Aivokudokset ja tekoälymalli käännetään tekstiksi

Tutkijat Kalifornian yliopistossa ovat luoneet tekoälyjärjestelmän, joka voi tuottaa tekstin analysoimalla henkilön aivotoimintaa, käytännössä kääntäen ajatuksia tekstiksi. Tekoäly ottaa neuralisia signaaleja käyttäjältä ja dekoodaa ne, ja se voi tulkitsevaan jopa 250 sanaa reaaliajassa perustuen joukkoon 30-50 lauseeseen.

Riippumattoman uutisen mukaan, tekoälymalli oli koulutettu neuralisiin signaaleihin, jotka kerättiin neljältä naiselta. Kokeen osallistujat olivat saaneet aivonsa implantoitua seuratakseen epileptisiä kohtauksia. Osallistujat ohjeistettiin lukemaan lauseita äneen, ja heidän neuraliset signaalinsa syötettiin tekoälymalliin. Malli pystyi erottamaan neuralisen toiminnan, joka liittyi tiettyihin sanoihin, ja mallin tulokset vastasivat noin 97%:ssa tapauksista oikein, keskimääräinen virheprosentti oli noin 3%.

Tämä ei ole ensimmäinen kerta, kun neuralisiin signaaleihin on yhdistetty lauseita, neurotieteilijät ovat työskennelleet samankaltaisissa projekteissa yli vuosikymmenen. Kuitenkin tutkijoiden luoma tekoälymalli näyttää olevan tarkin ja toimii lähes reaaliajassa. Malli käyttää rekurrenttista neuroverkkoa koodatakseen neuralisen toiminnan edustukseksi, joka voidaan kääntää sanoiksi. Kuten kirjoittajat sanovat heidän kirjassaan:

”Otamme vihjeen viimeaikaisista edistysaskelista konekäännöksestä, koulutimme rekurrenttisen neuroverkon koodaamaan jokaisen lauseen mittaisen neuralisen toiminnan abstraktiksi edustukseksi, ja sitten dekoodaamaan tämän edustuksen, sana sanalta, englanninkieliseksi lauseeksi.”

ArsTechnican mukaan, jotta tutkijat voisivat ymmärtää paremmin, miten linkit muodostuvat neuralisten signaaleiden ja sanojen välille, he kokeilivat poistamalla eri osia järjestelmästä. Järjestelmän tarkkaavaisuus selvisi poistamisen jälkeen, ja virheprosentti oli edelleen hyväksyttävä. Ilmeisesti tämä tarkoittaa, että järjestelmä voisi olla hyödyllinen laitteena niille, jotka eivät pysty puhumaan.

Kun eri osia elektrodiyhdisteistä poistettiin, havaittiin, että järjestelmä kiinnitti eniten huomiota tiettyihin aivotoimintaa mukaileviin alueisiin, jotka liittyvät puhetoimintaan ja tuotantoon. Esimerkiksi järjestelmän suorituskyky perustui pääosin aivotoimintaan, joka kiinnittää huomiota omalle äänelle puhuessa.

Alkuvaiheen tulokset näyttävät lupaavilta, mutta tutkimusryhmä ei ole varma, miten hyvin malli skaalautuu suurempiin sanastoihin. On tärkeää, että periaate voidaan yleistää suurempiin sanastoihin, koska keskivertoihmisen aktiivinen sanasto on noin 20 000 sanaa. Nykyinen dekoodausmenetelmä toimii tulkkaamalla lauseen rakenteen ja käyttämällä sitä koulutettujen arvausten tekemiseen sanojen neuralisista toimintamalleista. Sanaston kasvaessa tarkkuus voi heikentyä, koska enemmän neuralisia malleja voi muistuttaa toisiaan.

Tutkimusraportin kirjoittajat selittävät, että he toivovat, että dekooderi oppii lopulta tunnistamaan säännöllisiä ja luotettavia malleja kielestä, mutta he eivät ole varmoja, kuinka paljon dataa tarvitaan koulutukseen, jotta malli voisi yleistää arkipäivän englannin kieleen. Yksi mahdollinen tapa ratkaista tämä ongelma on täydentää koulutusta datalla, jota kerätään muista aivokone-liittymistä, joissa käytetään eri algoritmeja ja implantoita.

Kalifornian yliopiston tutkijoiden tekemä tutkimus on vain yksi viimeaikaisista kehitysaskelista aivokone-liittymien ja tietokoneiden tutkimuksessa ja kehityksessä. Royal Society julkaisi viime vuonna raportin, jossa ennustettiin, että aivokone-liittymät tulevat lähitulevaisuudessa mahdollistamaan ihmisten lukemisen toistensa ajatuksia. Raportti viittaa Neuralink- startupiin, jonka on perustanut Elon Musk, ja Facebookin kehittämiin tekniikoihin todisteena tulevista edistysaskelista ihmiskeskeisessä tietokoneissa. Royal Society toteaa, että aivokone-liittymät tulevat olemaan voimakas vaihtoehto neurodegeneratiivisten sairauksien, kuten Alzheimerin taudin, hoidossa seuraavien kahden vuosikymmenen aikana.