Sztuczna inteligencja zamienia myśli w tekst

Naukowcy z University of Texas w Austin opracowali nowy system sztucznej inteligencji zwany „dekoderem semantycznym”, który ma zdolność tłumaczyć aktywność mózgu osoby w ciągłym strumieniu tekstu.

Ta innowacyjna technologia może pomóc ludziom, którzy są świadomi umysłowo, ale nie mogą rozwinąć mowy, na przykład osobom osłabionym przez udar.

Słuchając opowieści lub po cichu wyobrażając sobie narrację, system dekoduje sygnały mózgowe i konwertuje je na tekst, umożliwiając wyrażanie pomysłów i myśli tych ludzi.

To obiecujące osiągnięcie może otworzyć nowe perspektywy komunikacji i jakości życia osób, które mają problemy z mówieniem z powodu schorzeń lub urazów.

Badania, które zaowocowały opracowaniem „dekodera semantycznego”, prowadził Jerry Tang, student w dziedzinie informatyki oraz Alex Huth, adiunkt w dziedzinie neuronauki i informatyki w Uniwersytet.

Wyniki tych badań zostały opublikowane w czasopiśmie Natura Neuroscience, jedną z najbardziej szanowanych publikacji naukowych w tej dziedzinie.

Wspólne kierowanie badaniami przez Tanga i Hutha podkreśla współpracę między informatyką a neurobiologii, poszukując znaczących postępów w interfejsie między ludzkim mózgiem a inteligencją sztuczny.

W pracach przeprowadzonych przez badaczy wykorzystano model transformatora, podobny do tych stosowanych w systemach takich jak Bard – od Google – czy ChatGPT – od OpenAI.

System opracowany przez naukowców różni się jednak tym, że nie wymaga wszczepiania pacjentom implantów chirurgicznych, co czyni go metodą nieinwazyjną. Co więcej, w przeciwieństwie do innych opracowywanych systemów dekodowania języka, uczestnicy nie są ograniczeni do określonej listy słów do komunikowania się.

Jak działa metoda „czytania w myślach”?

Po intensywnym treningu dekodera, podczas którego pacjent godzinami słucha podcastów na skanerze, aktywność mózgu jest mierzona za pomocą skanera fMRI.

Później, jeśli uczestnik wyrazi zgodę na rozszyfrowanie swoich myśli, maszyna jest w stanie je wygenerować odpowiedni tekst z samej aktywności mózgu, niezależnie od tego, czy słuchasz nowej historii, czy wyobrażasz sobie opowiadanie nowej. historia.

Naukowcy zaprojektowali system dekodowania, aby uchwycić istotę tego, co się mówi lub myśli, zamiast dostarczać dokładną transkrypcję słowo w słowo.

Chociaż niedoskonały, system wykazał zdolność do tworzenia tekstu, który przybliża, a czasem dokładnie, zamierzone znaczenie oryginalnych słów.

Dekoder opracowany przez naukowców umożliwia ciągłe dekodowanie języka przez długi czas, obejmującego złożone idee.

Przez mniej więcej połowę czasu, w którym dekoder był szkolony w monitorowaniu aktywności mózgu uczestnika, tekst generowany maszynowo, który odzwierciedla pożądane znaczenie słów, przyczyniając się do skuteczniejszej komunikacji i zrozumiale.

Według Hutha podejście to stanowi znaczny postęp w porównaniu z poprzednimi metodami, które zwykle ograniczały się do pojedynczych słów lub krótkich zdań.

System nie szuka dosłownej transkrypcji słowo w słowo, ale uchwycenie istoty tego, co się mówi lub myśli, nawet jeśli niedoskonale.

Chociaż obecny system opiera się na wykorzystaniu funkcjonalnego skanera do obrazowania metodą rezonansu magnetycznego (fMRI), co ogranicza jego żywotność poza środowiskiem laboratoryjnym, Naukowcy są przekonani, że ich prace można dostosować do bardziej przenośnych systemów obrazowania mózgu, takich jak funkcjonalna spektroskopia w bliskiej podczerwieni (fNIRS).

Według Hutha, fNIRS mierzy przepływ krwi w mózgu w różnych momentach, co jest zasadniczo tym samym rodzajem sygnału, który wykrywa fMRI.

Dlatego podejście zastosowane w badaniu można zastosować do fNIRS. Pomimo tego ograniczenia uważa się, że istotą metoda opracowane przez naukowców można dostosować do fNIRS, torując drogę bardziej przenośnemu i dostępnemu systemowi do dekodowania aktywności mózgu.

Miłośnik filmów i seriali oraz wszystkiego co związane z kinem. Aktywny ciekawski w sieci, zawsze podłączony do informacji o sieci.