Οι αποκωδικοποιητές εγκεφάλου χρησιμοποιούν τη μηχανική μάθηση για να μεταφράσουν τις σκέψεις ενός ατόμου σε κείμενο
Νέες, σημαντικές βελτιώσεις σε έναν «αποκωδικοποιητή εγκεφάλου», που χρησιμοποιεί τεχνητή νοημοσύνη για να μετατρέπει τις σκέψεις σε κείμενο, έκαναν επιστήμονες.
Ο νέος αλγόριθμός τους μπορεί να εκπαιδεύσει γρήγορα έναν υπάρχοντα αποκωδικοποιητή στον εγκέφαλο ενός άλλου ατόμου, κάτι που μια μέρα θα μπορούσε να βοηθήσει άτομα με αφασία, σημειώνουν οι επιστήμονες στη μελέτη που δημοσίευσαν στο περιοδικό Current Biology.
Ένας αποκωδικοποιητής εγκεφάλου χρησιμοποιεί τη μηχανική μάθηση για να μεταφράσει τις σκέψεις ενός ατόμου σε κείμενο, με βάση τις αντιδράσεις του εγκεφάλου του σε ιστορίες που έχει ακούσει. Ωστόσο, οι προηγούμενες εκδόσεις του αποκωδικοποιητή απαιτούσαν από τους συμμετέχοντες να ακούνε ιστορίες μέσα σε ένα μηχάνημα μαγνητικής τομογραφίας για πολλές ώρες. Επιπλέον, αυτοί οι αποκωδικοποιητές λειτουργούσαν μόνο για τα άτομα πάνω στα οποία είχαν εκπαιδευτεί, αναφέρει το LiveScience.
Προσαρμογή για άτομα με αφασία
«Τα άτομα με αφασία έχουν συχνά πρόβλημα στην κατανόηση και στην παραγωγή γλώσσας», δήλωσε ο συν-συγγραφέας της μελέτης Alexander Huth, νευροεπιστήμονας στο Πανεπιστήμιο του Τέξας. «Αυτό μας εμποδίζει να δημιουργήσουμε μοντέλα για τον εγκέφαλό τους, παρακολουθώντας πώς αυτός ανταποκρίνεται στις ιστορίες που ακούνε».
«Σε αυτή τη μελέτη αναρωτηθήκαμε αν μπορούμε να κάνουμε τα πράγματα διαφορετικά, αν μπορούμε ουσιαστικά να μεταφέρουμε έναν αποκωδικοποιητή που κατασκευάσαμε για τον εγκέφαλο ενός ατόμου, στον εγκέφαλο ενός άλλου ατόμου».
Οι ερευνητές εκπαίδευσαν πρώτα τον αποκωδικοποιητή του εγκεφάλου σε μερικούς συμμετέχοντες αναφοράς με τον κλασικό τρόπο, δηλαδή συλλέγοντας δεδομένα λειτουργικής μαγνητικής τομογραφίας ενώ οι συμμετέχοντες άκουγαν 10 ώρες ραδιοφωνικών ιστοριών.
Στη συνέχεια, εκπαίδευσαν δύο αλγόριθμους μετατροπής στους συμμετέχοντες αναφοράς και σε ένα διαφορετικό σύνολο συμμετεχόντων στόχου. Ο πρώτος αλγόριθμος εκπαιδεύτηκε με δεδομένα που συλλέχθηκαν ενώ οι συμμετέχοντες πέρασαν 70 λεπτά ακούγοντας ραδιοφωνικές ιστορίες και ο δεύτερος με δεδομένα που συλλέχθηκαν καθώς οι οι συμμετέχοντες πέρασαν 70 λεπτά παρακολουθώντας βουβές ταινίες μικρού μήκους της Pixar, άσχετες με τις ραδιοφωνικές ιστορίες.
Χρησιμοποιώντας μια τεχνική που ονομάζεται λειτουργική ευθυγράμμιση, η ομάδα χαρτογράφησε πώς ανταποκρίθηκε ο εγκέφαλος των συμμετεχόντων αναφοράς και στόχου στις ίδιες ακουστικές ή κινηματογραφικές ιστορίες. Χρησιμοποίησαν αυτές τις πληροφορίες για να εκπαιδεύσουν τον αποκωδικοποιητή να λειτουργεί με τους εγκεφάλους των συμμετεχόντων του στόχου, χωρίς να χρειάζεται να συλλέξουν πολλές ώρες δεδομένων εκπαίδευσης.
Στη συνέχεια, η ομάδα δοκίμασε τους αποκωδικοποιητές χρησιμοποιώντας μια σύντομη ιστορία που κανένας από τους συμμετέχοντες δεν είχε ακούσει στο παρελθόν. Παρόλο που οι προβλέψεις του αποκωδικοποιητή ήταν ελαφρώς πιο ακριβείς για τους αρχικούς συμμετέχοντες αναφοράς από ό,τι για εκείνους που χρησιμοποίησαν τους μετατροπείς, οι λέξεις που προέβλεψε από τις εγκεφαλικές σαρώσεις κάθε συμμετέχοντα εξακολουθούσαν να σχετίζονται σημασιολογικά με εκείνες που χρησιμοποιήθηκαν στην ιστορία δοκιμής.
Πώς απέδωσε τις σκέψεις ο αποκωδικοποιητής
Για παράδειγμα, ένα τμήμα της δοκιμαστικής ιστορίας περιλάμβανε κάποια που συζητούσε για μια δουλειά που δεν της άρεσε, λέγοντας: «Είμαι σερβιτόρα σε ένα παγωτατζίδικο. Δεν ξέρω πού θέλω να είμαι, αλλά ξέρω ότι δεν είναι αυτό». Ο αποκωδικοποιητής χρησιμοποιώντας τον αλγόριθμο μετατροπής που εκπαιδεύτηκε σε δεδομένα ταινιών προέβλεψε: «Ήμουν σε μια δουλειά που θεωρούσα βαρετή. Έπρεπε να παίρνω παραγγελίες και δεν μου άρεσε, και δούλευα πάνω σε αυτές κάθε μέρα». Δεν είναι ακριβής αντιστοιχία, καθώς ο αποκωδικοποιητής δεν διαβάζει τους ακριβείς ήχους που άκουσαν οι άνθρωποι, αλλά οι ιδέες σχετίζονται.
«Το πραγματικά εκπληκτικό ήταν ότι μπορούμε να το κάνουμε αυτό ακόμη και χωρίς να χρησιμοποιούμε γλωσσικά δεδομένα. Μπορούμε να συλλέγουμε δεδομένα ενώ κάποιος παρακολουθεί βουβά βίντεο και στη συνέχεια μπορούμε να τα χρησιμοποιήσουμε για να δημιουργήσουμε αυτόν τον αποκωδικοποιητή γλώσσας για τον εγκέφαλό του», δήλωσε ο Huth.
Η χρήση των αλγόριθμων μετατροπής που βασίζονται σε βίντεο για τη μεταφορά των υφιστάμενων αποκωδικοποιητών σε άτομα με αφασία μπορεί να τα βοηθήσει να εκφράσουν τις σκέψεις τους, δήλωσαν οι ερευνητές. Αποκαλύπτει επίσης κάποια επικάλυψη μεταξύ των τρόπων με τους οποίους οι άνθρωποι αναπαριστούν ιδέες από τη γλώσσα και από οπτικές αφηγήσεις στον εγκέφαλο.
Τα επόμενα βήματα της ομάδας είναι να δοκιμάσει τον αποκωδικοποιητή σε συμμετέχοντες με αφασία και να δημιουργήσει μια διεπαφή που θα τους βοηθήσει να παράγουν τη γλώσσα που θέλουν.
Κάντε like στη σελίδα μας στο facebook για να μαθαίνετε όλα τα νέα
Διαβάστε επίσης
Νευρώνες στον εγκέφαλο λένε πότε να σταματήσουμε να τρώμε
Τεχνητή Νοημοσύνη: Στην υπηρεσία της υποβοηθούμενης αναπαραγωγής
