AI διαβάζει τις σκέψεις με μια απλή σάρωση του εγκεφάλου χωρίς να χρειάζεται εκπαίδευση
Ερευνητές προχώρησαν σε νέες βελτιώσεις σε έναν «αποκωδικοποιητή εγκεφάλου» που χρησιμοποιεί τεχνητή νοημοσύνη (AI) για να μετατρέπει τις σκέψεις σε κείμενο. Ο νέος αλγόριθμος μετατροπής μπορεί να εκπαιδεύσει γρήγορα έναν υπάρχοντα αποκωδικοποιητή στον εγκέφαλο ενός άλλου ατόμου, όπως αναφέρει η ομάδα σε μια νέα μελέτη. Τα ευρήματα θα μπορούσαν μια μέρα να υποστηρίξουν άτομα με αφασία, μια εγκεφαλική διαταραχή που επηρεάζει την ικανότητα επικοινωνίας ενός ατόμου.
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 παλαιότερες εκδόσεις του αποκωδικοποιητή απαιτούσαν από τους συμμετέχοντες να ακούνε ιστορίες μέσα σε ένα μηχάνημα μαγνητικής τομογραφίας για πολλές ώρες και αυτοί οι αποκωδικοποιητές λειτουργούσαν μόνο για τα άτομα πάνω στα οποία είχαν εκπαιδευτεί.
«Τα άτομα με αφασία έχουν συχνά κάποιο πρόβλημα στην κατανόηση της γλώσσας καθώς και στην παραγωγή γλώσσας», δήλωσε ο συν-συγγραφέας της μελέτης Alexander Huth από το Πανεπιστήμιο του Τέξας στο Όστιν (UT Austin). «Έτσι, αν αυτό ισχύει, τότε ίσως να μην μπορούμε να δημιουργήσουμε καθόλου μοντέλα για τον εγκέφαλό τους παρακολουθώντας πώς ανταποκρίνεται στις ιστορίες που ακούνε».
Στη νέα έρευνα, που δημοσιεύθηκε στις 6 Φεβρουαρίου στο περιοδικό Current Biology, ο Huth και ο συν-συγγραφέας Jerry Tang, μεταπτυχιακός φοιτητής στο UT Austin, διερεύνησαν πώς θα μπορούσαν να ξεπεράσουν αυτόν τον περιορισμό. «Σε αυτή τη μελέτη, αναρωτιόμασταν, μπορούμε να κάνουμε τα πράγματα διαφορετικά; Μπορούμε ουσιαστικά να μεταφέρουμε έναν αποκωδικοποιητή που κατασκευάσαμε για τον εγκέφαλο ενός ατόμου στον εγκέφαλο ενός άλλου ατόμου;»
Οι ερευνητές εκπαίδευσαν πρώτα τον αποκωδικοποιητή εγκεφάλου σε μερικούς συμμετέχοντες αναφοράς με τον παραδοσιακό τρόπο συλλέγοντας δεδομένα λειτουργικής μαγνητικής τομογραφίας ενώ οι συμμετέχοντες άκουγαν 10 ώρες ραδιοφωνικών ιστοριών. Στη συνέχεια, εκπαίδευσαν δύο μετατρεπτικούς αλγόριθμους στους συμμετέχοντες αναφοράς και σε ένα διαφορετικό σύνολο συμμετεχόντων «στόχου»: στο ένα σύνολο χρησιμοποιώντας δεδομένα που συλλέχθηκαν όταν οι συμμετέχοντες περνούσαν 70 λεπτά ακούγοντας ραδιοφωνικές ιστορίες και στο άλλο παρακολουθώντας για 70 λεπτά σιωπηλές 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.
Για παράδειγμα, ένα τμήμα της δοκιμαστικής ιστορίας περιλάμβανε κάποιον που συζητούσε για μια δουλειά που δεν του άρεσε, λέγοντας: «Είμαι σερβιτόρα σε ένα παγωτατζίδικο. Οπότε, δεν είναι... δεν ξέρω πού θέλω να είμαι, αλλά ξέρω ότι δεν είναι αυτό». Ο αποκωδικοποιητής χρησιμοποιώντας τον αλγόριθμο μετατροπέα που εκπαιδεύτηκε σε δεδομένα ταινιών προέβλεψε τα εξής
«Ήμουν σε μια δουλειά που θεωρούσα βαρετή. Έπρεπε να δέχομαι παραγγελίες και δεν μου άρεσαν και έτσι δούλευα πάνω σε αυτές κάθε μέρα». Δεν υπάρχει ακριβής ταύτιση, ο αποκωδικοποιητής δεν διαβάζει τους ακριβείς ήχους που άκουσαν οι άνθρωποι, αλλά οι σκέψεις σχετίζονται.
Το πραγματικά εκπληκτικό ήταν ότι μπορούμε να το κάνουμε αυτό ακόμη και χωρίς να χρησιμοποιούμε γλωσσικά δεδομένα. Έτσι μπορούμε να έχουμε δεδομένα που συλλέγουμε απλώς την ώρα που κάποιος παρακολουθεί σιωπηλά βίντεο και στη συνέχεια μπορούμε να τα χρησιμοποιήσουμε για να δημιουργήσουμε αυτόν τον αποκωδικοποιητή γλώσσας για τον εγκέφαλο του.
Η χρήση των μετατροπέων που βασίζονται σε βίντεο για τη μεταφορά των υφιστάμενων αποκωδικοποιητών σε άτομα με αφασία μπορεί να τους βοηθήσει να εκφράσουν τις σκέψεις τους, σύμφωνα με τους 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 μετατροπέα σε συμμετέχοντες με αφασία και να δημιουργήσει μια διεπαφή που θα τους βοηθήσει να παράγουν τη γλώσσα που θέλουν.
[via]
