Implant di cervello e modello di intelligenza artificiale utilizzato per tradurre i pensieri in testo

I ricercatori dell’Università della California, San Francisco, hanno recentemente creato un sistema di intelligenza artificiale in grado di produrre testo analizzando l’attività cerebrale di una persona, traducendo essenzialmente i suoi pensieri in testo. Il sistema di intelligenza artificiale prende i segnali neurali dell’utente e li decodifica, e può decifrare fino a 250 parole in tempo reale in base a un set di tra 30 e 50 frasi.

Come riportato dall’Independent, il modello di intelligenza artificiale è stato addestrato sui segnali neurali raccolti da quattro donne. Le partecipanti all’esperimento avevano elettrodi impiantati nel cervello per monitorare l’insorgenza di attacchi epilettici. Le partecipanti sono state istruite a leggere frasi ad alta voce, e i loro segnali neurali sono stati alimentati nel modello di intelligenza artificiale. Il modello è stato in grado di discernere l’attività neurale correlata a parole specifiche, e i modelli si sono allineati con le parole effettive circa il 97% delle volte, con un tasso di errore medio di circa il 3%.

Non è la prima volta che i segnali neurali sono stati correlati con frasi, i neuroscienziati stanno lavorando a progetti simili da oltre un decennio. Tuttavia, il modello di intelligenza artificiale creato dai ricercatori mostra un’accuratezza impressionante e funziona più o meno in tempo reale. Il modello utilizza una rete neurale ricorrente per codificare l’attività neurale in rappresentazioni che possono essere tradotte in parole. Come affermano gli autori nel loro articolo:

“Prendendo spunto dai recenti progressi nella traduzione automatica, abbiamo addestrato una rete neurale ricorrente a codificare ogni sequenza di attività neurale della lunghezza di una frase in una rappresentazione astratta, e poi a decodificare questa rappresentazione, parola per parola, in una frase inglese.”

Secondo ArsTechnica, per capire meglio come venivano stabiliti i collegamenti tra segnali neurali e parole, i ricercatori hanno sperimentato disabilitando diverse parti del sistema. La disabilitazione sistematica ha reso chiaro che l’accuratezza del sistema era dovuta alla rappresentazione neurale. È stato anche scoperto che disabilitare gli input audio del sistema faceva aumentare gli errori, ma le prestazioni generali erano ancora considerate affidabili. Ovviamente, ciò significa che il sistema potrebbe essere potenzialmente utile come dispositivo per coloro che non possono parlare.

Quando diverse porzioni dell’input dell’elettrodo sono state disabilitate, è stato scoperto che il sistema stava prestando la massima attenzione a determinate aree cerebrali chiave associate all’elaborazione e alla produzione del linguaggio. Ad esempio, una parte decente delle prestazioni del sistema si basava su aree cerebrali che prestano attenzione al suono della propria voce quando si parla.

Sebbene i risultati iniziali sembrino promettenti, il team di ricerca non è sicuro di come il modello si scalerà a vocabolari più grandi. È importante che il principio possa essere generalizzato a vocabolari più grandi, poiché il parlante inglese medio ha un vocabolario attivo di circa 20.000 parole. Il metodo di decodifica attuale funziona interpretando la struttura statica di una frase e utilizzandola per fare ipotesi educate sulle parole che corrispondono a un particolare modello di attività neurale. Man mano che il vocabolario cresce, l’accuratezza complessiva potrebbe essere ridotta poiché più modelli neurali potrebbero tendere ad assomigliarsi.

Gli autori dell’articolo spiegano che, sebbene sperino che il decodificatore impari eventualmente a discernere modelli regolari e affidabili nel linguaggio, non sono sicuri di quanto dati siano necessari per addestrare un modello in grado di generalizzare alla lingua inglese quotidiana. Un modo potenziale per affrontare questo problema è integrare l’addestramento con dati raccolti da altre interfacce cervello-computer che utilizzano algoritmi e impianti diversi.

La ricerca condotta dai ricercatori dell’Università della California è solo uno sviluppo recente in un’onda crescente di ricerca e sviluppo riguardante le interfacce neurali e i computer. La Royal Society ha rilasciato un rapporto l’anno scorso che prevedeva che le interfacce neurali che collegano le persone ai computer permetteranno eventualmente alle persone di leggere i pensieri gli uni degli altri. Il rapporto fa riferimento all’avvio di Neuralink creato da Elon Musk e alle tecnologie sviluppate da Facebook (META ) come prova delle future avanzate nel calcolo orientato all’uomo. La Royal Society nota che le interfacce uomo-computer saranno un’opzione potente nel trattamento delle malattie neurodegenerative come l’Alzheimer nei prossimi due decenni.