Αυτό το καπάκι για ανάγνωση μυαλού μπορεί να μεταφράσει σκέψεις σε κείμενο χάρη στην τεχνητή νοημοσύνη

Αυτό το καπάκι για ανάγνωση μυαλού μπορεί να μεταφράσει σκέψεις σε κείμενο χάρη στην τεχνητή νοημοσύνη

Χρονική σήμανση: 12 Δεκεμβρίου 2023 7:02 μ.μ.
Αυτό το κάλυμμα ανάγνωσης μυαλού μπορεί να μεταφράσει τις σκέψεις σε κείμενο χάρη στο AI PlatoBlockchain Data Intelligence. Κάθετη αναζήτηση. Ολα συμπεριλαμβάνονται.

Φορώντας ένα καπάκι με ηλεκτρόδια και καλώδια, ένας νεαρός άνδρας διαβάζει σιωπηλά μια πρόταση στο κεφάλι του. Λίγες στιγμές αργότερα, μια φωνή σαν Siri εισβάλλει, προσπαθώντας να μεταφράσει τις σκέψεις του σε κείμενο, «Ναι, θα ήθελα ένα μπολ κοτόσουπα, παρακαλώ». Είναι το πιο πρόσφατο παράδειγμα υπολογιστών που μεταφράζουν τις σκέψεις ενός ατόμου σε λέξεις και προτάσεις.

Παλαιότερα, οι ερευνητές χρησιμοποιούσαν εμφυτεύματα χειρουργικά τοποθετημένα στον εγκέφαλο ή ογκώδη, ακριβά μηχανήματα για να μεταφράσουν την εγκεφαλική δραστηριότητα σε κείμενο. ο νέα προσέγγιση, που παρουσιάστηκε στο συνέδριο NeurIPS αυτής της εβδομάδας από ερευνητές από το Πανεπιστήμιο Τεχνολογίας του Σίδνεϊ, είναι εντυπωσιακό για τη χρήση ενός μη επεμβατικού καλύμματος EEG και τη δυνατότητα γενίκευσης πέρα ​​από ένα ή δύο άτομα.

Η ομάδα κατασκεύασε ένα μοντέλο τεχνητής νοημοσύνης που ονομάζεται DeWave που είναι εκπαιδευμένο στη δραστηριότητα και τη γλώσσα του εγκεφάλου και το συνέδεσε με ένα μεγάλο γλωσσικό μοντέλο - την τεχνολογία πίσω από το ChatGPT - για να βοηθήσει στη μετατροπή της εγκεφαλικής δραστηριότητας σε λέξεις. Σε ένα προεκτύπωση δημοσιεύτηκε στο arXiv, το μοντέλο ξεπέρασε τα προηγούμενα κορυφαία σημάδια για τη μετάφραση σκέψεως σε κείμενο ΗΕΓ με ακρίβεια περίπου 40 τοις εκατό. Chin-Teng Lin, αντίστοιχος συγγραφέας στο χαρτί, είπε στο MSN πιο πρόσφατα ανέβασαν την ακρίβεια στο 60 τοις εκατό. Τα αποτελέσματα εξακολουθούν να εξετάζονται από ομοτίμους.

Αν και υπάρχει πολύς δρόμος για την αξιοπιστία, δείχνει πρόοδο στις μη επεμβατικές μεθόδους ανάγνωσης και μετάφρασης των σκέψεων στη γλώσσα. Η ομάδα πιστεύει ότι το έργο τους θα μπορούσε να δώσει φωνή σε όσους δεν μπορούν πλέον να επικοινωνήσουν λόγω τραυματισμού ή ασθένειας ή να χρησιμοποιηθούν για να κατευθύνουν μηχανές, όπως ρομπότ που περπατούν ή ρομποτικά χέρια, μόνο με σκέψεις.

Μαντέψτε τι σκέφτομαι

Μπορεί να θυμάστε τίτλους σχετικά με μηχανές «ανάγνωσης μυαλού» που μεταφράζουν σκέψεις σε κείμενο με μεγάλη ταχύτητα. Αυτό συμβαίνει γιατί τέτοιες προσπάθειες δεν είναι καθόλου καινούριες.

Νωρίτερα φέτος, οι ερευνητές του Στάνφορντ περιγραφόμενη εργασία με έναν ασθενή, τον Πατ Μπένετ, ο οποίος είχε χάσει την ικανότητα ομιλίας λόγω ALS. Μετά την εμφύτευση τεσσάρων αισθητήρων σε δύο μέρη του εγκεφάλου της και την εκτενή εκπαίδευση, η Μπένετ μπορούσε να επικοινωνήσει κάνοντας τις σκέψεις της μετατρέπεται σε κείμενο με ταχύτητα 62 λέξεων ανά λεπτό— μια βελτίωση σε σχέση με το ρεκόρ της ίδιας ομάδας το 2021 των 18 λέξεων ανά λεπτό.

Είναι ένα εκπληκτικό αποτέλεσμα, αλλά τα εμφυτεύματα εγκεφάλου μπορεί να είναι επικίνδυνα. Οι επιστήμονες θα ήθελαν να έχουν ένα παρόμοιο αποτέλεσμα χωρίς χειρουργική επέμβαση.

In άλλη μια μελέτη φέτος, ερευνητές στο Πανεπιστήμιο του Τέξας στο Ώστιν στράφηκαν σε μια τεχνολογία σάρωσης εγκεφάλου που ονομάζεται fMRI. Στη μελέτη, οι ασθενείς έπρεπε να μείνουν πολύ ακίνητοι σε ένα μηχάνημα που καταγράφει τη ροή του αίματος στον εγκέφαλό τους καθώς άκουγαν ιστορίες. Αφού χρησιμοποίησε αυτά τα δεδομένα για να εκπαιδεύσει έναν αλγόριθμο —που βασίζεται εν μέρει στον πρόγονο του ChatGPT, GPT-1— η ομάδα χρησιμοποίησε το σύστημα για να μαντέψει τι άκουγαν οι συμμετέχοντες με βάση τη δραστηριότητα του εγκεφάλου τους.

Η ακρίβεια του συστήματος δεν ήταν τέλεια, απαιτούσε μεγάλη προσαρμογή για κάθε συμμετέχοντα και τα μηχανήματα fMRI είναι ογκώδη και ακριβά. Ωστόσο, η μελέτη χρησίμευσε ως απόδειξη της ιδέας ότι οι σκέψεις μπορούν να αποκωδικοποιηθούν μη επεμβατικά και ότι η τελευταία λέξη της τεχνητής νοημοσύνης μπορεί να βοηθήσει στην πραγματοποίησή της.

Το καπέλο ταξινόμησης

In Ο Χάρι Πότερ, οι μαθητές ταξινομούνται στα σχολικά σπίτια με ένα μαγικό καπέλο που διαβάζει τα μυαλά. Εμείς οι μαγκλ καταφεύγουμε σε αστεία σαρωτά σκουφάκια κολύμβησης τρυπημένα από καλώδια και ηλεκτρόδια. Γνωστά ως καλύμματα ηλεκτροεγκεφαλογράφου (EEG), αυτές οι συσκευές διαβάζουν και καταγράφουν την ηλεκτρική δραστηριότητα στον εγκέφαλό μας. Σε αντίθεση με τα εμφυτεύματα εγκεφάλου, δεν απαιτούν χειρουργική επέμβαση, αλλά είναι πολύ λιγότερο ακριβή. Η πρόκληση, λοιπόν, είναι να διαχωρίσουμε το σήμα από το θόρυβο για να έχουμε ένα χρήσιμο αποτέλεσμα.

Στη νέα μελέτη, η ομάδα χρησιμοποίησε δύο σύνολα δεδομένων που περιείχαν καταγραφές παρακολούθησης ματιών και ΗΕΓ από 12 και 18 άτομα, αντίστοιχα, καθώς διάβαζαν κείμενο. Τα δεδομένα παρακολούθησης των ματιών βοήθησαν το σύστημα να περιορίσει τη δραστηριότητα του εγκεφάλου κατά λέξη. Δηλαδή, όταν τα μάτια ενός ατόμου πετάνε από τη μια λέξη στην άλλη, αυτό σημαίνει ότι θα πρέπει να υπάρξει ένα διάλειμμα μεταξύ της εγκεφαλικής δραστηριότητας που σχετίζεται με αυτή τη λέξη και της δραστηριότητας που θα έπρεπε να συσχετιστεί με την επόμενη.

Στη συνέχεια εκπαίδευσαν τον DeWave σε αυτά τα δεδομένα και με την πάροδο του χρόνου, ο αλγόριθμος έμαθε να συσχετίζει συγκεκριμένα μοτίβα εγκεφαλικών κυμάτων με λέξεις. Τέλος, με τη βοήθεια ενός προ-εκπαιδευμένου μοντέλου μεγάλης γλώσσας που ονομάζεται BART—βελτιστοποιημένο ώστε να κατανοεί το μοναδικό αποτέλεσμα του μοντέλου—οι συσχετισμοί εγκεφαλικού κύματος σε λέξη του αλγορίθμου μεταφράστηκαν ξανά σε προτάσεις.

Σε δοκιμές, ο DeWave ξεπέρασε τους κορυφαίους αλγόριθμους της κατηγορίας τόσο στη μετάφραση των ακατέργαστων εγκεφαλικών κυμάτων όσο και στα εγκεφαλικά κύματα κομμένα ανά λέξη. Οι τελευταίες ήταν πιο ακριβείς, αλλά παρόλα αυτά υστερούσαν πολύ σε σχέση με τη μετάφραση μεταξύ γλωσσών - όπως τα αγγλικά και τα γαλλικά - και την αναγνώριση ομιλίας. Βρήκαν επίσης ότι ο αλγόριθμος είχε παρόμοια απόδοση μεταξύ των συμμετεχόντων. Προηγούμενα πειράματα έτειναν να αναφέρουν αποτελέσματα για ένα άτομο ή απαιτούσαν ακραία προσαρμογή.

Η ομάδα λέει ότι η έρευνα είναι περισσότερο απόδειξη ότι τα μεγάλα γλωσσικά μοντέλα μπορούν να βοηθήσουν στην ανάπτυξη συστημάτων εγκεφάλου σε κείμενο. Αν και χρησιμοποίησαν έναν σχετικά παλιό αλγόριθμο στην επίσημη μελέτη, σε συμπληρωματικό υλικό συμπεριέλαβαν αποτελέσματα από μεγαλύτερα μοντέλα, συμπεριλαμβανομένου του αρχικού αλγόριθμου Llama του Meta. Είναι ενδιαφέρον ότι οι μεγαλύτεροι αλγόριθμοι δεν βελτίωσαν πολύ τα αποτελέσματα.

«Αυτό υπογραμμίζει την πολυπλοκότητα του προβλήματος και τις προκλήσεις της γεφύρωσης των εγκεφαλικών δραστηριοτήτων με τα LLMs», έγραψαν οι συγγραφείς, ζητώντας πιο λεπτή έρευνα στο μέλλον. Ωστόσο, η ομάδα ελπίζει ότι θα μπορέσει να προωθήσει το δικό της σύστημα περαιτέρω, ίσως μέχρι και 90 τοις εκατό ακρίβεια.

Η εργασία δείχνει πρόοδο στον τομέα.

«Οι άνθρωποι ήθελαν να μετατρέψουν το ΗΕΓ σε κείμενο εδώ και πολύ καιρό και το μοντέλο της ομάδας δείχνει μια αξιοσημείωτη ποσότητα ορθότητας», είπε ο Κρεγκ Τζιν του Πανεπιστημίου του Σίδνεϊ. MSN. «Πριν από αρκετά χρόνια οι μετατροπές από ΗΕΓ σε κείμενο ήταν πλήρεις και σκέτη ανοησία».

Image Credit: Πανεπιστήμιο Τεχνολογίας Σίδνεϊ

Σφραγίδα ώρας:

Περισσότερα από Κέντρο μοναδικότητας