Bilim adamları, beyin dalgalarını% 3 gibi düşük bir hata oranıyla doğrudan metne çeviren bir "zihin okuma tekniği" geliştirdiler.
San Francisco'daki California Üniversitesi'ndeki bilim adamları, yalnızca% 3'lük bir hata oranıyla deneklerin beyin dalgalarını gerçek zamanlı olarak doğrudan cümlelere çevirebilen bir algoritma eğitti.
Çalışma Nature Neuroscience dergisinde yayınlandı ve 4 gönüllüyü işe aldılar.Bu gönüllülerden birkaç kez 30-50 sabit cümleyi okumaları istendi, elektrotlar ise beyin aktivitelerini kaydetti.
[Lei Feng Net Not: İnsanlar beyin hakkında çok az şey bilirler. Resim kaynağı: Pixabay Sahibi: Gerd Altmann
Bu veriler daha sonra her cümlenin beyin aktivitesi verilerini bir dizi sayıya ve dizgiye dönüştüren bir makine öğrenme algoritmasına beslenir.
Sistem, sesi bu beyin aktivitesi verilerinden türetir ve bunu gerçek kaydedilmiş sesle karşılaştırır. Sayılar ve dizeler sisteme yeniden girilir ve bir dizi kelimeye dönüştürülür.
Sistem ilk başta anlamsız cümleler ortaya çıkaracaktır. Ancak sistem, her bir kelime dizisini yüksek sesle okunan gerçek cümle ile karşılaştırdığında geliştirilir ve sayı dizileri ile kelimeler arasındaki ilişkiyi ve hangi kelimelerin bağlamsal olduğunu öğrenir.
Algoritma, makine çevirisine benzer şekilde, konuşurken beyin aktivitesinden yazılı metin oluşturulana kadar sürekli olarak eğitilir.
Yeni sistemin doğruluğu, önceki yönteme göre çok daha yüksektir. Doğruluk kişiden kişiye değişmekle birlikte, gönüllülerden biri için ortalama olarak her cümlenin sadece% 3'ünün düzeltilmesi gerekiyor ki bu, stenografın% 5 kelime hatası oranından daha yüksek.
Elbette, mevcut sistem hala büyük sınırlamalara sahiptir ve algoritma yalnızca az sayıda cümleyi işleyebilir. Sistem ayrıca, cümleleri yüksek sesle konuşan insanların beyin aktivitelerini kaydetmeye dayandığından, konuşmayı kaybetmiş ciddi engelli hastalar için de kullanılamaz.
Bununla birlikte, her gönüllünün eğitilmesi yalnızca 40 dakikadan kısa sürdü ve sınırlı küçük bir veri kümesi olması durumunda, şimdiye kadarki en yüksek doğruluğu elde etti.
Beyin-bilgisayar arayüzü
İnsan beyni sinyallerinden harici cihazlara bağlantı yollarının kurulması yeni değil Beyin-bilgisayar arayüzleri üzerine araştırmalar 30 yıldır devam ediyor.
[Lei Feng Net Not: Beyin-bilgisayar arayüzü, son 30 yıldır bir araştırma etkin noktası olmuştur. Resim kaynağı: Pixabay Sahibi: aytuguluturk
Geçtiğimiz on yılda, konuşma sinyallerini çözebildik, ancak izole edilmiş fonemler veya tek heceli kelimelerle sınırlı kaldık, 100 kelimelik sürekli bir konuşma durumunda, doğru kelimelerin% 40'ından daha azının kodu çözüldü.
Bilim adamlarının bu sefer buldukları daha doğrudan bir yöntem, yani makine çevirisine benzer bir algoritma benimsemek. Makine çevirisi, metnin bir dilden diğerine algoritmik olarak çevrilmesidir, ancak bu sefer giriş metni bir beyin dalgası sinyali haline gelir. Yayınlanan "Kodlayıcı-Kod Çözücü Çerçevesini Kullanmak: Serebral Korteks Aktivitesinden Metne Makine Çevirisi" bu süreci ayrıntılı olarak açıklamaktadır.
Sistem bir gönüllüyü eğittikten sonra başka bir gönüllüyü eğittikten sonra, kod çözme sonucu iyileştirilir, bu da teknolojinin insanlar arasında aktarılabileceğini gösterir.
GitHub'da kağıda karşılık gelen kod yerleştirilir.
Ecog2txt modülü, konuşmanın kodunu sinirsel verilerden metne dönüştürmek için kullanılır. Konular arası aktarım öğreniminin gelişmiş özelliklerini uygulamak için Python kodunu kullanır.
[Lei Feng Net Notu: ecog2txt, kağıda karşılık gelen açık kaynak uygulama modülüdür]
Eğitimin kendisi, TensorFlow'da diziden diziye bir ağ uygulayan başka bir makine öğrenme paketi aracılığıyla gerçekleştirilir.
Bu yazılım paketlerinin yazarı ve makalenin ortak yazarlarından biri olan Dr. Joseph Makin (Joseph Makin), şu anda San Francisco'daki Kaliforniya Üniversitesi Entegre Sinirbilim Merkezi'nde araştırma bilimcisi. Ana bilim dalı elektrik mühendisliği ve bilgisayar bilimleridir ve beyin-bilgisayar arayüzleri için algoritma geliştirme dahil olmak üzere kontrol teorisinde uzmanlaşmıştır.
[Lei Feng Net Notu: Yukarıdaki resim Dr. Zhang Aide'yi göstermektedir]
Makalenin diğer bir ortak yazarı, epilepsi, beyin tümörleri, trigeminal nevralji, hemifasiyal spazm ve hareket bozuklukları olan yetişkinlerin tedavisinde uzmanlaşmış bir tıp ve beyin cerrahı doktoru olan Dr. Edward Chang'dir. Şu anda San Francisco'daki Weir Nörobilim Enstitüsü'nde nöroşirürji profesörüdür.Ayrıca, felç ve konuşma bozuklukları gibi nörolojik hastalıkları olan hastaların işlevlerini eski haline getirmek için bir nöro-mühendislik ve protez merkezine liderlik etmektedir.
Yorumlar
Bilim adamları bir zamanlar beyin sinyallerini anlaşılır konuşmaya dönüştürmenin onlarca yıl alabileceğini düşündüler, ancak şimdi bu aralık birkaç yıl içinde ölçülebilir. Reddit'in bilim bölümünde haber 30.000'den fazla beğeni ve binlerce yorum aldı.
Netizen derlumpenhund, bunun düşünce okuyucusunun icat edildiği anlamına gelmediği yorumunu yaptı. Dilin ve dilin hareketini çözerken esas olarak karşılık gelen serebral korteks aktivitesine dayanır.Belirli bir konunun verilerini toplaması ve önceden eğitmesi gerekir.Düşünce aktivitenizi doğrudan çözmez. Bununla birlikte, bu ilerleme de dikkat çekicidir.
Netizen boointhehouse, bu teknoloji Stephen Hawking'e daha önce uygulanırsa, hayatında daha fazla iş yapılabileceğini söyledi.
Referans kaynağı:
https://www.nature.com/articles/s41593-020-0608-8.epdf
https://github.com/jgmakin/ecog2txt
https://github.com/jgmakin/machine_learning
https://profiles.ucsf.edu/joseph.makin
https://profiles.ucsf.edu/edward.chang
https://www.reddit.com/r/science/comments/fry305/scientists_develop_ai_that_can_turn_brain/
