Наука на пороге создания расшифровщика мыслей

Согласно информации, опубликованной News24|7, модернизированный "декодер мозга", основанный на искусственном интеллекте, теперь демонстрирует улучшенные результаты в преобразовании мыслей в текстовую форму.

Ученые полагают, что новая разработка сможет оказать поддержку людям, страдающим афазией, неврологическим расстройством, затрудняющим общение и взаимодействие с окружающим миром.

"Декодер мозга" использует машинное обучение для "перевода" мыслей человека в текст, анализируя активность мозга.

Как отметил Александр Хат, невролог из Техасского университета в Остине, люди с афазией часто испытывают трудности как с пониманием речи, так и с выражением своих мыслей.

В новом исследовании, опубликованном 6 февраля в журнале Current Biology, Хат и его коллега Джерри Тан, аспирант UT Austin, изучали возможности преодоления этого ограничения.

"В этом исследовании мы стремились найти альтернативные подходы. Наша идея заключалась в том, чтобы адаптировать декодер, изначально разработанный для мозга одного человека, для работы с мозгом другого", — пояснили исследователи.

В ходе работы ученые обучили "декодер мозга" на группе участников, собирая данные магнитно-резонансной томографии (МРТ) во время прослушивания 10 часов радиопостановок.

Затем были разработаны два алгоритма преобразования данных, предназначенные для адаптации декодера к "целевой" группе участников, включая людей с афазией. Один алгоритм использовал данные, собранные во время 70-минутного прослушивания радиопостановок, а другой — данные, полученные при просмотре немых короткометражных фильмов Pixar, не связанных с радиопостановками.

Используя метод, известный как функциональное выравнивание, команда сопоставила реакции мозга участников из исходной и целевой групп на одни и те же акустические или кинематографические стимулы.

Эта информация позволила обучить декодер для работы с мозгом участников целевой группы, значительно сократив объем необходимых тренировочных данных.

В заключение команда протестировала разработанные декодеры, используя рассказ, ранее не знакомый ни одному из участников.

Хотя прогнозы декодера были несколько точнее для исходной группы участников, чем для тех, кто использовал адаптированные данные, слова, предсказанные на основе сканирования мозга каждого участника, сохраняли семантическую связь с содержанием тестового рассказа.