Kunstig intelligens lærte at oversætte menneskelige hjernesignaler til tekst med 97% nøjagtighed

Et team af forskere ved University of California, San Francisco, ledet af neurokirurgen Edward Chang, anvendte med succes en ny metode til afkodning af et elektrokortikogram - registrering af hjernebarkens rytmiske elektriske aktivitet ved hjælp af elektroder placeret direkte på overfladen.

I en undersøgelse af fire epileptiske patienter med implanterede implantater blev de bedt om at læse og gentage en række specifikke sætninger højt, mens elektroder registrerede deres hjerneaktivitet.

Den resulterende information blev derefter ført ind i et neuralt netværk, der analyserede det mod specifikke talerelaterede mønstre - for eksempel vokaludtale, konsonantudtale eller specifikke mundbevægelser.

Derefter afkodede et andet neuralt netværk disse oplysninger, opnået efter 30-50 gentagelser af sætninger. Ved hjælp af disse data forsøgte systemet at bestemme, hvad der præcist blev sagt af personen, baseret på de registrerede impulser i hans hjerne.

Resultatet overgik alle forventninger: Systemet bestemte de talte ord med en nøjagtighed på 97%. Således kan det nye system fungere som et benchmark for vurdering af genkendelse af hjernesignaler ved hjælp af AI. Dets nøjagtighed i 3% af fejlene kan sammenlignes - med et antal forbehold - med nøjagtigheden af ​​professionelle menneskelige transkriberere, hvis hastighed er ca. 5%.