Stor genombrott inom telepatisk human-AI-kommunikation: MindSpeech avkodar sammanhängande tankar till text

I ett revolutionerande steg framåt inom human-AI-interaktion har forskare vid MindPortal lyckats utveckla MindSpeech, den första AI-modellen som kan avkoda kontinuerligt föreställt tal till sammanhängande text utan några invasiva procedurer. Denna framsteg markerar en betydande milstolpe i jakten på sömlös och intuitiv kommunikation mellan människor och maskiner.

Banbrytande studie: icke-invasiv tankeavkodning

Forskningen, som utfördes av ett team av ledande experter och publicerades på arXiv och ResearchGate, visar hur MindSpeech kan avkoda komplexa, fria tankar till text under kontrollerade testförhållanden. Till skillnad från tidigare försök som krävde invasiv kirurgi eller var begränsade till enkla, inlärda verbala signaler, visar denna studie att AI kan dynamiskt tolka föreställt tal från hjärnaktivitet på ett icke-invasivt sätt.

Forskarna använde ett bärbart, högupplöst funktionell nära-infraröd spektroskopi (fNIRS)-system för att övervaka hjärnaktivitet medan deltagarna föreställde sig meningar inom olika ämnen. Den nya metoden innefattade en “ordmoln”-uppgift, där deltagarna presenterades med ord och bad att föreställa sig meningar relaterade till dessa ord. Denna uppgift täckte över 90% av de vanligast använda orden i det engelska språket, vilket skapade en rik dataset med 433 till 827 meningar per deltagare, med en genomsnittlig längd på 9,34 ord.

Användning av avancerad AI: Llama2 och hjärnsignaler

AI-komponenten i MindSpeech drevs av Llama2 Large Language Model (LLM), ett sofistikerat textgenereringsverktyg som styrs av hjärnsignalgenererade inbäddningar. Dessa inbäddningar skapades genom att integrera hjärnsignaler med kontextinmatningstext, vilket möjliggjorde för AI att generera sammanhängande text från föreställt tal.

Nyckelparametrar som BLEU-1 och BERT P-poäng användes för att utvärdera AI-modellens noggrannhet. Resultaten var imponerande och visade statistiskt signifikanta förbättringar av avkodningsnoggrannheten för tre av fyra deltagare. Till exempel var deltagare 1:s BLEU-1-poäng signifikant högre, 0,265, jämfört med 0,224 med permutationer av indata, med en p-värde på 0,004, vilket indikerar en robust prestation i att generera text som nära överensstämmer med de föreställda tankarna.

Kartläggning av hjärnaktivitet och modellträning

Studien kartlade också hjärnaktivitet relaterad till föreställt tal, med fokus på områden som den laterala temporalcortexen, dorsolateral prefrontalcortex (DLPFC) och visuell bearbetningsområden i occipitalregionen. Dessa fynd överensstämmer med tidigare forskning om talavkodning och understryker möjligheten att använda fNIRS för icke-invasiv hjärnövervakning.

Träning av AI-modellen innefattade en komplex process med prompt-tuning, där hjärnsignalerna omvandlades till inbäddningar som sedan användes för att styra textgenerering med LLM. Denna metod möjliggjorde generering av meningar som inte bara var språkligt sammanhängande utan också semantiskt liknande de ursprungliga föreställda tankarna.

Ett steg mot sömlös human-AI-kommunikation

MindSpeech representerar ett banbrytande framsteg inom AI-forskning, som visar för första gången att det är möjligt att avkoda kontinuerligt föreställt tal från hjärnan utan invasiva procedurer. Denna utveckling banar väg för mer naturlig och intuitiv kommunikation med AI-system, vilket potentiellt kan förändra hur människor interagerar med teknologi.

Studiens framgång lyfter också fram potentialen för ytterligare framsteg inom området. Medan tekniken ännu inte är redo för bred användning, ger resultaten en glimt av en framtid där telepatisk kommunikation med AI kan bli verklighet.

Implikationer och framtida forskning

Studiens implikationer är omfattande, från att förbättra assistans-teknologier för personer med kommunikationshinder till att öppna nya fronter inom human-datorinteraktion. Studien pekar dock också på de utmaningar som ligger framför, som att förbättra AI-modellens känslighet och generaliserbarhet och anpassa den till en bredare användarbas och applikationer.

Framtida forskning kommer att fokusera på att förfinare AI-algoritmerna, utöka dataseten med fler deltagare och undersöka verkliga tillämpningar av tekniken. Målet är att skapa en riktigt sömlös och universell hjärndatorgränssnitt som kan avkoda en bred range av tankar och idéer till text eller andra former av kommunikation.

Slutsats

MindSpeech är ett banbrytande genombrott inom human-AI-kommunikation, som visar den otroliga potentialen hos icke-invasiva hjärndatorgränssnitt.

Läsare som vill lära sig mer om detta företag bör läsa vår intervju med Ekram Alam, VD och medgrundare av MindPortal, där vi diskuterar hur MindPortal samverkar med stora språkmodeller genom mentala processer.