I ricercatori del Texas propongono un nuovo metodo per ricostruire il testo basato su segnali di risonanza magnetica cerebrale e intelligenza artificiale
In Breve
L'Università del Texas ha proposto un nuovo metodo per ricostruire il testo che una persona sente sulla base di un segnale cerebrale MRI.
Il metodo prevede l'addestramento di una rete di codificatori per ripristinare l'immagine MRI del cervello corrispondente al testo e l'utilizzo di modelli linguistici pre-addestrati per generare opzioni per continuare il testo.
Statisticamente testi generati sono più vicini all'originale di quelli casuali e possono essere usati per esplorare le funzioni di diverse parti del cervello.
I ricercatori dell'Università del Texas hanno proposto un nuovo metodo per ricreare il testo da un segnale cerebrale MRI. Inoltre, la decodifica avviene in un testo coerente semanticamente simile a quello reale.
È già stato tentato di decodificare il testo che una persona sente (o dice nella sua testa). A seconda di come il segnale viene prelevato dal cervello, ci sono due diversi approcci. L'estrazione del segnale in stile invasione è la prima: un chip che legge gli impulsi direttamente dal cervello neuroni è collocato nel cranio di una persona. Il metodo è invasivo, costoso e complicato. Le tecniche di estrazione del segnale non invasive, tra cui MRI e M/EEG, sono la seconda opzione; non richiedono alcuna perforazione e sono meno costosi.
Tuttavia, le tecniche non invasive per la raccolta dei segnali cerebrali hanno un grave difetto: le letture della risonanza magnetica di una persona sono influenzate da quello stimolo per circa 10 secondi dopo l'esposizione a uno stimolo (come l'ascolto di una parola). Un madrelingua inglese può dire in media due parole al secondo. Si scopre che ogni immagine MRI contiene dati sul cervello che elabora circa venti parole se registri un segnale MRI mentre ascolti persone che parlano inglese.
Di conseguenza, utilizzando la risonanza magnetica, è impossibile ricreare fedelmente il testo che una persona ascolta. Inoltre, molti studi precedenti sull'argomento del recupero del testo dai segnali cerebrali raccolti utilizzando tecniche non invasive sono riusciti solo a recuperare parole e frasi specifiche.
E i ricercatori del Texas hanno sviluppato una tecnica di risonanza magnetica per ricostruire un testo (quasi) comprensibile. Ci saranno alcune variazioni tra questo testo e ciò che la persona ha effettivamente sentito. Tuttavia, sarà semanticamente equivalente, nel senso che rappresenterà l'interpretazione solitamente accettata.
Per recuperare la risonanza magnetica del cervello associata a questo passaggio di testo, i ricercatori addestrano la rete codificatrice, che impara da un pezzo di testo. Quindi, utilizzando un modello linguistico pre-addestrato (come GPT), i ricercatori eseguono i seguenti passaggi:
- Chiedono i ricercatori GPT per creare numerose possibilità per far avanzare il testo ogni due secondi. La rete del codificatore riceve queste numerose opzioni e tenta di utilizzarle per recuperare l'immagine MRI attuale. Riteniamo che la versione testuale che ha consentito la rappresentazione più accurata del segnale MRI autentico sia quella accurata.
Ecco un esempio:
| Ingresso originale | Uscita di generazione |
| Non sapevo se urlare, piangere o scappare. Invece, ho detto: “Lasciami in pace; Non ho bisogno del tuo aiuto. Adam è scomparso e io mi sono ripulito da solo, piangendo. | Ho iniziato a urlare e piangere, e poi lei ha appena detto, ti ho detto di lasciarmi in pace; non puoi più farmi del male. Mi dispiace», e poi se ne andò. Anche se pensavo che se ne fosse andato, ho iniziato a piangere. |
Questa tecnologia avrà molti usi se la usi per inventare discorsi invece di ascoltare le registrazioni di altre persone. Anche la ricostruzione del discorso fittizio è stata oggetto di un esperimento da parte degli autori dell'articolo. Ancora una volta, i testi finali si sono dimostrati più simili agli originali che a quelli casuali. L'approccio sembra funzionare.
E con l'aiuto di tali modelli, puoi studiare le operazioni di varie regioni del cervello. In questo studio, per generare il segnale MRI sono state utilizzate tre regioni separate del cervello che gestiscono il parlato udibile. Si può apprendere quale parte dell'informazione viene elaborata da quale area del cervello aggiungendo ed eliminando segnali provenienti da varie parti del cervello dall'input del modello. Inoltre, è possibile contrastare le ricostruzioni del modello dell'encoder realizzate utilizzando segnali provenienti da altri componenti.
Per saperne di più sull'intelligenza artificiale:
Negazione di responsabilità
In linea con la Linee guida del progetto Trust, si prega di notare che le informazioni fornite in questa pagina non intendono essere e non devono essere interpretate come consulenza legale, fiscale, di investimento, finanziaria o di qualsiasi altra forma. È importante investire solo ciò che puoi permetterti di perdere e chiedere una consulenza finanziaria indipendente in caso di dubbi. Per ulteriori informazioni, suggeriamo di fare riferimento ai termini e alle condizioni nonché alle pagine di aiuto e supporto fornite dall'emittente o dall'inserzionista. MetaversePost si impegna a fornire report accurati e imparziali, ma le condizioni di mercato sono soggette a modifiche senza preavviso.
Circa l'autore
Damir è il team leader, il product manager e l'editore di Metaverse Post, che copre argomenti come AI/ML, AGI, LLM, Metaverse e Web3campi correlati. I suoi articoli attirano un vasto pubblico di oltre un milione di utenti ogni mese. Sembra essere un esperto con 10 anni di esperienza in SEO e marketing digitale. Damir è stato menzionato in Mashable, Wired, Cointelegraph, The New Yorker, Inside.com, Entrepreneur, BeInCrypto e altre pubblicazioni. Viaggia tra Emirati Arabi Uniti, Turchia, Russia e CSI come nomade digitale. Damir ha conseguito una laurea in fisica, che secondo lui gli ha fornito le capacità di pensiero critico necessarie per avere successo nel panorama in continua evoluzione di Internet.
Altri articoli
Damir è il team leader, il product manager e l'editore di Metaverse Post, che copre argomenti come AI/ML, AGI, LLM, Metaverse e Web3campi correlati. I suoi articoli attirano un vasto pubblico di oltre un milione di utenti ogni mese. Sembra essere un esperto con 10 anni di esperienza in SEO e marketing digitale. Damir è stato menzionato in Mashable, Wired, Cointelegraph, The New Yorker, Inside.com, Entrepreneur, BeInCrypto e altre pubblicazioni. Viaggia tra Emirati Arabi Uniti, Turchia, Russia e CSI come nomade digitale. Damir ha conseguito una laurea in fisica, che secondo lui gli ha fornito le capacità di pensiero critico necessarie per avere successo nel panorama in continua evoluzione di Internet.
