Nový model umělé inteligence dokáže převádět myšlenky do textu

Nový systém umělé inteligence, který vyvinuli vědci z Texaské univerzity v Austinu, dokáže převést mozkovou aktivitu člověka pomocí MRI skenu do souvislého proudu textu. Systém zvaný sémantický dekodér by mohl pomoci lidem, kteří nejsou schopni komunikovat pomocí řeči, například lidem, kteří přežili mrtvici. Vyvolává však také určité obavy.

Číst něčí myšlenky zní jako sci-fi, ale vědci z Texaské univerzity v Austinu to udělali. Model umělé inteligence, který vyvinuli, je schopen převádět myšlenky do psaného slova pomocí neinvazivních skenovacích metod.

Umělá inteligence schopná číst lidské myšlenky

Nová technologie je založena na modelech podobných těm, které pohánějí ChatGPT Open AI nebo Barda od Googlu. Na rozdíl od jiných vyvíjených systémů dekódování jazyků nový systém nevyžaduje, aby pacienti měli chirurgické implantáty, díky čemuž je proces neinvazivní. Účastníci také nemusí používat pouze slova ze seznamu, který jim byl nadiktován. Aktivita mozku se měří pomocí funkčního skeneru magnetické rezonance (fMRI).

Nejprve účastník, když je ve skeneru, poslouchá různé podcasty po delší dobu (asi 15 hodin). Mezitím nový systém monitoruje jeho mozkovou aktivitu. Jinými slovy, dekodér trénuje. Poté, po proškolení systému, když dobrovolník poslouchá nebo si představuje nový příběh, model vygeneruje textový proud. Dekodér samozřejmě nedokáže syntetizovat myšlenky člověka slovo od slova, ale často dokáže zachytit podstatu toho, co si dotyčný myslí. Po rozsáhlém výcviku je schopen generovat text, který je dobrým a někdy přesným vyjádřením myšlenek dobrovolníka.

„Pro neinvazivní metodu je to skutečný krok kupředu oproti tomu, co bylo provedeno dříve, což bylo obvykle provedeno v jednotlivých slovech nebo krátkých větách,“ řekl Alex Huth z UT Austin. „Získáváme model pro nepřetržité dekódování jazyka po delší časové období,“ dodal.

Účinnost dekodéru

Přibližně v polovině doby, kdy byl dekodér trénován k monitorování mozkové aktivity účastníka, stroj vygeneroval text, který odpovídal myšlenkám s různou mírou přesnosti, někdy dokonce přesnosti.

Například v jednom experimentu účastník poslouchal voice-over, který říkal: „Ještě nemám řidičský průkaz.“ Dekodér to přeložil jako „ještě se ani nezačala učit řídit“. Slova: „Nevěděl jsem, jestli mám křičet, plakat nebo utéct, místo toho jsem řekl – nech mě na pokoji“ dekodér přeložen jako: „začala křičet a plakat a pak jen řekla: Řekl jsem ti, abys odešel.“ já sám“.

Účastníci experimentů měli kromě poslechu a vymýšlení různých příběhů také sledovat čtyři krátké, němé filmy ve skeneru (jeden z nich níže). Sémantický dekodér dokázal pomocí jejich mozkové aktivity s určitou přesností popsat určité události z nahrávek, které sledovali.

Starosti

Autoři nové technologie vysvětlili, že obavy ze zneužití dekodéru nejsou. Alespoň v současné fázi vývoje. Dekódování podle nich funguje pouze ve spolupráci s účastníky, kteří se dobrovolně účastnili školení dekodérů. Výsledky pro lidi, na které nebyl dekodér trénován, byly nesrozumitelné, a pokud se účastníci, na kterých byl dekodér trénován, později bránili – například přemýšleli o jiných věcech – byly výsledky také k ničemu.

Obavy, že by to mohlo být použito ke zlým účelům, bereme velmi vážně. Hledali jsme řešení, jak se tomu vyhnout,“ řekl Jerry Tang z UT Austin. „Chceme zajistit, aby lidé používali tento typ technologie pouze tehdy, když chtějí, a pomáhá jim.“

Systém není v současné době praktický pro použití mimo laboratoř, protože se spoléhá na poměrně dlouhou dobu potřebnou k trénování na skeneru fMRI. Ale vědci věří, že jejich práce by mohla být použita také v jiných, přenosnějších systémech zobrazování mozku.

Očekává se, že v budoucnu další vývoj takové technologie pomůže pacientům, kteří již nejsou schopni komunikovat řečí, jako jsou pacienti po mrtvici.