Implantes cerebrais e modelo de IA usados ​​para traduzir pensamento em texto

Pesquisadores da Universidade da Califórnia, em San Francisco, criaram recentemente um sistema de IA que pode produzir texto analisando a atividade cerebral de uma pessoa, essencialmente traduzindo seus pensamentos em texto. A IA recebe sinais neurais de um usuário e os decodifica, podendo decifrar até 250 palavras em tempo real com base em um conjunto de 30 a 50 frases.

Conforme relatado pelo Independent, o modelo de IA foi treinado em sinais neurais coletados de quatro mulheres. Os participantes do experimento tiveram eletrodos implantados em seus cérebros para monitorar a ocorrência de ataques epilépticos. Os participantes foram instruídos a ler frases em voz alta e seus sinais neurais foram alimentados ao modelo de IA. O modelo foi capaz de discernir a atividade neural correlacionada com palavras específicas e os padrões alinhados com as palavras reais aproximadamente 97% das vezes, com uma taxa média de erro de cerca de 3%.

Esta não é a primeira vez que sinais neurais são correlacionados com sentenças, neurocientistas trabalham em projetos semelhantes há mais de uma década. No entanto, o modelo de IA criado pelos pesquisadores mostra uma precisão impressionante e opera mais ou menos em tempo real. O modelo utiliza uma rede neural recorrente para codificar a atividade neural em representações que podem ser traduzidas em palavras. Como dizem os autores em seu papel:

“Seguindo uma sugestão dos recentes avanços na tradução automática, treinamos uma rede neural recorrente para codificar cada sequência de atividade neural em uma representação abstrata e, em seguida, decodificar essa representação, palavra por palavra, em uma frase em inglês.”

De acordo com a ArsTechnica, a fim de entender melhor como as ligações foram feitas entre sinais neurais e palavras, os pesquisadores experimentaram desabilitar diferentes partes do sistema. A desativação sistemática deixou claro que a precisão do sistema se devia à representação neural. Também foi descoberto que desabilitar as entradas de áudio do sistema fazia com que os erros aumentassem, mas o desempenho geral ainda era considerado confiável. Obviamente, isso significa que o sistema pode ser útil como um dispositivo para aqueles que não podem falar.

Quando diferentes porções da entrada do eletrodo foram desativadas, descobriu-se que o sistema estava prestando mais atenção a certas regiões-chave do cérebro associadas ao processamento e produção da fala. Por exemplo, uma parte decente do desempenho do sistema foi baseada em regiões do cérebro que prestam atenção ao som da própria voz ao falar.

Embora os resultados iniciais pareçam promissores, a equipe de pesquisa não tem certeza de como o modelo será dimensionado para vocabulários maiores. É importante que o princípio possa ser generalizado para vocabulários maiores, já que o falante médio de inglês tem um vocabulário ativo de aproximadamente 20,000 palavras. O método decodificador atual opera interpretando a estrutura estática de uma frase e usando essa estrutura para fazer suposições sobre as palavras que correspondem a um padrão de atividade neural específico. À medida que o vocabulário cresce, a precisão geral pode ser reduzida, pois mais padrões neurais tendem a parecer semelhantes.

Os autores do artigo explicam que, embora esperem que o decodificador acabe aprendendo a discernir padrões regulares e confiáveis ​​na linguagem, eles não têm certeza de quantos dados são necessários para treinar um modelo capaz de generalizar para o idioma inglês cotidiano. Uma maneira potencial de lidar com esse problema é complementar o treinamento com dados coletados de outras interfaces cérebro-computador, fazendo uso de diferentes algoritmos e implantes.

A pesquisa feita pelos pesquisadores da Universidade da Califórnia é apenas um desenvolvimento recente em uma onda crescente de pesquisa e desenvolvimento em relação a interfaces neurais e computadores. A Royal Society divulgou um relatório no ano passado que previu que as interfaces neurais que ligam as pessoas aos computadores acabarão permitindo que as pessoas leiam as mentes umas das outras. O relatório faz referência à startup Neuralink criada por Elon Musk e às tecnologias desenvolvidas pelo Facebook como evidência dos próximos avanços na computação orientada para o ser humano. A Royal Society observa que as interfaces humano-computador serão uma opção poderosa no tratamento de doenças neurodegenerativas, como o mal de Alzheimer, nas próximas duas décadas.