Zinātnisks sasniegums prātu lasīšanā: sīkrīku izgudrošana, ko ikviens var iegādāties

2024 Autors: Seth Attwood | [email protected]. Pēdējoreiz modificēts: 2023-12-16 16:11

Inženieri no Augstākās nervu aktivitātes izpētes institūta ir spējuši izveidot sistēmu, kas pārvērš domas saprotamā un atpazīstamā runā. Kontrolējot kāda cilvēka smadzeņu darbību, tehnoloģija pārveido domas vārdos.

Šis zinātniskais sasniegums kopā ar AI un runas sintezatoru jaudu paver jaunu ēru datora un smadzeņu mijiedarbībā. Protams, tas paver jaunas iespējas arī cilvēkiem, kuri viena vai otra iemesla dēļ ir zaudējuši spēju runāt.

“Mūsu balsis palīdz uzturēt kontaktus ar draugiem, ģimeni un apkārtējo pasauli, tāpēc balss spēka zaudēšana traumu vai slimības dēļ cilvēkiem ir postoša. Tomēr, ņemot vērā mūsdienu zināšanu krājumus, mums ir potenciāls veids, kā atjaunot šo spēku. Mēs esam parādījuši, ka ar pareizo tehnoloģiju cilvēku domas var atšifrēt un saprast ikviens klausītājs,” saka Nima Mesgarani, Ph. D. un viens no pētījuma autoriem, kas veikts Mortimera B. Cukermana Garīgās uzvedības institūtā Kolumbijā. Universitāte.

Desmitiem gadu veiktie pētījumi ir parādījuši, ka tad, kad cilvēki runā vai pat iedomājas, ka viņi izrunā vārdus, viņu smadzenēs parādās raksturīgi darbības modeļi. Skaidrs un atpazīstams signalizācijas modelis rodas arī tad, kad klausāmies kādu runājam vai iedomājamies, ka klausāmies. Eksperti ir mēģinājuši atšifrēt šos modeļus gadu desmitiem, taču tikai tagad viņiem ir pavērusies nākotne, kurā domas vairs nevar noslēpt smadzenēs, bet gan pēc vēlēšanās tulkot runātā valodā.

Taču paveikt šo varoņdarbu nebija viegli. Pirmie mēģinājumi atšifrēt smadzeņu signālus no Dr. Mesgarani un citiem bija vērsti uz vienkāršiem datoru modeļiem, kas analizēja spektrogrammas, kas ir skaņas frekvenču vizuāli attēlojumi.

Taču, tā kā šī pieeja neradīja neko tuvu saprotamai runai, Dr. Mesgarani komanda tā vietā pievērsās vokoderim - datora algoritmam, kas var sintezēt runu pēc tam, kad tika apmācīts ierakstīt cilvēku sarunas.

"Šī ir tā pati tehnoloģija, ko Amazon Echo un Apple Siri izmanto, lai mutiski atbildētu uz mūsu jautājumiem," sacīja Dr. Mesgarani, kurš ir arī Fu fonda Kolumbijas inženierzinātņu un lietišķo zinātņu skolas elektrotehnikas asociētais profesors.

Lai iemācītu vokodētājam interpretēt smadzeņu darbību, Dr. Mesgarani sadarbojās ar Ešu Dinešu Mehtu, M. D., PhD, neiroķirurgu Northwell Health Physician Partners' Neuroscience Institute un šodienas raksta līdzautoru. Dr. Mehta ārstē epilepsijas pacientus, no kuriem dažiem regulāri jāveic operācijas.

"Sadarbojoties ar Dr. Mehta, mēs lūdzām epilepsijas pacientus, kuriem jau bija veikta smadzeņu operācija, uzklausīt dažādu cilvēku ieteikumus, kamēr mēs mērījām viņu smadzeņu darbības modeļus," saka Dr. Mesgarani. "Šie neironu modeļi apmācīja vokoderi."

Pēc tam pētnieki lūdza tiem pašiem pacientiem klausīties runātājus, kuri izrunā skaitļus no 0 līdz 9, vienlaikus ierakstot smadzeņu signālus, kurus pēc tam varētu nodot caur vokoderi. Vokodera radītā skaņa, reaģējot uz šiem signāliem, tika analizēta un pilnveidota, izmantojot neironu tīklus, piemēram, mākslīgo intelektu, kas atdarina neironu struktūru bioloģiskajās smadzenēs.

Gala rezultāts bija robota balss, kas atkārtoja ciparu secību. Lai pārbaudītu ieraksta precizitāti, doktore Mesgarani un viņas komanda lika cilvēkiem noklausīties ierakstu un ziņot par dzirdēto.

"Mēs atklājām, ka cilvēki var saprast un atkārtot skaņas aptuveni 75% laika, kas ir daudz labāk nekā jebkuri iepriekšējie mēģinājumi," saka Dr. Mesgarani. Saprotamības uzlabošanās bija īpaši acīmredzama, salīdzinot jaunos ierakstus ar iepriekšējiem mēģinājumiem, pamatojoties uz spektrogrammu. "Jūtīgs vokoderis un spēcīgi neironu tīkli atspoguļoja skaņas, ko pacienti sākotnēji dzirdēja ar pārsteidzošu precizitāti."

Dr. Mesgarani un viņas komanda tagad plāno pārbaudīt sarežģītākus vārdus un teikumus. Viņi arī plāno veikt tādus pašus testus smadzeņu signāliem, kas tiek izvadīti, kad cilvēks runā vai iedomājas runu. Galu galā viņi cer, ka viņu sistēma var būt daļa no implanta, līdzīgi tiem, ko nēsā daži epilepsijas pacienti, kas pārvērš lietotāja domas tieši vārdos.

"Šajā scenārijā, ja mikroshēmas īpašnieks domā: "Man vajag glāzi ūdens", mūsu sistēma var uztvert šīs domas radītos smadzeņu signālus un pārvērst tos sintezētā verbālā runā," saka Dr. Mesgarani. "Tā ir spēles maiņa, un ikvienam, kurš traumas vai slimības dēļ ir zaudējis spēju runāt, tehnoloģija sniedz jaunu iespēju sazināties ar apkārtējo pasauli."

The Big The One redakcijas komentārs:Tā kā daļai mūsu darbinieku ir zināma saistība ar neirofizioloģiju, tad pilnīgi viennozīmīgi varam apgalvot, ka domu lasīšanas un šo domu tulkošanas vārdos problēmas risināšana nav problēma, ko kāds filozofijas doktors var atrisināt kopā ar inteliģentu neiroķirurgu. Tas ir uzdevums pētniecības institūtam, kas to risinās simts, divsimt un vairāk gadu. Turklāt tas nebūt nav fakts, ka pētniecības institūts atrisinās šo problēmu - pat ja tur tiks nogādāti visi NASA superdatori, uz kuriem inženieru pūlis sāks simulēt neironu tīklus. Tomēr raksts zinātniskā žurnālā nemelos un domu atpazīšanas fakts noteikti ir. Kā tad šos divus faktus var apvienot?

Ļoti vienkārši. Pēdējo 20-30 gadu laikā pasaulē ir parādījies milzīgs skaits pilnīgi neticamu un ļoti sarežģītu tehnoloģiju, piemēram, mikroprocesori un cietie diski. Un katru dienu parādās arvien jauni izgudrojumi, kurus pieraksta kādiem "talantīgiem studentiem", kuri, garāžā sēžot, savākuši gabalu no metāllūžņiem, par kuriem zinātniskie institūti cīnās jau 50 gadus. Un šajā gadījumā mums ir līdzīgas ģenēzes izgudrojums. Tas ir, attīstība, ko daudzus gadus ir veikusi (vai nodeva cilvēkiem) kāds nezināms cilvēks, bet kas ir pierakstīts tantei un onkulim no Kolumbijas.

Patiesībā nav absolūti nekādas atšķirības, kurus Vikipēdija ierakstīs kā tehnoloģiju "izgudrotājus". Galvenais ir tas, ka tehnoloģija tika prezentēta pasaulei, izmantojot zinātnisku žurnālu. Turklāt kāds Ķīnas uzņēmums sāks ražot tādus "gadžetus", kas pieradinās cilvēkus pie domas, ka viņu galva tagad ir kļuvusi pilnīgi caurspīdīga. Visbeidzot, trešais posms būs tas pats orveliskais "1984", kad pat jebkura cilvēka domas var brīvi lasīt no attāluma. Piemēram, izvietojot dzīvokļos īpašus sensorus vai integrējot ķermenī īpašu mikroshēmu, kas reaģē uz smadzeņu impulsiem. Turklāt.

Parasti katrai tehnoloģijai ir apgriezts pielietojums. Piemēram, ja ir tehnoloģija nervu impulsu pārvēršanai vārdos, tad, izmantojot to pašu principu, jebkurus vārdus var pārvērst kāda domās. Šajā situācijā dažādu valstu prezidentiem ir grandiozas izredzes tikt atbalstītiem no absolūti visa vēlētāja puses, jo tagad ir tehniska iespēja likt katram vēlētājam pat domāt kā viņš - pietiek ar pareizi modulētu signālu ievietot rozetē..

Vispār, ko lai saka - pasaules izredzes paveras visbrīnišķīgākās un ar interesi sekojam līdzi notikumu attīstībai.