему узнавать кошек на картинках, не нужно объяснять ей, что такое усы, лапы или хвост, — достаточно показать тысячи фотографий, и она сама выделит ключевые признаки.

⏺Процесс обучения нейросети — это пошаговый процесс, похожий на обучение человека. Основные этапы сводятся к следующему:

✅Сбор данных: нужны большие, качественные и разнообразные наборы данных.

✅Предобработка: информация очищается от шума, нормализуется и разбивается на тренировочные, валидационные и тестовые выборки.

✅Выбор архитектуры: определяется тип сети (CNN, RNN, трансформер) и количество слоев.

✅Обучение: сеть проходит через данные многократно (эпохи), корректируя веса с помощью метода обратного распространения.

✅Оценка: проверяется точность на тестовых данных, чтобы избежать переобучения.

⏺Использование глубокого обучения не ограничивается его применением в программном обеспечении, а выходит за его рамки и сегодня активно используется в таких сферах жизни человека, как:

✅ Медицина: анализ медицинских изображений (рентген, МРТ), например, для диагностики рака. Также предсказывает развитие болезней и помогает разрабатывать лекарства.

✅ Финансы: сети выявляют мошеннические операции, анализируют рыночные тренды и управляют алгоритмической торговлей.

✅ Игры и развлечения: обучение ИИ играть в шахматы, генерировать музыку или создавать виртуальных персонажей.

✅ Промышленность: контроль качества на производстве, предсказание поломок оборудования, оптимизация логистики.

✅ Наука: моделирование физических процессов, анализ геномов, прогнозирование климата.

Глубокое обучение стало универсальным инструментом, который адаптируется под любые задачи.

⏺Мы разрабатываем архитектуру нейронной сети, которая сможет определять наиболее выраженные командные роли человека на основе данных нейроассессмента.

💵Рынок HR-tech в России растет, особенно в сегменте решений для оценки и развития сотрудников

⏺Согласно оценкам Smart Ranking рынок HR-tech в России вырос в 2024 году на 38%, совокупная выручка 80 крупнейших игроков достигла 99,3 млрд рублей. Для сравнения, такие рынки, как ЕdТech, fintech, gametech, выросли максимум на четверть.

⚡️Работа с студенческими стартапами

Когда речь идет о студенческой команде, в которой уровень профессиональных компетенций не высокий, важно закрыть недостающие гибкие навыки:

✅координация
✅коммуникация
✅критическое мышление
✅креативность

А сделать это можно, если собрать все функциональные роли в команде, найти лидера, эксперта, изобретателя, исполнителя и т.д. Это позволит ей успешно стартовать - договориться, распределить роли и задачи, наметить план действий и найти ресурсы, в то время как профессиональные компетенции будут органично расти по мере развития стартапа

На протяжении нескольких лет мы оказываем поддержку студенческим стартапам. Это работа, которая не покажет быстрый результат, но она важна. Так мы вносим вклад в развитие технологического лидерства