ذهن خوانی با هوش مصنوعی رویایی که حالا به واقعیت نزدیک است

ذهن خوانی با هوش مصنوعی در حقیقت رویایی است که حالا از هر زمانی به واقعیت نزدیک تر شده. در این مطلب میبینیم که امواج مغز چطور به کلمات تبدیل می شوند.

پژوهشگران به کمک هوش مصنوعی و استفاده از ایمپلنت مغزی، افکار را به کلمات تبدیل کردند. سیستم هوش مصنوعی جدیدی که پژوهشگران دانشگاه کالیفرنیا آن را توسعه داده‌اند، می‌تواند به‌طور دقیق افکار را به جمله تبدیل کند. این سیستم ممکن است ما را به بازگرداندن گفتار به افرادی که به‌علت فلجی این توانایی را از دست داده‌اند، نزدیک‌تر کند. ذهن خوانی با هوش مصنوعی

جوزف ماکین و همکارانش از الگوریتم‌های یادگیری عمیق برای مطالعه‌ی سیگنال‌های مغزی چهار زن هنگام صحبت کردن، استفاده کردند. زنان که همگی دچار صرع بودند، از قبل دارای الکترودهایی بودند که برای نظارت‌بر تشنج‌ها به مغز آن‌ها متصل شده بود.

از هر کدام از این زنان خواسته شد تا مجموعه‌ای از جملات را با صدای بلند بخوانند و در همان زمان، پژوهشگران فعالیت مغز آن‌ها را اندازه‌گیری می‌کردند. بزرگ‌ترین گروه جملات حاوی ۲۵۰ کلمه‌ی منحصر‌به‌فرد بود.

پژوهشگران فعالیت مغز ثبت‌شده را به الگوریتم شبکه‌ی عصبی تغذیه کرده و آن را آموزش دادند تا الگوهای منظمی را که می‌توانست با جنبه‌های تکراری گفتار مانند صامت‌ها و مصوت‌ها مرتبط باشند، شناسایی کند. این الگوها سپس به شبکه‌ی عصبی دیگری تغذیه شد که سعی داشت آن‌ها را از شکل جمله به کلمات تبدیل کند.

هر یک از زنان حداقل دو بار این جملات را تکرار می‌کردند ولی تکرار نهایی بخشی از داده‌های مرحله‌ی آموزش نبود و برای آزمایش سیستم از آن استفاده می‌شد. هنگام خواندن جملات یکسان به‌وسیله‌ی شرکت‌کنندگان، فعالیت مغزی همبسته با آن در افراد مختلف مشابه ولی کاملا یکسان نبود. ماکین می‌گوید:

به‌خاطر سپردن فعالیت مغزی همبسته با این جملات فایده‌ای نداشت، بنابراین شبکه به‌جای آن باید شباهت میان آن‌ها را یاد می‌گرفت تا می‌توانست آن را به مثال نهایی تعمیم دهد.

بهترین عملکرد هوش مصنوعی در این آزمایش، متوسط خطای ترجمه‌ی ۳ درصد داشت. ماکین می‌گوید که استفاده از تعداد کمی جمله این امر را برای هوش مصنوعی ساده‌تر کرد که یاد بگیرد که معمولا کدام کلمات به‌دنبال هم می‌آیند. برای مثال هوش مصنوعی تنها با استفاده از فعالیت مغز توانست کشف کند که در این مجموعه جمله‌ها، کلمه‌ی Turner اغلب به‌دنبال کلمه‌ی Tina می‌آید.

پژوهشگران سعی کردند سیگنال‌های مغزی را به‌جای کل جملات، به کلمات واحد رمزگشایی کنند اما این مسئله حتی در مورد بهترین عملکرد، موجب ۳۸ درصد افزایش در خطا شد. ماکین می‌گوید:

بنابراین شبکه به‌وضوح درحال یادگیری واقعیت‌هایی درمورد این است که کدام کلمات در کنار هم می‌آیند و نه فقط اینکه کدام فعالیت عصبی به کدام کلمه مربوط می‌شود.

این امر موجب می‌شود افزایش واژگان سیستم دشوار شود زیرا هر کلمه‌ی جدید تعداد جملات ممکن را افزایش داده و باعث کاهش دقت می‌شود. ماکین می‌گوید، ۲۵۰ کلمه نیز برای افرادی که نمی‌توانند سخن بگویند، مفید است. او می‌گوید:

ما می‌خواهیم این سیستم را درمورد یک فرد بیمار که واقعا دچار ناتوانی گفتار است، به کار ببریم. اگرچه این امکان وجود دارد که فعالیت مغزی آن‌ها از فعالیت مغزی زنان شرکت‌کننده در مطالعه متفاوت باشد و باعث دشوارتر شدن کار شود.

سوفی اسکات از کالج دانشگاهی لندن می‌گوید هنوز راهی طولانی به‌سمت توانایی ترجمه‌ی جامع‌ سیگنال‌های مغزی داریم. او می‌گوید:

شما احتمالا حدود ۳۵۰ هزار کلمه می‌دانید، بنابراین، آن‌ها هنوز از مجموعه‌ی بسیار محدودی از گفتار استفاده می‌کنند.

منبع: newscientist