Yapay zeka, beyin dalgalarınızı analiz edebilir ve duyduklarınızı 'okuyabilir'
Meta araştırmacıları, bir kişinin duyduğu kelimeleri anlamak için beyin dalgalarını analiz edebilen yeni bir yapay zeka geliştirdi. Bu tür bir program, bir gün sessiz insanların iletişim kurmasına yardımcı olmak için kullanılabilir.
Araştırmacıların ön baskı makalelerinde belirttiği gibi, dili beyin aktivitesinden deşifre etmek hem sağlık hem de sinirbilimde uzun zamandır beklenen bir hedeftir. Bugün, beynin temel dilsel görevlere verdiği tepkiler üzerine eğitilmiş, yorumlanabilir özellikleri (örneğin harfler, kelimeler, spektrogramlar) verimli bir şekilde çözmeyi başaran kafa içi cihazlar var. Ancak bu cihazlar oldukça invazivdir ve genellikle doğal konuşma için uygun değildir.
Jean-Rémi King ve Meta'daki meslektaşları bu nedenle manyeto ve elektro-ensefalografi kayıtlarını (invaziv olmayan teknikler) kelimelere çevirebilen bir yapay zeka geliştirdiler. Teknoloji hala emekleme aşamasında, ancak erken sonuçlar cesaret verici: AI her kayıt için 10 kelimelik bir liste öngördü ve bu listenin %73'ü doğru kelimeyi içeriyordu; vakaların %44'ünde ilk tahmin edilen kelime doğruydu. Bir sonraki adım, bir kişinin düşüncelerini yorumlamaya çalışmak olabilir.
Beyin aktivitesini kelimelere çevirin
King ve işbirlikçileri, yapay zekalarını eğitmek için, doğal konuşan insanların kayıtlarını dinlerken toplanan 169 gönüllüden halka açık beyin dalgası veri kümelerini kullandılar. Manyeto- veya elektro-ensefalografi (M/EEG) ile kaydedilen bu dalga verileri, üç saniyelik bloklara bölündü; bunlar, karşılık gelen ses dosyalarıyla birlikte yapay zekaya sunuldu - amaç, yazılımın kalıpları belirlemek için bunları karşılaştırmasıdır.
Mevcut verilerin %10'u test aşaması için ayrılmıştır. Başka bir deyişle, bu beyin dalgaları daha önce yapay zeka tarafından hiç incelenmemişti. Ve program testi mükemmel bir şekilde geçti: 793 kelimelik bir listeden her bir kişinin o sırada hangi kelimeleri tek tek dinlediğini beyin dalgalarından çıkarabildi.
“ Sonuçlar, modelimizin 3s MEG sinyalinden, karşılık gelen konuşma segmentini 1594 farklı segmentten ilk 10'da %72,5'e varan doğrulukla (ve ilk -1'de %44) tanımlayabildiğini gösteriyor ”, araştırmacıları belirtin. EEG tipi kayıtlar için, AI daha düşük doğruluk gösterdi: 2604 farklı segmentten vakaların %19,1'inde doğru kelimeyi içeren on kelimelik bir listeyi tahmin edebildi.
Meta'nın bugüne kadar belirli bir iş hedefi yok, ancak ekip için bu bulgular, beyin aktivitesinin invaziv olmayan kayıtlarından gerçek zamanlı doğal dil işlemeyi çözmek için umut verici bir yola işaret ediyor.
Tahmin yetenekleri hala insan beynininkinden uzak
Bazı uzmanlar, bu teknolojinin şu anda gerçek bir uygulama için yeterince hassas olmaktan çok uzak olduğuna inanarak bu performanslara şüpheyle yaklaşıyor. Ancak onlara göre, manyetoensefalografi ve elektroensefalografi kayıtları, bir gün tahminin kesinliğini artırabilmek için asla yeterince ayrıntılı olmayacaktır. Beyin gerçekten de dinlemeyle ilişkili beyin dalgalarına herhangi bir zamanda müdahale edebilecek birçok işlemin merkezidir.
King, yine de, bu yapay zekanın çok az ilgi çekici olduğunu kabul etse bile kendinden emin. Öte yandan, bu teknoloji, bir kişinin düşüncelerini yorumlayabilen ve bu nedenle potansiyel olarak konuşamayan insanların yeniden iletişim kurmasına izin verebilen bir sistemin geliştirilmesine yol açabilir - görevin karmaşıklığı göz önüne alındığında özellikle iddialı bir hedef.
Meta kısa süre önce , insan beynini ve özellikle dili nasıl işlediğini incelemek için CEA'nın NeuroSpin beyin nörogörüntüleme merkezi ve INRIA ile uzun vadeli bir araştırma ortaklığı duyurdu. Amaç, konuşmayı ve metni insanlar kadar verimli bir şekilde işleyebilen bir yapay zeka geliştirmek için gereken verileri toplamaktır.
Birkaç çalışma, beynin, yapay zekanın dil modellerine şaşırtıcı bir şekilde benzer bir hiyerarşiye göre sistematik olarak organize edildiğini zaten göstermiştir. Bununla birlikte, beynin belirli belirli bölgeleri sözcükleri ve aynı zamanda fikirleri nispeten çok önceden tahmin eder, oysa mevcut dil modellerinin çoğu yalnızca onu takip eden kelimeyi tahmin etmek için eğitilmiştir. Şirket, blogunda “ Bu uzun vadeli tahmin yeteneğinin kilidini açmak, modern yapay zekanın dil modellerini geliştirmeye yardımcı olabilir ” diyor.
