Gedankenlesen könnte bald möglich sein: Ein Team von Wissenschaftlern hat sich entwickelt künstliche Intelligenz KI, die die Gehirnaktivität einer Person in Text umwandeln kann.
Die Kreation des UCSF-Teams University of California, San Francisco kann sich als sehr nützlich für Personen erweisen, die nicht sprechen oder tippen können, z. B. für diejenigen, die darunter leiden. Locked-In-Syndrom .
Ihre Studie wurde veröffentlicht in Naturneurowissenschaften .
SIEHE AUCH: WIE MASCHINENLERNEN UND KI DAS ENGINEERING BEEINFLUSSEN
Noch nicht da
" Wir sind noch nicht da, aber wir glauben, dass dies die Grundlage für eine Sprachprothese sein könnte ", sagte der Co-Autor des Papiers. Dr. Joseph Makin von UCSF.
Um ihre Ergebnisse zu erhalten, hat das Team vier Teilnehmer eingeschlossen, die Elektrodenimplantate in ihr Gehirn eingesetzt hatten, um epileptische Anfälle zu überwachen. Dann wurden die Teilnehmer gebeten, dies zu wiederholen. 50 verschiedene Sätze laut, während ihre Gehirnaktivität vom Monitor verfolgt wurde.
Hmm, wie machen wir das erforderlich für #Politiker !
- BEE mag GROSSE Daten @ Bee509 31. März 2020
🤔🤯😏👍🏻 #Wissenschaftler entwickeln #AI das kann Gehirnaktivität in Text verwandeln
via @guardianscience https://t.co/w2BE1ru6tR
Sobald die Daten von der 50 gesprochene Sätze wurde gesammelt, es wurde in einen Algorithmus für maschinelles Lernen gestellt, der sie wiederum in eine Folge von Zahlen änderte und sie mit der Audioaufnahme verglich. Nach einer Weile war das System in der Lage, Zahlen umrechnen in englische Sätze.
Anfangs machten diese Sätze wenig bis gar keinen Sinn, aber wie die Maschine verglichen Sie jede Wortfolge mit den tatsächlich gesagten Sätzen, es begann zu lernen und sich zu verbessern. Das Endergebnis ist immer noch nicht perfekt mit Sätze wie "Diese Musiker harmonieren wunderbar", übersetzt als "Der Spinat war ein berühmter Sänger", oder "Eine Drahtrolle rollte in der Nähe der Wand" wurde zu "Will Robin eine gelbe Lilie tragen".
Die Forscher fanden jedoch heraus, dass die Genauigkeit ihres Systems war weitaus höher als bei früheren Ansätzen. Die Fehlerrate war so niedrig wie 3% im Durchschnitt im Vergleich zur durchschnittlichen Punktzahl von 5% von professionellen Transkribenten ist dies ein positiver Sprung nach unten.
Alles in allem hat das System nur gebraucht 40 Minuten um zu lernen und zu beweisen, wie schnell und zuverlässig es sein kann.
Schauen Sie sich die Berichterstattung über unsere letzten #EEG Papier dekodieren @guardian ! https://t.co/akVpfhucO6
- Nature Neuroscience @NatureNeuro 31. März 2020
Ein wichtiger Punkt, der noch angesprochen werden muss, ist jedoch, dass Makin und seine Kollegen in dieser Studie von der Gehirnaktivität abhängig waren, die von bereitgestellt wurde. gesprochen Sprache statt innerer Gedanken - etwas, das zum Beispiel für Patienten mit Locked-in-Syndrom nicht nützlich wäre.
Darüber hinaus erfordert das System nach heutigem Stand Elektrodenarrays. implantiert ins Gehirn was nicht jeder akzeptieren würde.
Trotzdem arbeitet das Team noch an seinem Projekt und entwickelt sich weiter zu einer dringend benötigten Technologie.