Investigadores de la Universidad de Texas en Austin han desarrollado un nuevo sistema de inteligencia artificial llamado "decodificador semántico" que tiene la capacidad de traducir la actividad cerebral de una persona en un flujo continuo de texto.
Esta tecnología innovadora tiene el potencial de ayudar a las personas mentalmente conscientes pero que no pueden desarrollar el habla, como aquellas que han sido debilitadas por derrames cerebrales.
vea mas
Google desarrolla una herramienta de IA para ayudar a los periodistas en…
El iPhone original de 2007 sin abrir se vende por casi $200,000; saber...
Al escuchar una historia o imaginar en silencio la narración, el sistema decodifica las señales cerebrales y las convierte en texto, lo que permite la expresión de las ideas y pensamientos de estas personas.
Este logro prometedor podría abrir nuevas perspectivas para la comunicación y la calidad de vida de las personas que enfrentan problemas del habla debido a afecciones médicas o lesiones.
El estudio, que resultó en el desarrollo del "decodificador semántico", fue realizado por Jerry Tang, estudiante de la en Ciencias de la Computación, y Alex Huth, Profesor Asistente de Neurociencia y Ciencias de la Computación en universidad.
Los resultados de esta investigación fueron publicados en la revista Neurociencia de la naturaleza, una de las publicaciones científicas más respetadas en el campo.
El liderazgo conjunto de Tang y Huth en la investigación destaca la colaboración entre las ciencias de la computación y de la neurociencia, buscando avances significativos en la interfaz entre el cerebro humano y la inteligencia artificial.
El trabajo realizado por los investigadores hace uso de un modelo de transformador, similar a los que se utilizan en sistemas como Bard, de Google, y ChatGPT, de OpenAI.
Sin embargo, el sistema desarrollado por los investigadores es diferente porque no requiere implantes quirúrgicos en los sujetos, lo que lo convierte en un método no invasivo. Además, a diferencia de otros sistemas de decodificación de idiomas en desarrollo, los participantes no están limitados a una lista prescrita de palabras para comunicarse.
¿Cómo funciona el método de 'lector de mentes'?
Después de un extenso entrenamiento con el decodificador, en el que el paciente escucha horas de podcasts en el escáner, la actividad cerebral se mide con un escáner fMRI.
Más tarde, si el participante está dispuesto a que se decodifiquen sus pensamientos, la máquina puede generar la texto correspondiente solo a partir de la actividad cerebral, ya sea escuchando una nueva historia o imaginando contar una nueva. historia.
Los investigadores diseñaron el sistema de decodificación para capturar la esencia de lo que se dice o piensa, en lugar de proporcionar una transcripción exacta palabra por palabra.
Aunque imperfecto, el sistema ha demostrado la capacidad de producir texto que se aproxima, ya veces con precisión, a los significados previstos de las palabras originales.
El decodificador desarrollado por los investigadores permite la decodificación continua del lenguaje durante largos períodos de tiempo, abarcando ideas complejas.
Durante aproximadamente la mitad del tiempo que el decodificador estuvo entrenado para monitorear la actividad cerebral de un participante, el texto generado por máquina que reflejaba los significados deseados de las palabras, contribuyendo a una comunicación más eficaz y comprensible.
Según Huth, este enfoque representa un avance significativo en comparación con los métodos anteriores, que a menudo se limitaban a palabras sueltas o frases cortas.
El sistema no busca la transcripción literal palabra por palabra, sino la captura de la esencia de lo que se dice o piensa, aunque sea de manera imperfecta.
Aunque el sistema actual se basa en el uso de un escáner funcional de resonancia magnética (fMRI), que limita su viabilidad fuera del entorno de laboratorio, el Los investigadores creen que su trabajo puede adaptarse a sistemas de imágenes cerebrales más portátiles, como la espectroscopia funcional del infrarrojo cercano. (fNIRS).
Según Huth, fNIRS mide el flujo sanguíneo en el cerebro en diferentes momentos, que es esencialmente el mismo tipo de señal que detecta fMRI.
Por lo tanto, el enfoque utilizado en el estudio podría aplicarse a fNIRS. A pesar de esta limitación, se cree que la esencia de método desarrollado por los investigadores se puede adaptar para fNIRS, allanando el camino para un sistema más portátil y accesible para decodificar la actividad cerebral.
Amante del cine y las series y todo lo que implica el cine. Un curioso activo en las redes, siempre conectado a la información de la web.