Επιστήμονες έχουν κάνει νέες βελτιώσεις σε έναν «αποκωδικοποιητή εγκεφάλου» που χρησιμοποιεί τεχνητή νοημοσύνη (AI) για να μετατρέπει τις σκέψεις σε κείμενο. Ο νέος τους αλγόριθμος μετατροπής μπορεί να εκπαιδεύσει γρήγορα έναν υπάρχοντα αποκωδικοποιητή σε έναν άλλο άνθρωπο, σύμφωνα με μια νέα μελέτη.
Η λειτουργία του αποκωδικοποιητή
Ένας αποκωδικοποιητής εγκεφάλου χρησιμοποιεί 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 ακούν ιστορίες μέσα σε μηχανή MRI για πολλές ώρες.
Επιπλέον, αυτοί οι αποκωδικοποιητές δούλευαν μόνο για τα άτομα που είχαν εκπαιδευθεί πάνω τους. «Οι άνθρωποι με αφασία συνήθως αντιμετωπίζουν προβλήματα στην κατανόηση και την παραγωγή γλώσσας», δήλωσε ο συναυτουργός της μελέτης, Άλεξ Χουθ, υπολογιστικός νευροβιολόγος στο Πανεπιστήμιο του Τέξας στο Όστιν.
Νέα ερευνητική προσέγγιση
Στη νέα έρευνα, δημοσιευμένη στις 6 Φεβρουαρίου στο περιοδικό Current Biology, ο Χουθ και ο συνεργάτης του, Τζέρι Τανγκ, διερεύνησαν πώς θα μπορούσαν να ξεπεράσουν αυτή την περιοριστική προσέγγιση.
«Ρωτήσαμε, μπορούμε να κάνουμε τα πράγματα διαφορετικά;» είπε ο Χουθ. «Μπορούμε να μεταφέρουμε έναν αποκωδικοποιητή που έχουμε χτίσει για τον εγκέφαλο ενός ατόμου σε έναν άλλον εγκέφαλο;».
Διαδικασία εκπαίδευσης
Οι ερευνητές πρώτα εκπαίδευσαν τον αποκωδικοποιητή σε λίγους αναφορικούς συμμετέχοντες με τον παραδοσιακό τρόπο – συλλέγοντας δεδομένα λειτουργικής MRI ενώ οι συμμετέχοντες άκουγαν 10 ώρες ραδιοϊστορίες.
Στη συνέχεια, εκπαίδευσαν δύο αλγορίθμους μετατροπής στους συμμετέχοντες αναφοράς και σε ένα διαφορετικό σύνολο συμμετεχόντων «στόχου»: ένας χρησιμοποιώντας δεδομένα που συλλέχθηκαν ενώ οι συμμετέχοντες άκουγαν ιστορίες και άλλος που παρακολουθούσαν σιωπηλά Pixar μικρού μήκους φιλμ, άσχετα με τις ραδιοϊστορίες.
Αποτελέσματα και ανάπτυξη
Χρησιμοποιώντας μια τεχνική που ονομάζεται «λειτουργική ευθυγράμμιση», η ομάδα χαρτογράφησε τον τρόπο με τον οποίο οι εγκέφαλοι των συμμετεχόντων αναφοράς και στόχου ανταποκρίνονταν στις ίδιες ηχητικές ή κινηματογραφικές ιστορίες.
Χρησιμοποίησαν αυτές τις πληροφορίες για να εκπαιδεύσουν τον αποκωδικοποιητή να λειτουργεί με τους εγκεφάλους των συμμετεχόντων στόχου , χωρίς να χρειάζεται να συλλέξουν πολλές ώρες εκπαιδευτικών δεδομένων.
Στη συνέχεια, η ομάδα δοκίμασε τους αποκωδικοποιητές χρησιμοποιώντας μια σύντομη ιστορία που κανένας από τους συμμετέχοντες δεν είχε ακούσει προηγουμένως.
Αν και οι προβλέψεις του αποκωδικοποιητή ήταν ελαφρώς πιο ακριβείς για τους αρχικούς συμμετέχοντες αναφορας, οι λέξεις που προέβλεψε από τις σάρωσεις του εγκεφάλου των συμμετεχόντων ήταν ακόμα σημασιολογικά σχετικές με αυτές που χρησιμοποιήθηκαν στην ιστορία δοκιμής.
Υποσχόμενα μελλοντικά βήματα
Η ομάδα σκοπεύει να δοκιμάσει τον αλγόριθμο μετατροπής σε συμμετέχοντες με αφασία και να «δημιουργήσει μια διεπαφή που θα βοηθήσει να εκφράσουν τις σκέψεις τους».
«Αυτή η μελέτη υποδεικνύει ότι υπάρχει κάποια σημασιολογική αναπαράσταση που δεν ακουμπά από ποια μορφή προέρχεται», ανέφερε ο Γιουκιάσου Καμιτάνι, υπολογιστικός νευροβιολόγος στο Πανεπιστήμιο Κιότο, που δε συμμετείχε στη μελέτη.