Forscher der University of Texas in Austin haben ein neues künstliches Intelligenzsystem namens „semantischer Decoder“ entwickelt, das dazu in der Lage ist Gehirnaktivität übersetzen einer Person in einem kontinuierlichen Textstrom.
Diese innovative Technologie hat das Potenzial, Menschen zu helfen, die zwar geistig wach sind, aber keine Sprache entwickeln können, wie zum Beispiel Menschen, die durch Schlaganfälle geschwächt sind.
Mehr sehen
Google entwickelt KI-Tool, um Journalisten bei… zu helfen
Ungeöffnetes Original-iPhone von 2007 wird für fast 200.000 US-Dollar verkauft; wissen...
Wenn man einer Geschichte zuhört oder sich die Erzählung im Stillen vorstellt, wird die System entschlüsselt Gehirnsignale und wandelt sie in Text um, wodurch die Ideen und Gedanken dieser Menschen ausgedrückt werden können.
Dieser vielversprechende Erfolg könnte neue Perspektiven für Kommunikation und Lebensqualität für Menschen eröffnen, die aufgrund von Erkrankungen oder Verletzungen mit Sprachproblemen konfrontiert sind.
Die Studie, die zur Entwicklung des „semantischen Decoders“ führte, wurde von Jerry Tang, einem Studenten der Universität, durchgeführt in Informatik, und Alex Huth, Assistenzprofessor für Neurowissenschaften und Informatik an der Universität.
Die Ergebnisse dieser Forschung wurden in der Zeitschrift veröffentlicht Naturneurowissenschaften, eine der angesehensten wissenschaftlichen Veröffentlichungen auf diesem Gebiet.
Die gemeinsame Leitung der Forschung durch Tang und Huth unterstreicht die Zusammenarbeit zwischen Informatik und der Neurowissenschaften und strebt nach bedeutenden Fortschritten in der Schnittstelle zwischen menschlichem Gehirn und Intelligenz künstlich.
Die von den Forschern durchgeführte Arbeit nutzt ein Transformatormodell, ähnlich jenen, die in Systemen wie Bard – von Google – und ChatGPT – von OpenAI verwendet werden.
Das von den Forschern entwickelte System unterscheidet sich jedoch dadurch, dass es keine chirurgischen Implantate bei den Probanden erfordert und somit eine nicht-invasive Methode ist. Darüber hinaus sind die Teilnehmer im Gegensatz zu anderen in der Entwicklung befindlichen Sprachdekodierungssystemen nicht auf eine vorgeschriebene Liste von zu kommunizierenden Wörtern beschränkt.
Wie funktioniert die Methode „Gedankenlesen“?
Nach einem ausführlichen Decoder-Training, bei dem der Patient stundenlang Podcasts auf dem Scanner hört, wird die Gehirnaktivität mit einem fMRT-Scanner gemessen.
Wenn der Teilnehmer später bereit ist, seine Gedanken entschlüsseln zu lassen, kann die Maschine dies generieren Allein durch die Gehirnaktivität entsteht der entsprechende Text, unabhängig davon, ob man sich eine neue Geschichte anhört oder sich vorstellt, eine neue Geschichte zu erzählen. Geschichte.
Die Forscher haben das Dekodierungssystem so konzipiert, dass es die Essenz dessen erfasst, was gesagt oder gedacht wird, anstatt eine exakte Wort-für-Wort-Transkription bereitzustellen.
Obwohl das System unvollkommen ist, hat es bewiesen, dass es in der Lage ist, Texte zu erstellen, die der beabsichtigten Bedeutung der ursprünglichen Wörter nahe kommen und diese teilweise genau wiedergeben.
Der von den Forschern entwickelte Decoder ermöglicht die kontinuierliche Decodierung von Sprache über lange Zeiträume und umfasst komplexe Ideen.
Während etwa der Hälfte der Zeit, in der der Decoder darauf trainiert wurde, die Gehirnaktivität eines Teilnehmers zu überwachen, wurde der Maschinengenerierter Text, der die gewünschte Bedeutung von Wörtern widerspiegelt und so zu einer effektiveren Kommunikation beiträgt verständlich.
Laut Huth stellt dieser Ansatz einen deutlichen Fortschritt im Vergleich zu bisherigen Methoden dar, die oft auf einzelne Wörter oder kurze Sätze beschränkt waren.
Das System strebt keine wörtliche Wort-für-Wort-Transkription an, sondern die Erfassung der Essenz dessen, was gesagt oder gedacht wird, wenn auch unvollkommen.
Obwohl das aktuelle System auf der Verwendung eines funktionellen Magnetresonanztomographen (fMRT) beruht, was seine Anwendbarkeit außerhalb der Laborumgebung einschränkt, ist das Forscher glauben, dass ihre Arbeit für tragbarere Gehirnbildgebungssysteme wie die funktionelle Nahinfrarotspektroskopie angepasst werden kann (fNIRS).
Laut Huth misst fNIRS den Blutfluss im Gehirn zu verschiedenen Zeitpunkten, wobei es sich im Wesentlichen um denselben Signaltyp handelt, den fMRT erkennt.
Daher könnte der in der Studie verwendete Ansatz auf fNIRS angewendet werden. Trotz dieser Einschränkung wird angenommen, dass die Essenz von Methode Das von den Forschern entwickelte System kann für fNIRS angepasst werden und ebnet so den Weg für ein tragbareres und zugänglicheres System zur Dekodierung der Gehirnaktivität.
Liebhaber von Filmen und Serien und allem, was mit Kino zu tun hat. Ein aktiver Neugieriger in den Netzwerken, immer verbunden mit Informationen über das Internet.