Künstliche Intelligenz wandelt Gehirnsignale in Sprache um
Wissenschaftler können jetzt Ihre Gedanken lesen: irgendwie.
Forscher der University of California behaupten, ein Gerät entwickelt zu haben, das Gehirnsignale in elektronische Sprache umwandelt. Das „Brain Machine Interface“ ist ein neuronaler Decoder, der kortikale Aktivität in Bewegungen des Vokaltrakts abbildet, wobei ein Teilnehmer der Studie gebeten wird, Sätze laut vorzulesen, bevor er dieselben Sätze mit dem Mund nachahmt, ohne einen Ton zu erzeugen. Die Ergebnisse bezeichneten die Forscher als „ermutigend“.
Fünf Freiwilligen wurden im Rahmen einer Epilepsiebehandlung Elektroden auf der Oberfläche ihres Gehirns implantiert. Die Forscher zeichneten die Gehirnaktivität der Studienteilnehmer beim Lesen von Sätzen auf, bevor sie diese Aufzeichnungen mit Daten zur Klangerzeugung und dazu, wie uns Zunge, Lippen, Kiefer und Kehlkopf beim Sprechen helfen, kombinierten.
Was ist Deep Learning?
Ein Deep-Learning-Algorithmus wurde für die gesammelten Daten zur Bewegung des Stimmtrakts und die Forschung aus der Sprache der Teilnehmer verwendet. Ein Deep-Learning-Algorithmus ist ein dichtes künstliches neuronales Netzwerk, das wiederum von der Funktionsweise eines biologischen Gehirns inspiriert ist.
Deep Learning umfasst maschinelles Lernen, bei dem Maschinen durch Erfahrung lernen und Fähigkeiten entwickeln, ohne den Input ihrer menschlichen Meister zu benötigen. Von der Farbgebung von Bildern bis zur Gesichtserkennung kontextualisiert Deep Learning bereits die Welt um sich herum. Die Umwandlung von Gehirnaktivität in Sprache ist ein großer Durchbruch, obwohl gewöhnliche Sprachübersetzungen von einer Sprache in eine andere vielleicht die besten Beispiele für die Technologie sind, die funktioniert.
Deep Learning kontextualisiert bereits die Welt um sich herum. Die Umwandlung von Gehirnaktivität in Sprache ist ein großer Durchbruch
Deep-Learning-Algorithmen überdenken tatsächlich die Art und Weise, wie wir Sprachen übersetzen. Früher hätten Tools wie Google Translate jedes Wort in einem Satz einzeln übersetzt, als ob man jedes Wort in einem Wörterbuch nachschlagen würde. Heutzutage jedoch können Algorithmen, die erst vor zwei Jahren erfunden wurden, das Niveau von statistischen maschinellen Übersetzungssystemen erreichen, die vor 20 Jahren erfunden wurden, weil sie Sätze mit rekurrenten neuronalen Netzen (RNN) entschlüsseln können.
RNNs lernen Muster in Daten und geben sie als verschlüsselte Sätze aus. Es ist nicht erforderlich, die Regeln für menschliche Sprachen einzugeben, da das RNN alles lernt, was es wissen muss. Auf diese Weise kann Deep Learning Sequenz-zu-Sequenz-Herausforderungen wie die Sprachübersetzung lösen, sei es von einer Sprache in eine andere oder von Gehirnwellen in Klänge.
Wie beeindruckend ist diese Studie?
Ähnlich wie Online-Übersetzer damit begannen, einzelne Wörter einfach von einer Sprache in eine andere umzuwandeln, konnten Wissenschaftler die KI nur verwenden, um die Gehirnaktivität zu analysieren und jeweils eine Silbe zu übersetzen.
Viele, die die Fähigkeit zu sprechen verloren haben, haben spracherzeugende Geräte und Software verwendet. Natürlich gesprochene Sprache umfasst durchschnittlich 150 Wörter pro Minute – bis zu fünfzehn Mal mehr als Geräte, die von Patienten mit Motoneuronen-Erkrankungen verwendet werden – daher ist es ein Durchbruch, den Teilnehmern dieser Studie einen müheloseren Sprachfluss zu ermöglichen.
„Technologie, die neuronale Aktivität in Sprache übersetzt, wäre transformativ für Menschen, die aufgrund neurologischer Beeinträchtigungen nicht kommunizieren können“, sagten die Neurowissenschaftler der Studie. veröffentlicht am 24. Aprilth in Natur. „Die Dekodierung von Sprache aus neuraler Aktivität ist eine Herausforderung, da das Sprechen eine sehr präzise und schnelle mehrdimensionale Kontrolle der Vokaltraktartikulatoren erfordert.“
Ein elektronisches Netz, das aus einem Netzwerk flexibler Schaltkreise besteht, die im Gehirn platziert werden, wird jetzt an Tieren getestet. Das Unternehmen Neuralink von Elon Musk entwickelt auch eine Schnittstelle zwischen Computern und dem biologischen Gehirn unter Verwendung der Neural Lace-Technologie, was das Unternehmen als „Gehirn-Maschine-Schnittstellen mit ultrahoher Bandbreite zur Verbindung von Menschen und Computern“ bezeichnet.
Künstliche Intelligenz arbeitet an anderen Sinnen
Das Sehen ist ein weiterer Sinn, der in Zukunft vom Lesen der neuronalen Ausgabe profitieren wird.
Eine kürzlich durchgeführte Studie hat untersucht, wie maschinelles Lernen Wahrnehmungsinhalte visualisieren kann, indem sie die funktionelle Magnetresonanztomographie (fMRT) des Menschen analysierte. Die Merkmalsdekodierungsanalyse wurde mit fMRI-Aktivitätsmustern im visuellen Cortex (VC) durchgeführt, die gemessen wurden, während sich die Probanden so viel wie visuelle Bilder vorstellten. Decodierte Merkmale wurden dann an den Rekonstruktionsalgorithmus gesendet, um ein Bild zu erzeugen.
Ähnlich wie bei der Sprachforschung deutet die Untersuchung der Tiefenbildrekonstruktion aus der menschlichen Gehirnaktivität darauf hin, dass künstliche neuronale Netze ein neues Fenster in die inneren Inhalte des Gehirns bieten können.
Es ist vielleicht übergriffig zu sagen, dass das Gedankenlesen unmittelbar bevorsteht, aber es ist eine Gewissheit, dass künstliche Intelligenz und Deep Learning der Menschheit eine Art neuromechanisches biologisches System zur Verfügung stellen werden. „Diese Ergebnisse fördern die klinische Realisierbarkeit der Verwendung von neuroprothetischer Sprachtechnologie zur Wiederherstellung der gesprochenen Kommunikation“, heißt es in der Studie.
Foto von https://www.nature.com/
