脳インプラントと思考をテキストに翻訳するために使用される AI モデル

カリフォルニア大学サンフランシスコ校の研究者らは最近、人の脳活動を分析することでテキストを生成し、基本的に人の考えをテキストに翻訳できるAIシステムを開発した。 AI はユーザーから神経信号を受け取って解読し、250 ～ 30 文のセットに基づいて最大 50 語の単語をリアルタイムで解読できます。

インディペンデント紙の報道によると、、AI モデルは 97 人の女性から収集された神経信号でトレーニングされました。 実験の参加者は、てんかん発作の発生を監視するために脳に電極を埋め込まれていました。 参加者は文章を声に出して読むように指示され、参加者の神経信号が AI モデルに供給されました。 このモデルは、特定の単語に相関する神経活動を識別することができ、パターンは約 3% の確率で実際の単語と一致し、平均エラー率は約 XNUMX% でした。

神経信号が文章と関連付けられたのはこれが初めてではなく、神経科学者たちはXNUMX年以上にわたって同様のプロジェクトに取り組んできた。 ただし、研究者が作成した AI モデルは驚くべき精度を示し、ほぼリアルタイムで動作します。 このモデルはリカレント ニューラル ネットワークを利用して、ニューラル活動を言葉に翻訳できる表現にエンコードします。 著者らが言うように 彼らの論文では：

「最近の機械翻訳の進歩をヒントにして、私たちはリカレント ニューラル ネットワークをトレーニングして、ニューラル活動の各文長シーケンスを抽象表現にエンコードし、この表現を単語ごとに英語の文にデコードしました。」

アルステクニカによると, 神経信号と単語の間のリンクがどのように作られるのかをよりよく理解するために、研究者らはシステムのさまざまな部分を無効にする実験を行いました。 系統的に無効化することで、システムの精度が神経表現によるものであることが明らかになりました。 システムへのオーディオ入力を無効にするとエラーが急増することも判明しましたが、全体的なパフォーマンスは依然として信頼できると考えられていました。 これは明らかに、このシステムが話すことができない人のためのデバイスとして役立つ可能性があることを意味します。

電極入力のさまざまな部分が無効になっている場合、システムは音声の処理と生成に関連する特定の主要な脳領域に最も注意を払っていることが判明しました。 たとえば、システムのパフォーマンスのかなりの部分は、話すときに自分の声の音に注意を払う脳領域に基づいていました。

初期の結果は有望に見えますが、研究チームはモデルがより大きな語彙にどの程度うまく対応できるかはわかりません。 平均的な英語話者は約 20,000 語のアクティブな語彙を持っているため、この原則をより大きな語彙に一般化できることが重要です。 現在のデコーダ方法は、文の静的構造を解釈し、その構造を使用して、特定の神経活動パターンに一致する単語について知識に基づいた推測を行うことによって機能します。 語彙が増えると、類似する神経パターンが増える可能性があるため、全体的な精度が低下する可能性があります。

論文の著者らは、最終的にはデコーダーが言語の規則的で信頼できるパターンを識別する方法を学習することを期待しているが、日常的な英語に一般化できるモデルをトレーニングするためにどれだけのデータが必要かは分からないと説明している。 この問題に対処する可能性のある方法の XNUMX つは、さまざまなアルゴリズムやインプラントを利用して、他の脳とコンピューターのインターフェイスから収集されたデータでトレーニングを補うことです。

カリフォルニア大学の研究者らによって行われた研究は、ニューラル インターフェイスとコンピューターに関する研究開発の増加の波における最近の発展にすぎません。 英国王立協会は昨年、人々をコンピュータに繋ぐニューラルインターフェースによって、最終的には人々がお互いの心を読めるようになるだろうと予測する報告書を発表した。 このレポートでは、人間指向コンピューティングの今後の進歩の証拠として、イーロン・マスク氏が創設したスタートアップ Neuralink と Facebook が開発したテクノロジーについて言及しています。 英国王立協会は、人間とコンピューターのインターフェースは、今後 XNUMX 年間でアルツハイマー病などの神経変性疾患の治療における強力な選択肢となるだろうと指摘しています。