ΑΙ: Πώς μετατρέπει τη σκέψη σε κείμενο

Διαβάζεται σε 4'
Έλεγχος δραστηριότητας του εγκεφάλου
Έλεγχος δραστηριότητας του εγκεφάλου iStock

Μία νέα μέθοδος που αναμένεται να βοηθήσει άτομα που βρίσκονται σε αφασία να εκφράσουν τις σκέψεις τους εφηύραν με τη βοήθεια της τεχνητής νοημοσύνης ειδικοί στις ΗΠΑ.

Με νέες βελτιώσεις που έκαναν επιστήμονες σε έναν ήδη υπάρχων «αποκωδικοποιητή εγκεφάλου» που χρησιμοποιεί τεχνητή νοημοσύνη (AI), μπορεί πλέον να μετατρέπει με επιτυχία τις σκέψεις σε κείμενο.

Το νέο εγχείρημα θα μπορούσε να υποστηρίξει στο μέλλον άτομα που βρίσκονται σε αφασία, μια εγκεφαλική διαταραχή που επηρεάζει την ικανότητα επικοινωνίας ενός ατόμου, να επικοινωνήσει με το περιβάλλον του, δήλωσαν οι επιστήμονες.

Ο αποκωδικοποιητής εγκεφάλου χρησιμοποιεί τη μηχανική εκμάθηση για να «μεταφράσει» τις σκέψεις ενός ατόμου σε κείμενο, με βάση τις αντιδράσεις του εγκεφάλου του.

«Τα άτομα που βρίσκονται σε αφασία έχουν συχνά πρόβλημα τόσο στην κατανόηση της γλώσσας όσο και στην παραγωγή του λόγου», δήλωσε ο συνσυγγραφέας της μελέτης Alexander Huth, υπολογιστικός νευροεπιστήμονας στο Πανεπιστήμιο του Τέξας στο Όστιν (UT Austin).

Στη νέα έρευνα, που δημοσιεύθηκε στις 6 Φεβρουαρίου στην επιστημονική επιθεώρηση Current Biology, ο Huth και ο συνσυγγραφέας 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. Η ιδέα ήταν αν μπορούμε ουσιαστικά να μεταφέρουμε έναν αποκωδικοποιητή που κατασκευάσαμε για τον εγκέφαλο ενός ατόμου στον εγκέφαλο ενός άλλου».

Έτσι, οι ερευνητές εκπαίδευσαν πρώτα τον αποκωδικοποιητή του εγκεφάλου σε μερικούς συμμετέχοντες αναφοράς συλλέγοντας δεδομένα λειτουργικής μαγνητικής τομογραφίας, ενώ οι συμμετέχοντες άκουγαν 10 ώρες ραδιοφωνικών ιστοριών.

Στη συνέχεια, εκπαίδευσαν δύο αλγόριθμους μετατροπέα στους συμμετέχοντες αναφοράς και σε ένα διαφορετικό σύνολο συμμετεχόντων «στόχου», δηλαδή ατόμων σε αφασία: ο ένας χρησιμοποιώντας δεδομένα που συλλέχθηκαν ενώ οι συμμετέχοντες πέρασαν 70 λεπτά ακούγοντας ραδιοφωνικές ιστορίες και ο άλλος ενώ 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.

Ακολούθως, 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 ότι: «Είμαι σερβιτόρα σε ένα καφέ. Οπότε, αυτό δεν είναι… Δεν ξέρω πού θέλω να είμαι, αλλά ξέρω ότι δεν είναι αυτό».

Ο αποκωδικοποιητής που χρησιμοποιεί τον αλγόριθμο-μετατροπέα που εκπαιδεύτηκε σε δεδομένα ταινιών προέβλεψε: «Ήμουν σε μια δουλειά που θεωρούσα βαρετή. Έπρεπε να παίρνω παραγγελίες και δεν μου άρεσε αν και δούλευα γι αυτό κάθε μέρα».

Δεν πρόκειται για ακριβή ταύτιση, ο αποκωδικοποιητής δεν διαβάζει τους ακριβείς ήχους που άκουσαν οι άνθρωποι, δήλωσε ο Huth, αλλά οι ιδέες σχετίζονται.

«Το πραγματικά εκπληκτικό ήταν ότι μπορούμε να το κάνουμε αυτό ακόμη και χωρίς να χρησιμοποιούμε γλωσσικά δεδομένα», δήλωσε ο Huth στο Live Science.

«Έτσι μπορούμε να έχουμε δεδομένα που συλλέγουμε απλώς ενώ κάποιος παρακολουθεί σιωπηλά βίντεο και στη συνέχεια μπορούμε να τα χρησιμοποιήσουμε για να δημιουργήσουμε αυτόν τον αποκωδικοποιητή γλώσσας για τον εγκέφαλό του», εξηγεί ο ίδιος.

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, δήλωσαν οι ερευνητές.

Επίσης, αποκαλύπτει κάποια «επικάλυψη» μεταξύ των τρόπων με τους οποίους οι άνθρωποι αναπαριστούν ιδέες από τη γλώσσα και από οπτικές αφηγήσεις στον εγκέφαλο.

Με άλλα λόγια, η νέα τεχνολογία βοηθά να αποκαλυφθεί πώς ο εγκέφαλος αναπαριστά ορισμένες έννοιες με τον ίδιο τρόπο, ακόμη και όταν αυτές παρουσιάζονται σε διαφορετικές μορφές.

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 ώστε να εκφράσουν τη σκέψεις τους στο περιβάλλον τους», κατέληξε ο Huth.

Ροή Ειδήσεων

Περισσότερα