I de senere år har vi set konstant fremgang i mulighederne for maskiner udstyret med kunstig intelligens (AI), herunder med hensyn til at læse menneskelige sind.
Derfor har forskere brugt AI-baseret videogenereringsteknologi til at give et "rigtigt" billede af, hvad der foregår i vores sind.
se mere
Dette er de 4 stjernetegn, der elsker ensomhed mest, ifølge...
Google udvikler AI-værktøj til at hjælpe journalister i...
Fortolkningen af luftsignaler er hovedsageligt drevet af håbet om, at vi en dag vil være i stand til at tilbyde nye måder at kommunikere på for mennesker i koma eller med forskellige former for lammelser.
Derudover kan teknologien også skabe mere intuitive grænseflader mellem mennesker og maskiner, med mulige applikationer til raske mennesker.
Til dato har det meste af forskningen fokuseret på at genskabe patienters interne monologer ved at identificere de ord, de tænker på ved hjælp af AI-systemer.
Selvom de mest lovende resultater er opnået ved brug af invasive luftimplantater, er denne fremgangsmåde usandsynligt den praksis, de fleste mennesker bruger.
AI bruges til at skabe "mind-videoer"
Forskere ved National University of Singapore og det kinesiske universitet i Hong Kong opnået gennembrud ved at kombinere ikke-invasive indlejrede scanninger med billedgenereringsteknologi. AI billeder.
De kunne lave korte videoklip, der minder slående om de klip, deltagerne så, da deres radiale data blev indsamlet.
For at opnå dette resultat trænede forskerne først en model ved hjælp af store datasæt indsamlet ved hjælp af fMRI-antennescannere.
De kombinerede derefter den model med billedteknologi AI stabil diffusion, open source, for at skabe de tilsvarende billeder.
En artikel for nylig offentliggjort på arXiv prepress-serveren har en lignende tilgang til forfatternes tidligere forskning.
Men denne gang tilpassede de systemet til at fortolke radiale datastrømme og konvertere dem til videoer i stedet for stillbilleder.
Først fulgte forskeren træningen af modellen ved hjælp af omfattende datasæt fMRI, så han kunne få viden om de generelle karakteristika ved disse scanninger elektriske.
Derefter udvidede de træningen, så modellen kunne behandle en sekvens af fMRI-scanninger i stedet for at behandle dem individuelt.
Efterfølgende blev modellen vedligeholdt til en ny uddannelse, denne gang ved hjælp af kombinationen af fMRI-scanninger, videoklip, der fremkaldte denne hjerneaktivitet, og tekstsekvens tilsvarende.
I en separat tilgang tilpassede forskeren den fortrænede model Stabil diffusion at generere videoer i stedet for stillbilleder.
Denne model blev derefter udsat for en ny træning ved hjælp af de samme videoer og tekstsekvens, som blev brugt til træning af den første model.
Efterfølgende blev de to modeller kombineret og tilpasset ved hjælp af fMRI-scanningerne og deres respektive tilhørende videoer.
Søgeresultat
Efter at have kombineret og tunet modellerne var det resulterende system i stand til at udføre nye fMRI-scanninger, som ikke tidligere havde været tilgængelige. tidligere fundet og genereret videoer, der havde afsløret ligheder med de klip, som de menneskelige deltagere havde set.
Selvom der stadig er plads til forbedringer, er AI-outputtet generelt meget tæt på de originale videoer, nøjagtig gengivelse af scener af afgrøder eller hestebesætninger, og opretholdelse af visualisering med farvepaletten Brugt.
Forskerne bag undersøgelsen siger, at dette forskningsområde har potentielle anvendelser både inden for grundlæggende neurovidenskab og i fremtidige hjerne-maskine-grænseflader.
Men de anerkender også behovet for regeringsbestemmelser og indsats fra det videnskabelige samfund til beskytte privatlivets fred for biologiske data og forhindre potentiel ondsindet brug af denne teknologi som godkendt i deres arbejde.
Denne forskningslinje baner vejen for fremskridt, der er i stand til at nå forståelsen af det menneskelige sind og det udvikling af teknologier, der kan etablere mere sofistikerede grænseflader mellem hjernen og maskiner.
Selvom der er vigtige overvejelser, som skal tages op, såsom beskyttelse af personlige data og forebyggelse af misbrug, er den potentielle videnskabelige og teknologiske fordel lovende.
Elsker af film og serier og alt hvad der involverer biograf. En aktiv nysgerrig på netværkene, altid forbundet med information om nettet.
