Onderzoekers van de Universiteit van Texas in Austin hebben een nieuw systeem voor kunstmatige intelligentie ontwikkeld, een "semantische decoder" genaamd, dat de mogelijkheid heeft om hersenactiviteit vertalen van een persoon in een continue stroom tekst.
Deze innovatieve technologie heeft het potentieel om mensen te helpen die mentaal bewust zijn maar geen spraak kunnen ontwikkelen, zoals mensen die verzwakt zijn door een beroerte.
Bekijk meer
Google ontwikkelt AI-tool om journalisten te helpen bij…
Ongeopende originele iPhone uit 2007 wordt verkocht voor bijna $ 200.000; weten...
Bij het luisteren naar een verhaal of het stilletjes voorstellen van het verhaal, de systeem decodeert hersensignalen en zet ze om in tekst, waardoor de ideeën en gedachten van deze mensen tot uitdrukking kunnen worden gebracht.
Deze veelbelovende prestatie zou nieuwe perspectieven kunnen openen voor communicatie en kwaliteit van leven voor personen die te maken hebben met spraakproblemen als gevolg van medische aandoeningen of verwondingen.
De studie, die resulteerde in de ontwikkeling van de "semantische decoder", werd uitgevoerd door Jerry Tang, een student aan in computerwetenschappen, en Alex Huth, assistent-professor neurowetenschappen en computerwetenschappen aan Universiteit.
De resultaten van dit onderzoek zijn gepubliceerd in het tijdschrift Natuur Neurowetenschappen, een van de meest gerespecteerde wetenschappelijke publicaties op dit gebied.
De gezamenlijke leiding van het onderzoek door Tang en Huth benadrukt de samenwerking tussen informatica en van de neurowetenschappen, op zoek naar significante vooruitgang in de interface tussen het menselijk brein en intelligentie kunstmatig.
Het werk van de onderzoekers maakt gebruik van een transformatormodel, vergelijkbaar met systemen zoals Bard – van Google – en ChatGPT – van OpenAI.
Het door de onderzoekers ontwikkelde systeem is echter anders omdat er geen chirurgische implantaten bij de proefpersonen nodig zijn, waardoor het een niet-invasieve methode is. Bovendien zijn deelnemers, in tegenstelling tot andere taaldecoderingssystemen die in ontwikkeling zijn, niet beperkt tot een voorgeschreven lijst met woorden om te communiceren.
Hoe werkt de 'gedachtenlezer'-methode?
Na een uitgebreide decodertraining, waarbij de patiënt urenlang podcasts op de scanner beluistert, wordt de hersenactiviteit gemeten met een fMRI-scanner.
Later, als de deelnemer bereid is zijn gedachten te laten decoderen, kan de machine het genereren corresponderende tekst alleen uit hersenactiviteit, of je nu naar een nieuw verhaal luistert of je voorstelt een nieuw verhaal te vertellen. geschiedenis.
De onderzoekers ontwierpen het decoderingssysteem om de essentie vast te leggen van wat er wordt gezegd of gedacht, in plaats van een exacte woord-voor-woord transcriptie te geven.
Hoewel onvolmaakt, heeft het systeem aangetoond dat het in staat is om tekst te produceren die de bedoelde betekenis van de oorspronkelijke woorden benadert, en soms nauwkeurig.
De door de onderzoekers ontwikkelde decoder maakt het mogelijk om taal gedurende lange tijd ononderbroken te decoderen, inclusief complexe ideeën.
Gedurende ongeveer de helft van de tijd dat de decoder werd getraind om de hersenactiviteit van een deelnemer te monitoren, werd de machinegegenereerde tekst die de gewenste betekenis van woorden weergeeft, wat bijdraagt aan effectievere communicatie en begrijpelijk.
Volgens Huth betekent deze aanpak een grote vooruitgang ten opzichte van eerdere methoden, die zich vaak beperkten tot enkele woorden of korte zinnen.
Het systeem zoekt niet naar een letterlijke woord-voor-woord transcriptie, maar naar het vastleggen van de essentie van wat er wordt gezegd of gedacht, ook al is het onvolmaakt.
Hoewel het huidige systeem afhankelijk is van het gebruik van een functionele scanner voor magnetische resonantiebeeldvorming (fMRI), wat zijn levensvatbaarheid buiten de laboratoriumomgeving beperkt, onderzoekers geloven dat hun werk kan worden aangepast voor meer draagbare systemen voor beeldvorming van de hersenen, zoals functionele nabij-infraroodspectroscopie (fNIRS).
Volgens Huth meet fNIRS de bloedstroom in de hersenen op verschillende tijdstippen, wat in wezen hetzelfde type signaal is dat fMRI detecteert.
Daarom zou de benadering die in het onderzoek is gebruikt, kunnen worden toegepast op fNIRS. Ondanks deze beperking wordt aangenomen dat de essentie van methode ontwikkeld door de onderzoekers kan worden aangepast voor fNIRS, wat de weg vrijmaakt voor een meer draagbaar en toegankelijk systeem voor het decoderen van hersenactiviteit.
Liefhebber van films en series en alles wat met cinema te maken heeft. Een actieve nieuwsgierigheid op de netwerken, altijd verbonden met informatie over internet.