Εξελιξάρομαι το AI για τη Μεταφράση της Εγκεφαλικής Δραστηριότητας σε Λέξεις

Ερευνητές στο Πανεπιστήμιο της Καλιφόρνιας, Σαν Φρανσίσκο έχουν αναπτύξει τεχνητή νοημοσύνη (AI) που μπορεί να μεταφράσει την εγκεφαλική δραστηριότητα σε κείμενο. Το σύστημα λειτουργεί με νευρικές μοτίβα που ανιχνεύονται όταν κάποιος μιλά, αλλά οι εμπειρογνώμονες ελπίζουν ότι μπορεί τελικά να χρησιμοποιηθεί σε άτομα που δεν μπορούν να μιλήσουν, όπως άτομα με λόκιν σύνδρομο.

Ο Δρ. Τζόσεφ Μακίν ήταν συν-συγγραφέας της έρευνας.

«Δεν είμαστε ακόμη εκεί, αλλά πιστεύουμε ότι αυτό μπορεί να είναι η βάση μιας προθέσεως ομιλίας», είπε ο Μακίν.

Η έρευνα δημοσιεύθηκε στο περιοδικό Nature Neuroscience.

Δοκιμή του Συστήματος

Ο Τζόσεφ Μακίν και η ομάδα του βασίστηκαν σε αλγόριθμους βαθιάς μάθησης για να μελετήσουν τις εγκεφαλικές σηματοδοτήσεις τεσσάρων γυναικών ενώ μιλούσαν. Όλες οι γυναίκες έχουν επιληψία και ηλεκτρόδια ήταν συνδεδεμένα στο εγκέφαλό τους για να παρακολουθούν τις κρίσεις.

Μετά τη σύνδεση των ηλεκτροδίων, κάθε γυναίκα διάβασε σε μεγάλη φωνή μια σειρά προτάσεων ενώ η εγκεφαλική της δραστηριότητα μετρεύονταν. Η μεγαλύτερη ποσότητα μοναδικών λέξεων που χρησιμοποιήθηκαν ήταν 250. Μπορούσαν να επιλέξουν από ένα σύνολο 50 διαφορετικών προτάσεων, συμπεριλαμβανομένων «Η Τίνα Τέρνερ είναι μια ποπ τραγουδίστρια» και «Αυτοί οι κλέφτες έκλεψαν 30 κοσμήματα».

Τα δεδομένα της εγκεφαλικής δραστηριότητας στη συνέχεια παρουσιάστηκαν σε ένα αλγόριθμο νευρωνικού δικτύου και εκπαιδεύτηκαν για να αναγνωρίσουν τακτικά επαναλαμβανόμενα μοτίβα. Αυτά τα μοτίβα μπορούσαν στη συνέχεια να συνδεθούν με επαναλαμβανόμενες πτυχές της ομιλίας όπως τα φωνήεντα ή τα σύμφωνα. Στη συνέχεια παρουσιάστηκαν σε ένα δεύτερο νευρωνικό δίκτυο που προσπάθησε να τα μετατρέψει σε λέξεις για να σχηματίσει μια πρόταση.

Κάθε γυναίκα ζητήθηκε να επαναλάβει τις προτάσεις τουλάχιστον δύο φορές, με την τελευταία επανάληψη να μην περιλαμβάνεται στα δεδομένα εκπαίδευσης. Αυτό επέτρεψε στους ερευνητές να δοκιμάσουν το σύστημα.

«Η μνήμωση της εγκεφαλικής δραστηριότητας αυτών των προτάσεων δεν θα βοηθούσε, οπότε το δίκτυο πρέπει να μάθει τι είναι παρόμοιο μεταξύ τους, ώστε να μπορεί να γενικευθεί σε αυτό το τελικό παράδειγμα», λέει ο Μακίν.

Αποτελέσματα

Τα πρώτα αποτελέσματα του συστήματος δεν έκαναν προτάσεις που είχαν νόημα, αλλά βελτιώθηκαν καθώς το σύστημα σύγκρινε κάθε ακολουθία λέξεων με τις προτάσεις που διαβάστηκαν σε μεγάλη φωνή.

Η ομάδα στη συνέχεια δοκιμάζει το σύστημα δημιουργώντας γραπτό κείμενο μόνο από την εγκεφαλική δραστηριότητα κατά τη διάρκεια της ομιλίας.

Υπήρξαν πολλά λάθη στη μετάφραση, αλλά το ποσοστό ακρίβειας ήταν ακόμη πολύ εντυπωσιακό και πολύ καλύτερο από τις προηγούμενες προσεγγίσεις. Η ακρίβεια ποικίλλει από άτομο σε άτομο, αλλά για ένα άτομο μόνο το 3% κάθε πρότασης κατά μέσο όρο χρειαζόταν διορθώσεις.

Η ομάδα επίσης έμαθε ότι ο αλγόριθμος εκπαίδευσης σε δεδομένα ενός ατόμου επέτρεψε στον τελικό χρήστη να παρέχει πολύ λιγότερα δεδομένα.

Σύμφωνα με τον Δρ. Κρίστιαν Χέρφ, που είναι από το Πανεπιστήμιο του Μάαστριχτ αλλά δεν συμμετείχε στη μελέτη, είναι εντυπωσιακό ότι το σύστημα απαιτούσε λιγότερο από 40 λεπτά δεδομένων εκπαίδευσης για κάθε συμμετέχοντα και μια περιορισμένη συλλογή προτάσεων, σε σύγκριση με τις εκατομμύρια ώρες που συνήθως απαιτούνται.

«Με αυτόν τον τρόπο επιτυγχάνουν επίπεδα ακρίβειας που δεν έχουν επιτευχθεί μέχρι τώρα», είπε.

«Φυσικά αυτή είναι φανταστική έρευνα, αλλά αυτοί οι άνθρωποι θα μπορούσαν απλώς να χρησιμοποιήσουν το “OK Google (GOOGL ) ” επίσης», είπε. «Αυτή δεν είναι μετάφραση σκέψης [αλλά της εγκεφαλικής δραστηριότητας που εμπλέκεται στην ομιλία].»

Μια άλλη πρόκληση θα μπορούσε να είναι ότι οι άνθρωποι με διαταραχές ομιλίας μπορεί να έχουν διαφορετική εγκεφαλική δραστηριότητα.

«Θέλουμε να αναπτύξουμε αυτό σε ένα άτομο με πραγματική διαταραχή ομιλίας», λέει ο Μακίν, «αunque είναι δυνατό ότι η εγκεφαλική τους δραστηριότητα μπορεί να είναι διαφορετική από εκείνη των γυναικών σε αυτή τη μελέτη, καθιστώντας το πιο δύσκολο».

Υπάρχει ακόμη ένας μακρύς δρόμος για να μεταφράσει τα δεδομένα των εγκεφαλικών σηματοδοτήσεων σε μια ολοκληρωμένη μορφή. Οι άνθρωποι χρησιμοποιούν ένα τεράστιο αριθμό λέξεων, και η μελέτη χρησιμοποίησε μόνο ένα πολύ περιορισμένο σύνολο ομιλίας.