Томпсон полагает, что существуют определенные среды, в которых существующих методов управления, таких как голос и жесты, недостаточно, в связи с чем использование AR-технологии может быть ограничено. «Это особенно актуально для использования AR-технологии в промышленных объемах», – говорит он. Например, Neurable может использоваться с HoloLens для визуализации чертежей строящегося здания, когда голосом или жестами нельзя идеально задать параметры. Чтобы включить фильтр электропроводки на чертеже в AR-приложении, работнику может быть сложно использовать голосовые команды из-за шума стройки или использовать средства управления жестами при управлении машинами или использовании физических инструментов. Neurable помогает решить эту проблему, предлагая альтернативный способ взаимодействия с AR.
Принцип действия технологии, разрабатываемой в Neurable, это не просто «чтение мыслей». «Никто еще не понял этого», – говорит Томпсон. Разработки Neurable предоставляют вам выбор вариантов, из которых вы затем выбираете желаемый. Ваш выбор ограничен тем, что в этот момент отображается на экране. Томпсон объясняет:
Томпсон указывает на то, что в Neurable большое внимание уделяется акценту на потребителя и аналитике прогнозов. «Это применимо к спокойным технологиям постольку, поскольку мы можем предложить варианты и информацию людям только тогда, когда, по нашему мнению, это актуально», – говорит он. Томпсон отмечает, как человек может использовать ЗВП для снижения нагрузки на мозг с помощью программного обеспечения, которое реагирует на биометрические данные и отображает только самую необходимую информацию. Исследователи из Финляндии работают над анализом мозговых волн как метода выбора ключевых компонентов из информационного массива.
Исследователи из Хельсинкского института информационных технологий (ХИИТ) продемонстрировали способность рекомендовать новую информацию, основываясь на данных мозговых сигналов. Исследователи завершили проект с использованием датчиков ЭЭГ для мониторинга сигналов мозга людей, читающих текст в статьях Википедии, в сочетании с моделями машинного обучения, способными интерпретировать данные ЭЭГ, и определять, что читатели считают интересным. Используя этот метод, команда ученых смогла создать список ключевых слов, которые были помечены как информационные маркеры. Затем информация может использоваться для предсказания других интересных статей Википедии этому человеку.
В будущем такой метод анализа ЭЭГ может быть применен для создания фильтров в социальных сетях, например для определения содержания, представляющего интерес для кого-то, использующего AR.
«Существует целая группа исследований взаимодействий по типу мозг-компьютер, но, как правило, основная область, в которой ведется работа, – это однозначные команды для компьютеров, – говорит[212]
исследователь Туукка Руотсало. – Таким образом, это означает, что, например, если вы хотите управлять светом в комнате и создаете однозначный алгоритм для этого, вы мысленно представляете, как вы что-то делаете, а затем компьютер пытается прочитать вашу мысль».«В данном случае технология развивалась естественным образом – вы просто читаете, и мы не заставляем вас думать о том, чтобы использовать свою левую или правую руку, когда вы доходите до слова, которое вас интересует», – говорит Руотсало, – Таким образом, это чисто пассивное взаимодействие, в некотором смысле. Вы просто читаете, а компьютер может выявлять слова, которые вам интересны или актуальны в контексте того, что вы делаете».