Οι επιστήμονες έκαναν νέες βελτιώσεις σε έναν «αποκωδικοποιητή εγκεφάλου» που χρησιμοποιεί τεχνητή νοημοσύνη (AI) για να μετατρέπει τις σκέψεις σε κείμενο.

Ο νέος αλγόριθμος μπορεί να εκπαιδεύσει γρήγορα έναν υπάρχοντα αποκωδικοποιητή στον εγκέφαλο άλλου ατόμου, ανέφερε η ομάδα σε μια νέα μελέτη. Τα ευρήματα θα μπορούσαν μια μέρα να υποστηρίξουν άτομα με αφασία, μια διαταραχή του εγκεφάλου που επηρεάζει την ικανότητα ενός ατόμου να επικοινωνεί, είπαν οι επιστήμονες.

Ένας αποκωδικοποιητής εγκεφάλου χρησιμοποιεί μηχανική μάθηση για να μεταφράσει τις σκέψεις ενός ατόμου σε κείμενο, με βάση τις απαντήσεις του εγκεφάλου του σε ιστορίες που έχουν ακούσει. Ωστόσο, οι προηγούμενες επαναλήψεις του αποκωδικοποιητή απαιτούσαν από τους συμμετέχοντες να ακούν ιστορίες μέσα σε μια μηχανή μαγνητικής τομογραφίας για πολλές ώρες και αυτοί οι αποκωδικοποιητές λειτουργούσαν μόνο για τα άτομα στα οποία είχαν εκπαιδευτεί.

“Τα άτομα με αφασία συχνά έχουν κάποιο πρόβλημα στην κατανόηση της γλώσσας καθώς και στην παραγωγή γλώσσας”, δήλωσε ο συν-συγγραφέας της μελέτης Alexander Huth , ένας νευροεπιστήμονας στο Πανεπιστήμιο του Τέξας στο Ώστιν (UT Austin). «Επομένως, αν συμβαίνει αυτό, τότε μπορεί να μην είμαστε σε θέση να δημιουργήσουμε μοντέλα για τον εγκέφαλό τους παρακολουθώντας πώς ανταποκρίνεται ο εγκέφαλός τους στις ιστορίες που ακούνε».

Στη νέα έρευνα, που δημοσιεύθηκε στις 6 Φεβρουαρίου στο περιοδικό Current Biology , ο Huth και ο συν-συγγραφέας Jerry Tang , ένας μεταπτυχιακός φοιτητής στο UT Austin διερεύνησαν πώς θα μπορούσαν να ξεπεράσουν αυτόν τον περιορισμό. «Σε αυτή τη μελέτη, ρωτούσαμε, μπορούμε να κάνουμε τα πράγματα διαφορετικά;» είπε. «Μπορούμε ουσιαστικά να μεταφέρουμε έναν αποκωδικοποιητή που κατασκευάσαμε για τον εγκέφαλο ενός ατόμου στον εγκέφαλο ενός άλλου;»

Οι ερευνητές αρχικά εκπαίδευσαν τον αποκωδικοποιητή εγκεφάλου σε μερικούς συμμετέχοντες συλλέγοντας λειτουργικά δεδομένα μαγνητικής τομογραφίας ενώ οι συμμετέχοντες άκουγαν 10 ώρες ραδιοφωνικές ιστορίες.

Στη συνέχεια, εκπαίδευσαν δύο αλγόριθμους μετατροπέων στους συμμετέχοντες “αναφοράς” και σε ένα διαφορετικό σύνολο συμμετεχόντων «στόχων»: ο ένας χρησιμοποιώντας δεδομένα που συλλέχθηκαν ενώ οι συμμετέχοντες αφιέρωσαν 70 λεπτά ακούγοντας ραδιοφωνικές ιστορίες και ο άλλος ενώ αφιέρωσαν 70 λεπτά παρακολουθώντας βουβές ταινίες μικρού μήκους της Pixar που δεν σχετίζονται με τις ραδιοφωνικές ιστορίες.

Χρησιμοποιώντας μια τεχνική που ονομάζεται λειτουργική ευθυγράμμιση, η ομάδα χαρτογράφησε πώς ο εγκέφαλος των συμμετεχόντων “αναφοράς” και “στόχου” ανταποκρίθηκε στις ίδιες ιστορίες ήχου ή ταινίας.

Στη συνέχεια, η ομάδα δοκίμασε τους αποκωδικοποιητές χρησιμοποιώντας μια σύντομη ιστορία που κανένας από τους συμμετέχοντες δεν είχε ακούσει πριν.

Για παράδειγμα, μια ενότητα της δοκιμαστικής ιστορίας περιελάμβανε κάποιον που συζητούσε για μια δουλειά που δεν του άρεσε, λέγοντας «Είμαι σερβιτόρα σε ένα παγωτατζίδικο. Λοιπόν, δεν είναι… Δεν ξέρω πού θέλω να είμαι, αλλά ξέρω ότι δεν είναι αυτό». Ο αποκωδικοποιητής που χρησιμοποιεί τον αλγόριθμο μετατροπέα που έχει εκπαιδευτεί σε δεδομένα φιλμ προέβλεψε: «Ήμουν σε μια δουλειά που νόμιζα ότι ήταν βαρετή. Έπρεπε να δέχομαι παραγγελίες και δεν μου άρεσαν, οπότε τις δούλευα καθημερινά». Δεν ταιριάζει ακριβώς – ο αποκωδικοποιητής δεν διαβάζει τους ακριβείς ήχους που άκουσαν οι άνθρωποι, είπε ο Huth – αλλά οι ιδέες σχετίζονται.

“Το πραγματικά εκπληκτικό και ωραίο ήταν ότι μπορούμε να το κάνουμε αυτό ακόμη και χωρίς τη χρήση γλωσσικών δεδομένων”, δήλωσε ο Huth στο Live Science. «Έτσι μπορούμε να έχουμε δεδομένα που συλλέγουμε ακριβώς ενώ κάποιος παρακολουθεί σιωπηλά βίντεο και, στη συνέχεια, μπορούμε να τα χρησιμοποιήσουμε για να δημιουργήσουμε αυτόν τον αποκωδικοποιητή γλώσσας για τον εγκέφαλό του».

Η χρήση των μετατροπέων που βασίζονται σε βίντεο για τη μεταφορά υπαρχόντων αποκωδικοποιητών σε άτομα με αφασία μπορεί να τους βοηθήσει να εκφράσουν τις σκέψεις τους, είπαν οι ερευνητές.

Τα επόμενα βήματα της ομάδας είναι να δοκιμάσει τον μετατροπέα σε συμμετέχοντες με αφασία και να «χτίσει μια διεπαφή που θα τους βοηθούσε να δημιουργήσουν την γλώσσα που θέλουν να δημιουργήσουν», είπε ο Huth.

photo: pixabay