I ricercatori dell'Università del Texas ad Austin hanno sviluppato un nuovo sistema di intelligenza artificiale chiamato "decodificatore semantico" che ha la capacità di tradurre l'attività cerebrale di una persona in un flusso continuo di testo.
Questa tecnologia innovativa ha il potenziale per aiutare le persone che sono mentalmente consapevoli ma non possono sviluppare la parola, come quelle che sono state debilitate da ictus.
Vedi altro
Google sviluppa uno strumento AI per aiutare i giornalisti in...
L'iPhone originale del 2007 non aperto viene venduto per quasi $ 200.000; Sapere...
Quando si ascolta una storia o si immagina silenziosamente la narrazione, il sistema decodifica i segnali cerebrali e li converte in testo, consentendo l'espressione delle idee e dei pensieri di queste persone.
Questo risultato promettente potrebbe aprire nuove prospettive per la comunicazione e la qualità della vita per le persone che affrontano problemi di linguaggio a causa di condizioni mediche o lesioni.
Lo studio, che ha portato allo sviluppo del "decodificatore semantico", è stato condotto da Jerry Tang, uno studente di in Informatica, e Alex Huth, Assistant Professor di Neuroscienze e Informatica presso Università.
I risultati di questa ricerca sono stati pubblicati sulla rivista Natura Neuroscienze, una delle pubblicazioni scientifiche più rispettate nel settore.
La guida congiunta di Tang e Huth della ricerca evidenzia la collaborazione tra informatica e delle neuroscienze, alla ricerca di progressi significativi nell'interfaccia tra il cervello umano e l'intelligenza artificiale.
Il lavoro svolto dai ricercatori si avvale di un modello a trasformatore, simile a quelli utilizzati in sistemi come Bard – di Google – e ChatGPT – di OpenAI.
Tuttavia, il sistema sviluppato dai ricercatori è diverso perché non richiede impianti chirurgici nei soggetti, rendendolo un metodo non invasivo. Inoltre, a differenza di altri sistemi di decodifica linguistica in fase di sviluppo, i partecipanti non sono limitati a un elenco prescritto di parole da comunicare.
Come funziona il metodo del "lettore della mente"?
Dopo un lungo addestramento al decodifica, in cui il paziente ascolta ore di podcast sullo scanner, l'attività cerebrale viene misurata utilizzando uno scanner fMRI.
Successivamente, se il partecipante desidera che i suoi pensieri vengano decodificati, la macchina è in grado di generare il file testo corrispondente dalla sola attività cerebrale, sia ascoltando una nuova storia sia immaginando di raccontarne una nuova. storia.
I ricercatori hanno progettato il sistema di decodifica per catturare l'essenza di ciò che viene detto o pensato, piuttosto che fornire una trascrizione esatta parola per parola.
Sebbene imperfetto, il sistema ha dimostrato la capacità di produrre un testo che approssima, e talvolta accuratamente, i significati previsti delle parole originali.
Il decoder sviluppato dai ricercatori consente la decodifica continua del linguaggio per lunghi periodi di tempo, comprendendo idee complesse.
Durante circa la metà del tempo in cui il decodificatore è stato addestrato a monitorare l'attività cerebrale di un partecipante, il testo generato dalla macchina che riflette i significati desiderati delle parole, contribuendo a una comunicazione più efficace e comprensibile.
Secondo Huth, questo approccio rappresenta un progresso significativo rispetto ai metodi precedenti, che spesso si limitavano a singole parole o brevi frasi.
Il sistema non cerca una trascrizione letterale parola per parola, ma la cattura dell'essenza di ciò che viene detto o pensato, anche se imperfettamente.
Sebbene l'attuale sistema si basi sull'uso di uno scanner per risonanza magnetica funzionale (fMRI), che ne limita la fattibilità al di fuori dell'ambiente di laboratorio, il i ricercatori ritengono che il loro lavoro possa essere adattato per sistemi di imaging cerebrale più portatili come la spettroscopia funzionale nel vicino infrarosso (fNIRS).
Secondo Huth, la fNIRS misura il flusso sanguigno nel cervello in diversi momenti nel tempo, che è essenzialmente lo stesso tipo di segnale rilevato dalla fMRI.
Pertanto, l'approccio utilizzato nello studio potrebbe essere applicato a fNIRS. Nonostante questa limitazione, si ritiene che l'essenza di metodo sviluppato dai ricercatori può essere adattato per fNIRS, aprendo la strada a un sistema più portatile e accessibile per la decodifica dell'attività cerebrale.
Amante di film e serie e di tutto ciò che riguarda il cinema. Un curioso attivo sulle reti, sempre connesso alle informazioni sul web.
