Penyelidik Texas Mencadangkan Kaedah Baharu untuk Membina Semula Teks Berdasarkan Isyarat MRI Otak Dan AI
Secara ringkas
Universiti Texas telah mencadangkan kaedah baharu untuk membina semula teks yang didengari seseorang berdasarkan isyarat otak MRI.
Kaedah ini melibatkan latihan rangkaian pengekod untuk memulihkan imej MRI otak yang sepadan dengan teks, dan menggunakan model bahasa pra-terlatih untuk menjana pilihan untuk meneruskan teks.
Secara statistik teks yang dihasilkan lebih dekat dengan yang asal daripada yang rawak dan boleh digunakan untuk meneroka fungsi bahagian otak yang berlainan.
Penyelidik dari Universiti Texas telah mencadangkan kaedah baharu untuk mencipta semula teks daripada isyarat otak MRI. Tambahan pula, penyahkodan berlaku dalam teks yang koheren secara semantik serupa dengan yang sebenar.
Ia telah dicuba sebelum ini untuk menyahkod teks yang didengari oleh seseorang (atau berkata dalam kepala mereka). Bergantung pada cara isyarat dikeluarkan dari otak, terdapat dua pendekatan berbeza. Pengekstrakan isyarat gaya pencerobohan ialah yang pertama: Cip yang membaca impuls terus dari otak neuron diletakkan di dalam tengkorak seseorang. Kaedahnya invasif, mahal dan rumit. Teknik pengekstrakan isyarat bukan invasif, termasuk MRI dan M/EEG, adalah pilihan kedua; mereka tidak memerlukan sebarang penggerudian dan lebih murah.
Walau bagaimanapun, teknik bukan invasif untuk mengumpul isyarat otak mempunyai satu kelemahan yang serius: bacaan MRI seseorang dipengaruhi oleh rangsangan itu selama kira-kira 10 saat selepas terdedah kepada rangsangan (seperti mendengar perkataan). Orang asli Inggeris boleh menyebut dua perkataan sesaat secara purata. Ternyata setiap imej MRI mengandungi data tentang pemprosesan otak kira-kira dua puluh perkataan jika anda merakam isyarat MRI semasa mendengar penutur bahasa Inggeris.
Akibatnya, menggunakan MRI, adalah mustahil untuk mencipta semula teks yang didengar oleh seseorang dengan setia. Selain itu, banyak kajian terdahulu mengenai subjek pemulihan teks daripada isyarat otak yang dikumpulkan menggunakan teknik bukan invasif hanya berjaya mendapatkan semula perkataan dan frasa tertentu.
Dan penyelidik Texas membangunkan teknik MRI untuk membina semula (hampir) teks yang boleh difahami. Akan terdapat beberapa variasi antara teks ini dan perkara yang sebenarnya didengari oleh orang itu. Walau bagaimanapun, ia akan menjadi semantik setara, bermakna ia akan mewakili tafsiran yang biasanya diterima.
Untuk memulihkan MRI otak yang dikaitkan dengan petikan teks ini, penyelidik melatih rangkaian pengekod, yang belajar daripada sekeping teks. Kemudian, menggunakan model bahasa yang telah dilatih (seperti GPT), penyelidik melakukan langkah-langkah berikut:
- Penyelidik bertanya GPT untuk mencipta pelbagai kemungkinan untuk memajukan teks setiap dua saat. Rangkaian pengekod menerima banyak pilihan ini dan cuba menggunakannya untuk memulihkan imej MRI semasa. Kami fikir versi teks yang membenarkan perwakilan isyarat MRI tulen yang paling tepat adalah yang tepat.
Berikut adalah contohnya:
| Input Asal | Output Penjanaan |
| Saya tidak tahu sama ada mahu menjerit, menangis, atau melarikan diri. Sebaliknya, saya berkata, “Tinggalkan saya sendiri; Saya tidak perlukan bantuan awak.” Adam hilang, dan saya membersihkan diri sendirian sambil menangis. | Saya mula menjerit dan menangis, dan kemudian dia hanya berkata, saya memberitahu anda untuk meninggalkan saya sendirian; awak tak boleh sakitkan saya lagi. Saya minta maaf,” dan kemudian dia meluru pergi. Walaupun saya fikir dia telah pergi, saya mula menangis. |
Teknologi ini akan mempunyai banyak kegunaan jika anda menggunakannya untuk membuat pertuturan dan bukannya mendengar rakaman orang lain. Malah pembinaan semula ucapan rekaan adalah subjek percubaan oleh pengarang artikel. Sekali lagi, teks terakhir terbukti lebih serupa dengan yang asal daripada yang rawak. Pendekatan itu nampaknya berkesan.
Dan dengan bantuan model sedemikian, anda boleh menyiasat operasi pelbagai kawasan otak. Dalam kajian ini, tiga bahagian otak yang berasingan yang mengendalikan pertuturan boleh didengar digunakan untuk menjana isyarat MRI. Seseorang boleh mempelajari bahagian mana maklumat yang diproses oleh kawasan otak mana dengan menambah dan menghapuskan isyarat dari pelbagai bahagian otak daripada input model. Selain itu, anda boleh membezakan pembinaan semula model pengekod yang dibuat menggunakan isyarat daripada komponen lain.
Baca lebih lanjut mengenai AI:
Penafian
Selaras dengan Garis panduan Projek Amanah, sila ambil perhatian bahawa maklumat yang diberikan pada halaman ini tidak bertujuan untuk menjadi dan tidak seharusnya ditafsirkan sebagai nasihat undang-undang, cukai, pelaburan, kewangan atau sebarang bentuk nasihat lain. Adalah penting untuk hanya melabur apa yang anda mampu kehilangan dan mendapatkan nasihat kewangan bebas jika anda mempunyai sebarang keraguan. Untuk maklumat lanjut, kami mencadangkan merujuk kepada terma dan syarat serta halaman bantuan dan sokongan yang disediakan oleh pengeluar atau pengiklan. MetaversePost komited kepada laporan yang tepat dan tidak berat sebelah, tetapi keadaan pasaran tertakluk kepada perubahan tanpa notis.
Tentang Pengarang
Damir ialah ketua pasukan, pengurus produk dan editor di Metaverse Post, meliputi topik seperti AI/ML, AGI, LLM, Metaverse dan Web3-bidang berkaitan. Artikelnya menarik khalayak besar lebih sejuta pengguna setiap bulan. Dia nampaknya seorang pakar dengan pengalaman 10 tahun dalam SEO dan pemasaran digital. Damir telah disebut dalam Mashable, Wired, Cointelegraph, The New Yorker, Inside.com, Entrepreneur, BeInCrypto dan penerbitan lain. Dia mengembara antara UAE, Turki, Rusia dan CIS sebagai nomad digital. Damir memperoleh ijazah sarjana muda dalam fizik, yang dia percaya telah memberikannya kemahiran berfikir kritis yang diperlukan untuk berjaya dalam landskap internet yang sentiasa berubah.
lebih banyak artikel
Damir ialah ketua pasukan, pengurus produk dan editor di Metaverse Post, meliputi topik seperti AI/ML, AGI, LLM, Metaverse dan Web3-bidang berkaitan. Artikelnya menarik khalayak besar lebih sejuta pengguna setiap bulan. Dia nampaknya seorang pakar dengan pengalaman 10 tahun dalam SEO dan pemasaran digital. Damir telah disebut dalam Mashable, Wired, Cointelegraph, The New Yorker, Inside.com, Entrepreneur, BeInCrypto dan penerbitan lain. Dia mengembara antara UAE, Turki, Rusia dan CIS sebagai nomad digital. Damir memperoleh ijazah sarjana muda dalam fizik, yang dia percaya telah memberikannya kemahiran berfikir kritis yang diperlukan untuk berjaya dalam landskap internet yang sentiasa berubah.
