Texas tədqiqatçıları beyin MRT siqnalları və süni intellekt əsasında mətnin yenidən qurulması üçün yeni metod təklif edirlər
Qısaca
Texas Universiteti MRT beyin siqnalı əsasında insanın eşitdiyi mətnin yenidən qurulması üçün yeni üsul təklif edib.
Metod mətnə uyğun gələn beynin MRT görüntüsünü bərpa etmək üçün kodlayıcı şəbəkənin hazırlanmasını və mətnin davam etdirilməsi variantlarını yaratmaq üçün əvvəlcədən hazırlanmış dil modellərindən istifadə etməyi nəzərdə tutur.
Statistik olaraq yaradılan mətnlər təsadüfi olanlardan daha orijinala yaxındır və beynin müxtəlif hissələrinin funksiyalarını araşdırmaq üçün istifadə edilə bilər.
Texas Universitetinin tədqiqatçıları MRT beyin siqnalından mətni yenidən yaratmaq üçün yeni üsul təklif ediblər. Bundan əlavə, deşifrə semantik olaraq real mətnə oxşar əlaqəli mətndə baş verir.
Bir insanın eşitdiyi (və ya başının içində dediyi) mətnin şifrəsini açmağa əvvəllər cəhd edilmişdir. Siqnalın beyindən necə çıxarılmasından asılı olaraq iki fərqli yanaşma var. Invasion-stil siqnal çıxarılması birinci: A chip ki impulsları birbaşa beyindən oxuyur neyronlar insanın kəllə sümüyünə yerləşdirilir. Metod invaziv, bahalı və mürəkkəbdir. MRT və M/EEQ daxil olmaqla qeyri-invaziv siqnal çıxarma üsulları ikinci seçimdir; onlar heç bir qazma tələb etmir və daha ucuzdur.
Bununla belə, beyin siqnallarının toplanması üçün qeyri-invaziv üsulların bir ciddi qüsuru var: bir insanın MRT göstəriciləri bir stimula məruz qaldıqdan sonra (məsələn, bir söz eşitmək kimi) təxminən 10 saniyə ərzində bu stimuldan təsirlənir. İngilis dili orta hesabla saniyədə iki söz deyə bilər. İngilis dilində danışanları dinləyərkən MRT siqnalını qeyd etsəniz, hər bir MHİ təsvirində beynin təxminən iyirmi sözü emal etməsi haqqında məlumat olduğu ortaya çıxır.
Nəticədə, MRT istifadə edərək, bir insanın eşitdiyi mətni sədaqətlə yenidən yaratmaq mümkün deyil. Bundan əlavə, qeyri-invaziv üsullardan istifadə edərək toplanmış beyin siqnallarından mətnin bərpası mövzusunda bir çox əvvəlki tədqiqatlar yalnız xüsusi söz və ifadələri əldə etməyə müvəffəq olmuşdur.
Və Texas tədqiqatçıları (təxminən) başa düşülən mətni yenidən qurmaq üçün MRT texnikasını inkişaf etdirdilər. Bu mətnlə insanın əslində eşitdikləri arasında müəyyən fərqlər olacaq. Bununla belə, semantik ekvivalent olacaq, yəni adətən qəbul edilən şərhi təmsil edəcəkdir.
Mətnin bu keçidi ilə əlaqəli beynin MRT-sini bərpa etmək üçün tədqiqatçılar mətn parçasından öyrənən kodlayıcı şəbəkəni öyrədirlər. Sonra, əvvəlcədən öyrədilmiş dil modelindən (məsələn GPT), tədqiqatçılar aşağıdakı addımları yerinə yetirirlər:
- Tədqiqatçılar soruşur GPT mətni hər iki saniyədə irəlilətmək üçün çoxsaylı imkanlar yaratmaq. Kodlayıcı şəbəkə bu çoxlu variantları qəbul edir və mövcud MRT görüntüsünü bərpa etmək üçün onlardan istifadə etməyə çalışır. Düşünürük ki, həqiqi MRT siqnalının ən dəqiq təsvirinə imkan verən mətn versiyası dəqiqdir.
Burada bir nümunə:
| Orijinal Giriş | Nəsil Çıxışı |
| Bilmədim qışqırım, ağlayım, yoxsa qaçım. Əvəzində dedim: “Məni rahat buraxın; Sizin köməyinizə ehtiyacım yoxdur”. Adəm yox oldu, mən ağlaya-ağlaya tək təmizlədim. | Mən qışqırmağa və ağlamağa başladım, sonra o, sadəcə dedi, dedim ki, məni tək burax; daha məni incidə bilməzsən. Bağışlayın, - dedi və sonra qaçdı. Onun getdiyini düşünsəm də, ağlamağa başladım. |
Bu texnologiyadan başqa insanların yazılarını dinləmək əvəzinə nitq düzəltmək üçün istifadə etsəniz, bir çox faydası olacaq. Hətta qondarma nitqin yenidən qurulması məqalə müəlliflərinin eksperimentinin mövzusu olub. Bir daha sübut etdi ki, son mətnlər təsadüfi mətnlərdən daha çox orijinallara bənzəyir. Görünür, yanaşma işləyir.
Və bu cür modellərin köməyi ilə beynin müxtəlif bölgələrinin əməliyyatlarını araşdırmaq olar. Bu işdə MRT siqnalını yaratmaq üçün beynin səsli nitqi idarə edən üç ayrı bölgəsindən istifadə edilmişdir. Modelin girişindən beynin müxtəlif hissələrindən gələn siqnalları əlavə edib aradan qaldırmaqla məlumatın hansı hissəsinin beynin hansı sahəsi tərəfindən işləndiyini öyrənmək olar. Bundan əlavə, siz digər komponentlərdən gələn siqnallardan istifadə etməklə hazırlanmış kodlayıcı modelinin yenidən qurulmasını əks etdirə bilərsiniz.
AI haqqında daha çox oxuyun:
Məsuliyyətdən imtina
uyğun olaraq Güvən Layihəsi qaydaları, lütfən nəzərə alın ki, bu səhifədə təqdim olunan məlumat hüquqi, vergi, investisiya, maliyyə və ya hər hansı digər məsləhət forması kimi təfsir edilməməlidir və təfsir edilməməlidir. Yalnız itirə biləcəyiniz şeyə investisiya qoymaq və hər hansı bir şübhəniz varsa, müstəqil maliyyə məsləhətləri axtarmaq vacibdir. Əlavə məlumat üçün biz emitent və ya reklamçı tərəfindən təmin edilən şərtlər və şərtlərə, həmçinin yardım və dəstək səhifələrinə müraciət etməyi təklif edirik. MetaversePost dəqiq, qərəzsiz hesabat verməyə sadiqdir, lakin bazar şərtləri xəbərdarlıq edilmədən dəyişdirilə bilər.
Müəllif haqqında
Damir komanda rəhbəri, məhsul meneceri və redaktordur Metaverse Post, AI/ML, AGI, LLMs, Metaverse və kimi mövzuları əhatə edir Web3- əlaqəli sahələr. Onun məqalələri hər ay bir milyondan çox istifadəçinin kütləsini cəlb edir. O, SEO və rəqəmsal marketinq sahəsində 10 illik təcrübəyə malik mütəxəssis kimi görünür. Damirin adı Mashable, Wired, Cointelegraph, The New Yorker, Inside.com, Entrepreneur, BeInCrypto və digər nəşrlər. O, rəqəmsal köçəri kimi BƏƏ, Türkiyə, Rusiya və MDB arasında səyahət edir. Damir fizika üzrə bakalavr dərəcəsi qazandı və onun fikrincə, bu, ona internetin daim dəyişən mənzərəsində uğur qazanmaq üçün lazım olan tənqidi düşünmə bacarıqlarını verdi.
Ətraflı məqalələr
Damir komanda rəhbəri, məhsul meneceri və redaktordur Metaverse Post, AI/ML, AGI, LLMs, Metaverse və kimi mövzuları əhatə edir Web3- əlaqəli sahələr. Onun məqalələri hər ay bir milyondan çox istifadəçinin kütləsini cəlb edir. O, SEO və rəqəmsal marketinq sahəsində 10 illik təcrübəyə malik mütəxəssis kimi görünür. Damirin adı Mashable, Wired, Cointelegraph, The New Yorker, Inside.com, Entrepreneur, BeInCrypto və digər nəşrlər. O, rəqəmsal köçəri kimi BƏƏ, Türkiyə, Rusiya və MDB arasında səyahət edir. Damir fizika üzrə bakalavr dərəcəsi qazandı və onun fikrincə, bu, ona internetin daim dəyişən mənzərəsində uğur qazanmaq üçün lazım olan tənqidi düşünmə bacarıqlarını verdi.
