'n Wetenskaplike deurbraak in gedagte lees: Die uitvind van gadgets wat almal kan koop

2024 Outeur: Seth Attwood | [email protected]. Laas verander: 2023-12-16 15:56

Ingenieurs van die Instituut vir die Studie van Hoër Senuwee-aktiwiteit kon 'n stelsel skep wat gedagtes in verstaanbare en herkenbare spraak vertaal. Deur iemand se breinaktiwiteit te beheer, rekonstrueer tegnologie gedagtes in woorde.

Hierdie wetenskaplike deurbraak, tesame met die krag van KI en spraaksintetiseerders, open 'n nuwe era in die interaksie tussen die rekenaar en die brein. Dit bied natuurlik ook nuwe geleenthede vir mense wat om die een of ander rede die vermoë om te praat verloor het.

“Ons stemme help om in kontak te bly met ons vriende, familie en die wêreld om ons, so verlies aan stemkrag as gevolg van besering of siekte is verwoestend vir mense. Met vandag se voorraad van kennis het ons egter 'n potensiële manier om hierdie krag te herstel. Ons het gewys dat met die regte tegnologie mense se gedagtes deur enige luisteraar ontsyfer en verstaan kan word,” sê Nima Mesgarani, Ph. D. en een van die skrywers van 'n studie wat by die Mortimer B. Zuckerman Instituut vir Geestesgedrag by Columbia gedoen is. Universiteit.

Dekades se navorsing het getoon dat wanneer mense praat, of selfs verbeel dat hulle woorde uiter, kenmerkende aktiwiteitspatrone in hul brein verskyn.’n Duidelike en herkenbare seinpatroon ontstaan ook wanneer ons na iemand luister wat praat, of ons verbeel ons luister. Kenners het al dekades lank probeer om hierdie patrone te ontsyfer, maar nou eers het’n toekoms voor hulle oopgegaan waarin gedagtes nie meer binne die brein weggesteek kan word nie, maar eerder na goeddunke in spreektaal vertaal kan word.

Maar om hierdie prestasie te bereik was nie maklik nie. Vroeë pogings om breinseine van Dr. Mesgarani en ander te ontsyfer het gefokus op eenvoudige rekenaarmodelle wat spektrogramme ontleed het, wat visuele voorstellings van klankfrekwensies is.

Maar as gevolg van die feit dat hierdie benadering nie iets naby aan verstaanbare spraak opgelewer het nie, het dr. Mesgarani se span eerder na 'n vocoder gewend, 'n rekenaaralgoritme wat spraak kan sintetiseer nadat hulle opgelei is om mense se gesprekke op te neem.

"Dit is dieselfde tegnologie wat Amazon Echo en Apple Siri gebruik om ons vrae mondelings te beantwoord," sê dr. Mesgarani, wat ook 'n medeprofessor in elektriese ingenieurswese by die Fu Foundation se Columbia School of Engineering and Applied Science is.

Om die vocoder te leer om breinaktiwiteit te interpreteer, het Dr Mesgarani saamgespan met Ashesh Dinesh Mehta, M. D., PhD, neurochirurg by Northwell Health Physician Partners se Neuroscience Institute en mede-outeur van vandag se artikel. Dr Mehta behandel pasiënte met epilepsie, van wie sommige gereelde operasies moet ondergaan.

"Ons het saam met dr. Mehta gewerk en epileptiese pasiënte wat reeds 'n breinoperasie ondergaan het, gevra om na voorstelle van verskillende mense te luister terwyl ons patrone in hul breinaktiwiteit gemeet het," sê dr. Mesgarani. "Hierdie neurale patrone het die vocoder opgelei."

Die navorsers het toe dieselfde pasiënte gevra om na sprekers te luister wat die syfers 0 tot 9 uitspreek terwyl hulle breinseine opneem wat dan deur 'n vocoder gestuur kan word. Die klank wat deur die vocoder in reaksie op hierdie seine geproduseer word, is ontleed en verfyn met behulp van neurale netwerke soos kunsmatige intelligensie wat die struktuur van neurone in 'n biologiese brein naboots.

Die eindresultaat was 'n robotstem wat 'n reeks getalle herhaal. Om die akkuraatheid van die opname te verifieer, het dr. Mesgarani en haar span mense opdrag gegee om na die opname te luister en te rapporteer wat hulle gehoor het.

"Ons het gevind dat mense ongeveer 75% van die tyd klanke kan verstaan en herhaal, wat baie beter is as enige vorige pogings," sê dr. Mesgarani. Die verbetering in verstaanbaarheid was veral duidelik wanneer die nuwe opnames vergelyk word met vroeëre pogings gebaseer op die spektrogram. "'n Sensitiewe vokoder en kragtige neurale netwerke het die klanke wat pasiënte oorspronklik gehoor het met ongelooflike akkuraatheid verteenwoordig."

Dr. Mesgarani en haar span beplan nou om moeiliker woorde en sinne te toets. Hulle is ook van plan om dieselfde toetse uit te voer op die breinseine wat uitgestraal word wanneer 'n persoon praat of spraak voorstel. Uiteindelik hoop hulle dat hul stelsel deel kan wees van 'n inplanting, soortgelyk aan dié wat deur sommige epileptiese pasiënte gedra word, wat die draer se gedagtes direk in woorde vertaal.

"In hierdie scenario, as die eienaar van die skyfie dink, 'Ek het 'n glas water nodig,' kan ons stelsel die breinseine wat deur daardie gedagte gegenereer word, inneem en dit omskakel in gesintetiseerde verbale spraak," sê dr. Mesgarani. "Dit is 'n speletjie-wisselaar en vir enigiemand wat die vermoë om te praat verloor het weens 'n besering of siekte, gee tegnologie 'n nuwe kans om met die wêreld om hulle te kommunikeer."

Redaksionele kommentaar van The Big The One:Aangesien sommige van ons werknemers 'n sekere verhouding tot neurofisiologie het, kan ons absoluut onomwonde stel dat die oplossing van die probleem om gedagtes te lees en hierdie gedagtes in woorde te vertaal nie 'n probleem is wat een of ander doktor in filosofie saam met 'n intelligente neurochirurg kan oplos nie. Dit is 'n taak vir die navorsingsinstituut, wat dit vir 'n honderd, tweehonderd of meer jaar sal oplos. Boonop is dit glad nie 'n feit dat die navorsingsinstituut hierdie probleem sal oplos nie - selfs al word alle NASA-superrekenaars daarheen gebring, waarop 'n skare ingenieurs neurale netwerke sal begin simuleer. 'n Artikel in 'n wetenskaplike joernaal sal egter nie lieg nie en die feit van herkenning van gedagtes is beslis daar. Hoe kan hierdie twee feite dan saamgevoeg word?

Baie eenvoudig. In die afgelope 20-30 jaar het 'n groot aantal heeltemal ongelooflike en baie komplekse tegnologieë soos mikroverwerkers en hardeskywe in die wêreld verskyn. En elke dag verskyn daar al hoe meer nuwe uitvindings wat neergeskryf word aan 'n paar "talentvolle studente" wat in die motorhuis 'n stuk uit skroot bymekaargemaak het waaroor navorsingsinstitute al 50 jaar lank sukkel. En in hierdie geval het ons 'n uitvinding van 'n soortgelyke ontstaan. Dit wil sê’n ontwikkeling wat vir baie jare deur een of ander onbekende gedoen (of oorgedra word aan mense), maar wat aan’n tannie en oom van Colombia neergeskryf is.

Trouens, daar is hoegenaamd geen verskil wie Wikipedia as die "uitvinders" van die tegnologie sal neerskryf nie. Die belangrikste ding is dat die tegnologie met behulp van 'n wetenskaplike tydskrif aan die wêreld aangebied is. Verder sal een of ander Chinese maatskappy sulke "gadgets" begin vervaardig wat mense gewoond sal maak aan die idee dat hul kop nou heeltemal deursigtig geword het. Ten slotte sal die derde fase dieselfde Orwelliaanse "1984" wees wanneer selfs die gedagtes van enige persoon vrylik van 'n afstand gelees kan word. Byvoorbeeld, deur spesiale sensors in woonstelle te plaas of 'n spesiale skyfie te integreer wat reageer op breinimpulse in die liggaam. Bowendien.

As 'n reël het elke tegnologie 'n omgekeerde toepassing. As daar byvoorbeeld 'n tegnologie is om senuwee-impulse in woorde om te skakel, kan jy met dieselfde beginsel enige woorde in iemand se gedagtes verander. In hierdie situasie het die presidente van verskillende lande 'n wonderlike vooruitsig om deur absoluut die hele kiesers ondersteun te word, aangesien daar nou 'n tegniese geleentheid is om elke kieser selfs soos hy te laat dink - dit is genoeg om 'n korrek gemoduleerde sein in die sok te plaas.

Oor die algemeen, wat om te sê - die vooruitsigte vir die wêreld maak die wonderlikste oop en ons volg die ontwikkeling van gebeure met belangstelling.