Teksaso mokslininkai siūlo naują teksto atkūrimo metodą, pagrįstą smegenų MRT signalais ir AI
Trumpai
Teksaso universitetas pasiūlė naują metodą, kaip atkurti tekstą, kurį žmogus girdi, remiantis MRT smegenų signalu.
Šis metodas apima kodavimo tinklo mokymą, kad būtų atkurtas tekstą atitinkantis smegenų MRT vaizdas, ir naudojant iš anksto parengtus kalbos modelius, kad būtų sukurtos teksto tęsimo galimybės.
Statistiškai sukurtus tekstus yra artimesni originalui nei atsitiktiniai ir gali būti naudojami įvairių smegenų dalių funkcijoms tirti.
Teksaso universiteto mokslininkai pasiūlė naują teksto atkūrimo iš MRT smegenų signalo metodą. Be to, dekodavimas vyksta nuosekliame tekste, semantiškai panašiame į tikrąjį.
Anksčiau buvo bandoma iššifruoti tekstą, kurį žmogus girdi (arba sako galvoje). Priklausomai nuo to, kaip signalas pašalinamas iš smegenų, yra du skirtingi metodai. Invazijos stiliaus signalo išgavimas yra pirmasis: lustas, kuris skaito impulsus tiesiai iš smegenų neuronai dedami į žmogaus kaukolę. Metodas yra invazinis, brangus ir sudėtingas. Neinvaziniai signalo išgavimo metodai, įskaitant MRT ir M/EEG, yra antrasis variantas; jiems nereikia gręžti ir jie yra pigesni.
Tačiau neinvaziniai smegenų signalų rinkimo metodai turi vieną rimtą trūkumą: tas dirgiklis veikia žmogaus MRT rodmenis maždaug 10 sekundžių po dirgiklio poveikio (pvz., išgirdus žodį). Anglų gimtoji gali pasakyti vidutiniškai du žodžius per sekundę. Pasirodo, kad kiekviename MRT vaizde yra duomenų apie tai, kad smegenys apdoroja maždaug dvidešimt žodžių, jei įrašote MRT signalą klausydamiesi anglakalbių.
Dėl to naudojant MRT neįmanoma tiksliai atkurti teksto, kurį žmogus girdi. Be to, daugelyje ankstesnių tyrimų, susijusių su teksto atkūrimu iš smegenų signalų, surinktų naudojant neinvazinius metodus, pavyko gauti tik konkrečius žodžius ir frazes.
Teksaso mokslininkai sukūrė MRT metodą, kad atkurtų (beveik) suprantamą tekstą. Šis tekstas šiek tiek skirsis nuo to, ką asmuo iš tikrųjų girdėjo. Tačiau jis bus semantiškai lygiavertis, tai reiškia, kad jis reprezentuos paprastai priimtą interpretaciją.
Norėdami atkurti smegenų MRT, susietą su šia teksto ištrauka, mokslininkai treniruoja kodavimo tinklą, kuris mokosi iš teksto dalies. Tada, naudojant iš anksto paruoštą kalbos modelį (pvz., GPT), mokslininkai atlieka šiuos veiksmus:
- Tyrėjai klausia GPT sukurti daugybę galimybių tekstą perkelti kas dvi sekundes. Kodavimo tinklas gauna šias daugybę parinkčių ir bando jas panaudoti dabartiniam MRT vaizdui atkurti. Manome, kad teksto versija, leidžianti tiksliausiai pavaizduoti tikrąjį MRT signalą, yra tiksli.
Štai pavyzdys:
| Originali įvestis | Kartos išvestis |
| Nežinojau, ar rėkti, verkti ar bėgti. Vietoj to aš pasakiau: „Palik mane ramybėje; Man nereikia tavo pagalbos“. Adomas dingo, o aš apsitvarkiau viena, verkdama. | Aš pradėjau rėkti ir verkti, o tada ji tiesiog pasakė: Aš liepiau tau palikti mane ramybėje; tu nebegali manęs įskaudinti. Atsiprašau“, – ir tada jis nubėgo. Nors maniau, kad jis išėjo, aš pradėjau verkti. |
Ši technologija bus labai naudinga, jei naudosite ją kalbai sudaryti, o ne klausytis kitų žmonių įrašų. Netgi fiktyvios kalbos rekonstrukcija buvo straipsnio autorių eksperimento objektas. Dar kartą paaiškėjo, kad galutiniai tekstai yra panašesni į originalus nei atsitiktiniai. Atrodo, kad metodas veikia.
Ir tokių modelių pagalba galite ištirti įvairių smegenų regionų operacijas. Šiame tyrime MRT signalui generuoti buvo naudojami trys atskiri smegenų sritys, kurios valdo garsinę kalbą. Galima sužinoti, kurią informacijos dalį kuri smegenų sritis apdoroja, pridedant ir pašalinus signalus iš įvairių smegenų dalių iš modelio įvesties. Be to, galite kontrastuoti kodavimo modelio rekonstrukcijas, atliktas naudojant signalus iš kitų komponentų.
Skaitykite daugiau apie AI:
Atsakomybės neigimas
Remdamasi tuo, Pasitikėjimo projekto gairės, atkreipkite dėmesį, kad šiame puslapyje pateikta informacija nėra skirta ir neturėtų būti aiškinama kaip teisinė, mokesčių, investicinė, finansinė ar bet kokia kita konsultacija. Svarbu investuoti tik tai, ką galite sau leisti prarasti, ir, jei turite kokių nors abejonių, kreiptis į nepriklausomą finansinę konsultaciją. Norėdami gauti daugiau informacijos, siūlome peržiūrėti taisykles ir nuostatas bei pagalbos ir palaikymo puslapius, kuriuos pateikia išdavėjas arba reklamuotojas. MetaversePost yra įsipareigojusi teikti tikslias, nešališkas ataskaitas, tačiau rinkos sąlygos gali keistis be įspėjimo.
Apie autorių
Damiras yra komandos vadovas, produktų vadovas ir redaktorius Metaverse Post, apimantis tokias temas kaip AI/ML, AGI, LLM, Metaverse ir Web3– susijusiose srityse. Jo straipsniai kas mėnesį pritraukia didžiulę daugiau nei milijono vartotojų auditoriją. Atrodo, kad jis yra ekspertas, turintis 10 metų SEO ir skaitmeninės rinkodaros patirtį. Damiras buvo paminėtas Mashable, Wired, Cointelegraph, The New Yorker, Inside.com, Entrepreneur, BeInCrypto ir kiti leidiniai. Jis keliauja tarp JAE, Turkijos, Rusijos ir NVS kaip skaitmeninis klajoklis. Damiras įgijo fizikos bakalauro laipsnį, kuris, jo manymu, suteikė jam kritinio mąstymo įgūdžių, reikalingų sėkmingam nuolat besikeičiančiame interneto peizaže.
Daugiau straipsnių
Damiras yra komandos vadovas, produktų vadovas ir redaktorius Metaverse Post, apimantis tokias temas kaip AI/ML, AGI, LLM, Metaverse ir Web3– susijusiose srityse. Jo straipsniai kas mėnesį pritraukia didžiulę daugiau nei milijono vartotojų auditoriją. Atrodo, kad jis yra ekspertas, turintis 10 metų SEO ir skaitmeninės rinkodaros patirtį. Damiras buvo paminėtas Mashable, Wired, Cointelegraph, The New Yorker, Inside.com, Entrepreneur, BeInCrypto ir kiti leidiniai. Jis keliauja tarp JAE, Turkijos, Rusijos ir NVS kaip skaitmeninis klajoklis. Damiras įgijo fizikos bakalauro laipsnį, kuris, jo manymu, suteikė jam kritinio mąstymo įgūdžių, reikalingų sėkmingam nuolat besikeičiančiame interneto peizaže.
