생각을 텍스트로: 인공 지능(AI)이 인간의 두뇌를 해독합니다.

AI는 뇌 활동을 연속적인 텍스트 스트림으로 해석하는 데 점점 더 많이 사용되고 있습니다. 이는 심각한 신경 질환을 앓고 있는 사람들의 의사소통을 잠재적으로 변화시킬 수 있습니다. 신경영상 방법의 맥락에서 AI는 뇌 활동 분석에 엄청난 가능성을 갖고 있습니다.

가장 최근의 발전에서는 AI 기반 의미 체계 디코더가 뇌 활동을 끝없는 텍스트 배열로 변환하는 새로운 방법을 시연했습니다. 이 혁신은 처음으로 '비침투적' 아이디어를 텍스트로 만들거나 바꾸게 될 것입니다. 이는 뇌졸중이나 운동 뉴런 질환 이후 의사소통에 어려움을 겪는 사람들에게 도움이 될 수 있습니다. 

복잡하고 시끄러운 데이터에서 관련 정보를 추출하려면 뇌 활동 해석을 위한 고급 데이터 처리 방법이 필요합니다. AI 알고리즘은 이 절차를 자동화하고 간소화하는 데 도움이 될 수 있습니다. 이를 통해 연구자들은 뇌 활동에 관해 보다 정확하고 신뢰할 수 있는 결론을 도출할 수 있습니다.

이 경우 디코더는 응답자가 이야기를 듣거나 상상할 때 음성을 적절하게 재구성할 수 있습니다. 이는 수술용 임플란트가 포함된 이전의 언어 해독 시스템에 비해 획기적인 혁신입니다. 

저명한 과학자들은 중요한 장애물을 극복한 최신 발전을 지지했습니다. 텍사스 대학의 신경학자인 Alexander Huth 박사는 "비침습적 방법의 경우 이는 일반적으로 한 단어나 짧은 문장으로 수행되었던 이전 방법에 비해 진정한 도약입니다."라고 덧붙였습니다.

fMRI는 뇌의 다양한 부분으로의 혈류 변화를 모니터링하여 신경 활동을 추론하는 데 사용될 수 있습니다. 그러나 뇌의 뉴런이 실제로 활성화되는 것과 비교하면 이 과정은 상대적으로 느립니다. fMRI는 초 단위의 시간 분해능을 갖고 있어 뇌 활동의 빠른 변화를 감지할 수 없습니다. The Guardian에 따르면 이는 몇 초에 걸쳐 분산된 "정보의 뒤죽박죽"을 제공하기 때문에 "자연스러운 말"에 대한 반응으로 뇌 활동을 분석하는 것을 어렵게 만듭니다.

OpenAI의 ChatGPT와 같은 대규모 언어 모델의 도입으로 인공 지능이 크게 발전했습니다. 이러한 모델은 방대한 양의 텍스트 데이터에 대해 훈련되어 인간과 유사한 방식으로 다양한 입력에 응답할 수 있습니다. 이를 통해 연구자들은 이 경우 음성의 의미론적 의미를 조사할 수 있었습니다. 즉, 일련의 단어와 관련된 신경 활동 패턴을 이해하는 것입니다. 

이번 발견 이후, 연구팀은 기능적 근적외선 분광법(fNIRS)과 같은 보다 휴대성이 뛰어난 다른 뇌 영상 시스템에서 이 기술의 유용성을 확장할 계획입니다. 그러나 최신 혁신으로 인해 보안 문제가 발생할 수 있습니다.