AI gjør tanker til tekst

Forskere ved University of Texas i Austin har utviklet et nytt kunstig intelligenssystem kalt en "semantisk dekoder" som har evnen til å oversette hjerneaktivitet av en person i en kontinuerlig strøm av tekst.

Denne innovative teknologien har potensial til å hjelpe mennesker som er mentalt bevisste, men ikke kan utvikle tale, for eksempel de som har blitt svekket av hjerneslag.

Når du lytter til en historie eller i det stille forestiller deg fortellingen, system dekoder hjernesignaler og konverterer dem til tekst, noe som muliggjør uttrykk for disse menneskenes ideer og tanker.

Denne lovende prestasjonen kan åpne nye perspektiver for kommunikasjon og livskvalitet for individer som står overfor taleutfordringer på grunn av medisinske tilstander eller skader.

Studien, som resulterte i utviklingen av den "semantiske dekoderen", ble utført av Jerry Tang, en student ved i informatikk, og Alex Huth, assisterende professor i nevrovitenskap og informatikk ved universitet.

Resultatene av denne forskningen ble publisert i tidsskriftet Natur nevrovitenskap, en av de mest respekterte vitenskapelige publikasjonene på området.

Tang og Huths felles ledelse av forskningen fremhever samarbeidet mellom informatikk og nevrovitenskap, og søker betydelige fremskritt i grensesnittet mellom den menneskelige hjernen og intelligens kunstig.

Arbeidet forskerne har utført bruker en transformatormodell, lik de som brukes i systemer som Bard – fra Google – og ChatGPT – fra OpenAI.

Systemet utviklet av forskerne er imidlertid annerledes fordi det ikke krever kirurgiske implantater i forsøkspersonene, noe som gjør det til en ikke-invasiv metode. Videre, i motsetning til andre språkdekodingssystemer under utvikling, er deltakerne ikke begrenset til en foreskrevet liste over ord som skal kommuniseres.

Hvordan fungerer 'tankeleser'-metoden?

Etter omfattende dekodertrening, der pasienten lytter til timevis med podcaster på skanneren, måles hjerneaktiviteten ved hjelp av en fMRI-skanner.

Senere, hvis deltakeren er villig til å få tankene sine dekodet, er maskinen i stand til å generere tilsvarende tekst fra hjerneaktivitet alene, enten du lytter til en ny historie eller forestiller deg å fortelle en ny. historie.

Forskerne designet avkodingssystemet for å fange essensen av det som blir sagt eller tenkt, i stedet for å gi et eksakt ord-for-ord-utskrift.

Selv om systemet er ufullkomment, har systemet vist evnen til å produsere tekst som tilnærmer, og noen ganger nøyaktig, den tiltenkte betydningen av de originale ordene.

Dekoderen utviklet av forskerne tillater kontinuerlig dekoding av språk i lange perioder, og omfatter komplekse ideer.

I løpet av omtrent halvparten av tiden dekoderen ble opplært til å overvåke en deltakers hjerneaktivitet, maskingenerert tekst som reflekterte den ønskede betydningen av ord, og bidrar til mer effektiv kommunikasjon og forståelig.

I følge Huth representerer denne tilnærmingen et betydelig fremskritt sammenlignet med tidligere metoder, som ofte var begrenset til enkeltord eller korte setninger.

Systemet søker ikke en bokstavelig ord-for-ord-transkripsjon, men fangst av essensen av det som blir sagt eller tenkt, selv om det er ufullkomment.

Selv om det nåværende systemet er avhengig av bruk av en funksjonell magnetisk resonansavbildning (fMRI) skanner, som begrenser dets levedyktighet utenfor laboratoriemiljøet, forskere mener arbeidet deres kan tilpasses for mer bærbare hjerneavbildningssystemer som funksjonell nær-infrarød spektroskopi (fNIRS).

Ifølge Huth måler fNIRS blodstrømmen i hjernen på forskjellige tidspunkter, som i hovedsak er samme type signal som fMRI oppdager.

Derfor kan tilnærmingen som ble brukt i studien brukes på fNIRS. Til tross for denne begrensningen, antas det at essensen av metode utviklet av forskerne kan tilpasses fNIRS, og baner vei for et mer bærbart og tilgjengelig system for dekoding av hjerneaktivitet.

Elsker av filmer og serier og alt som involverer kino. En aktiv nysgjerrig på nettverkene, alltid koblet til informasjon om nettet.