Artificiell intelligens kan nu läsa tankar och översätta dem i skrift: ny forskning

Ny "magi" av artificiell intelligens: det har nu presenterats ett bärbart och icke-invasivt system för att översätta tankar till text. Här kan du se mer detaljerat vad det handlar om.

Det nya bärbara och icke-invasiva systemet för att läsa tankar

ACS Publications

Artificiell intelligens uppnår allt mer imponerande resultat och utmarar hittills outforskade gränser. Tack vare detta har forskarna utvecklat ett överraskande projekt. Det handlar om ett icke-invasivt och bärbart system som kan läsa tankar och översätta dem till text: en absolut innovation, presenterad av ett team vid Graphene X-UTS Human-centric Atificial Intelligence Center på University of Technology Sidney (UTS), Australien. Denna teknik är inte bara av högsta nivå och med en stark inverkan på innovationsområdet, utan den kan också hjälpa dem som inte kan prata, de som har förlorat talförmågan efter en sjukdom, ett trauma, förlamning eller stroke.

Detta nya system kan därför uppmuntra och underlätta kommunikationen för individer som är drabbade av denna funktionsnedsättning, men inte bara det: den tillåter också oavbruten kommunikation mellan människa och maskin, som en robotarm.

Under NeurIPS Conference, ett presigefyllt årligt evenemang under vilket den viktigaste forskningen inom området artificiell intelligens och maskininlärning på global nivå presenteras, som hölls i New Orleans, Louisiana, USA, valdes projektet som en studie av excellence.

Forskningen utfördes av professor Ching-Teng Lin, chef för HAI GrapheneX-UTS Centre, i samarbete med studiens huvudförfattare Yiqun Duan och doktoranden Jinzhou Zhou från UTS fakulteten för naturvetenskap, teknik och informatik.

Artificiell intelligens översätter tankar till text, så här

Thomas Do/Youtube screenshot

Under studien ombads de 29 inblandade deltagarna att läsa några texter tyst. Under den individuella aktiviteten bar de en hjälm som kunde registrera, via elektroencefalogram, hjärnans elektriska aktivitet genom hårbotten. AI-modellen som utvecklats av forskarna, Dewawe, översatte EEG-vågor till ord och meningar. 

Professor Lin sa: "Denna forskning representerar en banbrytande ansträngning för att översätta råa EEG-vågor direkt till tal, vilket markerar ett betydande genombrott på området. Detta är den första som införlivar diskreta kodningstekniker i hjärn-till-text-översättningsprocessen, vilket introducerar en innovativ inställning till neural avkodning. Integration med breda språkliga modeller öppnar också nya gränser inom neurovetenskap och artificiell intelligens.".

Detta system uppnår i själva verket sitt syfte utan att vara invasivt: tidigare teknologier krävde kirurgiska ingrepp och implantation av elektroder i hjärnan eller användning av en MRT för skanning, vilket resulterade i väldigt höga kostnader och praktiska svårigheter. Dessutom behöver dessa tekniker ytterligare input som eyetracking för att kunna översätta hjärnans signaler till text, vilket gör allt ännu mindre hanterbart i vardagen. EEG-signalerna tas emot via hörlurar snarare än från implanterade elektroder, de är starkare och bullrigare, men översättningen visade tillfredsställande prestanda.

Duan förklarade: "Modellen är bättre på att matcha verb än substantiv. Men när det kommer till ett namn märkte vi en tendens mot par av synonymer snarare än exakt översättning, som 'mannen' istället för 'författaren'. Vi tror att detta händer eftersom när hjärnan bearbetar dessa ord kan semantiskt liknande termer producera liknande hjärnvågsmönster. Trots utmaningarna ger vår modell meningsfulla resultat genom att anpassa nyckelord och bilda liknande meningsstrukturer.".

Att översätta tankar till text med AI: på vilken nivå ligger noggrannheten?

kjpargeter/Freepik

Noggrannheten för översättningen är cirka 40% på BLEU-1, en betygsskala mellan noll och ett som jämför likheten mellan den översatta texten och andra högkvalitativa översättningar. Forskarnas mål är att nå en andel på 90%, liknande program för språköversättning och taligenkänning. Forskningen byggde på grunden av tidigare forskning, under vilken UTS, i samarbete med Australian Defence Force, utvecklade ett hjärn-datorgränssnitt som styrde och kontrollerade en fyrbäddsrobot med hjälp av hjärnvågor.

De icke-invasiva sensorerna som utvecklades för detta nya tankeläsande system är baserade på epitaxial graf med mykomodeller, en form av kol som är lika tjock som en atom och kallas för ett "undermaterial". Det handlar om en ledare av värme och elektricitet, vilket gör den perfekt för mätning av kortikal elektrisk aktivitet.

"Dess väldigt tunna natur, i kombination med hög elektrisk ledningsförmåga, biokompatibilitet, korrosionsbeständighet och stabilitet i svett, är alla mycket attraktiva egenskaper för användning som sensorer för både invasiva och icke-invasiva neurala gränssnitt."

Enheten har en Cortex-M4-mikrokontroller och sänder dess signaler i en 24 bytes hög upplösning, insamlad från upp till 64 kanaler. Användningen av LLM, Large Languge Model, gör att vi kan identifiera det mest sammanhängande nästa ord baserat på tanken som utvecklats fram till ett givet ögonblick.

Så, artificiell intelligens kan nu läsa tankar: vad kommer härnäst?