텍사스 연구원, 뇌 MRI 신호 및 AI 기반 텍스트 재구성을 위한 새로운 방법 제안
요컨대
텍사스 대학은 MRI 뇌 신호를 기반으로 사람이 듣는 텍스트를 재구성하는 새로운 방법을 제안했습니다.
이 방법은 텍스트에 해당하는 뇌의 MRI 이미지를 복원하도록 인코더 네트워크를 훈련하고 텍스트를 계속하기 위한 옵션을 생성하기 위해 사전 훈련된 언어 모델을 사용하는 것을 포함합니다.
통계적으로 생성된 텍스트 임의의 것보다 원본에 더 가깝고 뇌의 다른 부분의 기능을 탐색하는 데 사용할 수 있습니다.
텍사스 대학의 연구원들은 MRI 뇌 신호에서 텍스트를 재생성하는 새로운 방법을 제안했습니다. 또한 디코딩은 실제 텍스트와 의미론적으로 유사한 일관된 텍스트에서 발생합니다.
이전에 사람이 듣는(또는 머리로 말하는) 텍스트를 해독하려는 시도가 있었습니다. 신호가 뇌에서 어떻게 제거되는지에 따라 두 가지 접근 방식이 있습니다. 침입형 신호 추출이 첫 번째입니다. 뇌에서 직접 충동을 읽습니다. 뉴런은 사람의 두개골에 위치합니다. 이 방법은 침습적이고 비싸며 복잡합니다. MRI 및 M/EEG를 포함한 비침습적 신호 추출 기술이 두 번째 옵션입니다. 드릴링이 필요하지 않고 저렴합니다.
그러나 뇌 신호를 수집하는 비침습적 기술에는 한 가지 심각한 결함이 있습니다. 사람의 MRI 판독값은 자극(예: 단어 듣기)에 노출된 후 약 10초 동안 해당 자극의 영향을 받습니다. 영어 원어민은 평균적으로 초당 두 단어를 말할 수 있습니다. 영어 화자를 들으면서 MRI 신호를 녹음하면 각 MRI 이미지에는 대략 XNUMX개의 단어를 처리하는 뇌에 대한 데이터가 포함되어 있는 것으로 나타났습니다.
결과적으로 MRI를 사용하면 사람이 듣는 텍스트를 충실하게 재현하는 것이 불가능합니다. 또한 비침습적 기술을 사용하여 수집된 뇌 신호에서 텍스트 복구 주제에 대한 이전의 많은 연구는 특정 단어와 구를 검색하는 데만 성공했습니다.
그리고 텍사스 연구원들은 (거의) 이해할 수 있는 텍스트를 재구성하기 위해 MRI 기술을 개발했습니다. 이 텍스트와 그 사람이 실제로 들은 것 사이에는 약간의 차이가 있을 것입니다. 그러나 일반적으로 허용되는 해석을 나타내므로 의미상 동일합니다.
이 텍스트 구절과 관련된 뇌의 MRI를 복구하기 위해 연구자들은 텍스트 조각에서 학습하는 인코더 네트워크를 훈련합니다. 그런 다음 사전 훈련된 언어 모델(예: GPT), 연구자들은 다음 단계를 수행합니다.
- 연구자들은 묻는다 GPT XNUMX초마다 텍스트를 진행할 수 있는 수많은 가능성을 만듭니다. 인코더 네트워크는 이러한 많은 옵션을 수신하고 이를 사용하여 현재 MRI 이미지를 복구하려고 시도합니다. 진정한 MRI 신호를 가장 정확하게 표현할 수 있는 텍스트 버전이 정확한 버전이라고 생각합니다.
다음은 그 예입니다.
| 원래 입력 | 생성 출력 |
| 비명을 지르고 울어야 할지 도망쳐야 할지 알 수 없었다. 대신에 나는 “나를 내버려 둬. 나는 당신의 도움이 필요하지 않습니다.” 아담이 사라졌고, 나는 울면서 혼자 청소를 했다. | 나는 비명을 지르고 울기 시작했고 그녀는 방금 말했습니다. 당신은 더 이상 나를 해칠 수 없습니다. 죄송합니다”라고 말한 뒤 자리를 떴다. 그가 떠났다고 생각했지만 울기 시작했습니다. |
이 기술은 다른 사람의 녹음을 듣는 대신 말을 구성하는 데 사용하는 경우 많은 용도가 있습니다. 가상의 연설의 재구성조차도 기사 작성자의 실험 대상이었습니다. 다시 한 번, 최종 텍스트는 무작위 텍스트보다 원본과 더 유사한 것으로 판명되었습니다. 접근 방식이 작동하는 것 같습니다.
그리고 그러한 모델의 도움으로 다양한 뇌 영역의 작동을 조사할 수 있습니다. 이 연구에서는 들을 수 있는 말을 처리하는 뇌의 XNUMX개 영역을 사용하여 MRI 신호를 생성했습니다. 모델의 입력에서 뇌의 여러 부분의 신호를 추가하고 제거하여 정보의 어느 부분이 뇌의 어느 영역에서 처리되는지 학습할 수 있습니다. 또한 다른 구성 요소의 신호를 사용하여 만든 인코더 모델의 재구성을 대조할 수 있습니다.
AI에 대해 자세히 알아보기:
책임 부인
줄 안 트러스트 프로젝트 지침, 이 페이지에 제공된 정보는 법률, 세금, 투자, 재정 또는 기타 형태의 조언을 제공하기 위한 것이 아니며 해석되어서도 안 됩니다. 손실을 감수할 수 있는 만큼만 투자하고 의심스러운 경우 독립적인 재정 조언을 구하는 것이 중요합니다. 자세한 내용은 이용약관은 물론 발행자나 광고주가 제공하는 도움말 및 지원 페이지를 참조하시기 바랍니다. MetaversePost 는 정확하고 편견 없는 보고를 위해 최선을 다하고 있지만 시장 상황은 예고 없이 변경될 수 있습니다.
저자에 관하여
Damir는 팀 리더, 제품 관리자 및 편집자입니다. Metaverse Post, AI/ML, AGI, LLM, Metaverse 및 Web3-관련 분야. 그의 기사는 매달 백만 명이 넘는 사용자의 엄청난 청중을 끌어들입니다. 그는 SEO 및 디지털 마케팅 분야에서 10년의 경험을 가진 전문가로 보입니다. Damir는 Mashable, Wired, Cointelegraph, The New Yorker, Inside.com, Entrepreneur, BeInCrypto 및 기타 간행물. UAE, 터키, 러시아, CIS를 오가며 디지털 유목민으로 활동하고 있습니다. Damir는 끊임없이 변화하는 인터넷 환경에서 성공하는 데 필요한 비판적 사고 기술을 제공했다고 믿는 물리학 학사 학위를 받았습니다.
더 많은 기사
Damir는 팀 리더, 제품 관리자 및 편집자입니다. Metaverse Post, AI/ML, AGI, LLM, Metaverse 및 Web3-관련 분야. 그의 기사는 매달 백만 명이 넘는 사용자의 엄청난 청중을 끌어들입니다. 그는 SEO 및 디지털 마케팅 분야에서 10년의 경험을 가진 전문가로 보입니다. Damir는 Mashable, Wired, Cointelegraph, The New Yorker, Inside.com, Entrepreneur, BeInCrypto 및 기타 간행물. UAE, 터키, 러시아, CIS를 오가며 디지털 유목민으로 활동하고 있습니다. Damir는 끊임없이 변화하는 인터넷 환경에서 성공하는 데 필요한 비판적 사고 기술을 제공했다고 믿는 물리학 학사 학위를 받았습니다.
