Investigadors de Texas proposen un nou mètode per reconstruir text basat en senyals de ressonància magnètica cerebral i IA
En breu
La Universitat de Texas ha proposat un nou mètode per reconstruir el text que una persona escolta a partir d'un senyal cerebral de ressonància magnètica.
El mètode consisteix a entrenar una xarxa de codificadors per restaurar la imatge de ressonància magnètica del cervell corresponent al text i utilitzar models de llenguatge pre-entrenats per generar opcions per continuar el text.
Estadísticament textos generats són més properes a l'original que les aleatòries i es poden utilitzar per explorar les funcions de diferents parts del cervell.
Investigadors de la Universitat de Texas han proposat un nou mètode per recrear text a partir d'un senyal cerebral de ressonància magnètica. A més, la descodificació es produeix en un text coherent semànticament similar al real.
Abans s'ha intentat descodificar el text que una persona escolta (o diu al cap). Depenent de com es treu el senyal del cervell, hi ha dos enfocaments diferents. L'extracció de senyal d'estil d'invasió és la primera: un xip que llegeix els impulsos directament del cervell les neurones es col·loquen al crani d'una persona. El mètode és invasiu, costós i complicat. Les tècniques d'extracció de senyals no invasives, com ara MRI i M/EEG, són la segona opció; no requereixen cap perforació i són menys costosos.
No obstant això, les tècniques no invasives per recollir senyals cerebrals tenen un greu defecte: les lectures de ressonància magnètica d'una persona es veuen afectades per aquest estímul durant aproximadament 10 segons després de l'exposició a un estímul (com escoltar una paraula). Un nadiu anglès pot dir dues paraules per segon de mitjana. Resulta que cada imatge de ressonància magnètica conté dades sobre el processament del cervell aproximadament una vintena de paraules si enregistreu un senyal de ressonància magnètica mentre escolteu parlants anglesos.
Com a resultat, amb la ressonància magnètica, és impossible recrear fidelment el text que escolta una persona. A més, molts estudis anteriors sobre el tema de la recuperació de text a partir de senyals cerebrals recopilats mitjançant tècniques no invasives només van aconseguir recuperar paraules i frases específiques.
I els investigadors de Texas van desenvolupar una tècnica de ressonància magnètica per reconstruir un text (gairebé) intel·ligible. Hi haurà alguna variació entre aquest text i el que la persona va sentir realment. Tanmateix, serà semànticament equivalent, és a dir, representarà la interpretació que s'accepta habitualment.
Per recuperar la ressonància magnètica del cervell associada a aquest passatge de text, els investigadors entrenen la xarxa codificadora, que aprèn d'un fragment de text. A continuació, utilitzant un model de llenguatge pre-entrenat (com ara GPT), els investigadors realitzen els passos següents:
- pregunten els investigadors GPT per crear nombroses possibilitats per avançar el text cada dos segons. La xarxa del codificador rep aquestes moltes opcions i intenta utilitzar-les per recuperar la imatge de ressonància magnètica actual. Creiem que la versió de text que va permetre la representació més precisa del senyal de ressonància magnètica genuïna és la precisa.
Aquí teniu un exemple:
| Entrada original | Sortida de generació |
| No sabia si cridar, plorar o fugir. En canvi, vaig dir: “Deixa'm en pau; No necessito la teva ajuda." Adam va desaparèixer i jo vaig netejar-me sol, plorant. | Vaig començar a cridar i a plorar, i després ella només va dir: et vaig dir que em deixis en pau; ja no em pots fer mal. Ho sento", i després va marxar. Encara que pensava que havia marxat, vaig començar a plorar. |
Aquesta tecnologia tindrà molts usos si l'utilitzeu per inventar la parla en lloc d'escoltar les gravacions d'altres persones. Fins i tot la reconstrucció del discurs fictici va ser objecte d'un experiment dels autors de l'article. Una vegada més, els textos finals van demostrar ser més semblants als originals que els aleatoris. L'enfocament sembla funcionar.
I amb l'ajuda d'aquests models, podeu investigar les operacions de diverses regions del cervell. En aquest estudi, es van utilitzar tres regions separades del cervell que gestionen la parla audible per generar el senyal de ressonància magnètica. Es pot aprendre quina part de la informació és processada per quina àrea del cervell afegint i eliminant senyals de diverses parts del cervell de l'entrada del model. A més, podeu contrastar reconstruccions del model de codificador fetes amb senyals d'altres components.
Llegeix més sobre AI:
renúncia
En línia amb la Directrius del projecte Trust, si us plau, tingueu en compte que la informació proporcionada en aquesta pàgina no pretén ni s'ha d'interpretar com a assessorament legal, fiscal, d'inversió, financer o de cap altra forma. És important invertir només el que et pots permetre perdre i buscar assessorament financer independent si tens dubtes. Per obtenir més informació, us suggerim que feu referència als termes i condicions, així com a les pàgines d'ajuda i assistència proporcionades per l'emissor o l'anunciant. MetaversePost es compromet a fer informes precisos i imparcials, però les condicions del mercat estan subjectes a canvis sense previ avís.
About The Autor
Damir és el líder d'equip, cap de producte i editor de Metaverse Post, que cobreix temes com AI/ML, AGI, LLMs, Metaverse i Web3-camps relacionats. Els seus articles atrauen una audiència massiva de més d'un milió d'usuaris cada mes. Sembla ser un expert amb 10 anys d'experiència en SEO i màrqueting digital. Damir ha estat esmentat a Mashable, Wired, Cointelegraph, The New Yorker, Inside.com, Entrepreneur, BeInCrypto i altres publicacions. Viatja entre els Emirats Àrabs Units, Turquia, Rússia i la CEI com a nòmada digital. Damir va obtenir una llicenciatura en física, que creu que li ha donat les habilitats de pensament crític necessàries per tenir èxit en el paisatge en constant canvi d'Internet.
més articles
Damir és el líder d'equip, cap de producte i editor de Metaverse Post, que cobreix temes com AI/ML, AGI, LLMs, Metaverse i Web3-camps relacionats. Els seus articles atrauen una audiència massiva de més d'un milió d'usuaris cada mes. Sembla ser un expert amb 10 anys d'experiència en SEO i màrqueting digital. Damir ha estat esmentat a Mashable, Wired, Cointelegraph, The New Yorker, Inside.com, Entrepreneur, BeInCrypto i altres publicacions. Viatja entre els Emirats Àrabs Units, Turquia, Rússia i la CEI com a nòmada digital. Damir va obtenir una llicenciatura en física, que creu que li ha donat les habilitats de pensament crític necessàries per tenir èxit en el paisatge en constant canvi d'Internet.
