Μέχρι και πριν κάποια χρόνια, κάτι τέτοιο ακουγόταν… φοβιστικό. Αλλά να που έγινε πραγματικότητα και μας δείχνει τις δυνατότητες της τεχνητής νοημοσύνης, που απλώνονται μπροστά μας ως κάτι άγνωστο μια και ακόμα βρισκόμαστε σε στάδιο διερεύνησης.

Με νέες βελτιώσεις που έκαναν επιστήμονες σε έναν ήδη υπάρχων «αποκωδικοποιητή εγκεφάλου» που χρησιμοποιεί AI, οι σκέψεις μας μπορούν πλέον να γίνονται κείμενο.

Τα ευρήματα θα μπορούσαν δυνητικά να υποστηρίξουν άτομα με αφασία, μια εγκεφαλική διαταραχή που επηρεάζει την ικανότητα επικοινωνίας ενός ανθρώπου, όπως δήλωσαν οι επιστήμονες.

Ένας αποκωδικοποιητής εγκεφάλου χρησιμοποιεί τη μηχανική μάθηση για να μεταφράσει τις σκέψεις ενός ατόμου σε κείμενο, με βάση τις αντιδράσεις του εγκεφάλου του σε ιστορίες που έχει ακούσει.

Ωστόσο, μέχρι πρότινος, οι επαναλήψεις του αποκωδικοποιητή απαιτούσαν από τους συμμετέχοντες να ακούνε ιστορίες μέσα σε ένα μηχάνημα μαγνητικής τομογραφίας για πολλές ώρες και αυτοί οι αποκωδικοποιητές λειτουργούσαν μόνο για τα άτομα στα οποία είχαν εκπαιδευτεί.

«Τα άτομα με αφασία έχουν συχνά κάποιο πρόβλημα στην κατανόηση της γλώσσας καθώς και στην παραγωγή γλώσσας», δήλωσε ο Alexander Huth, συν-συγγραφέας της μελέτης, υπολογιστικός νευροεπιστήμονας στο Πανεπιστήμιο του Τέξας στο Όστιν (UT Austin). «Έτσι, αν αυτό ισχύει, τότε ίσως να μην μπορούμε να δημιουργήσουμε καθόλου μοντέλα για τον εγκέφαλό τους παρακολουθώντας πώς ανταποκρίνεται ο εγκέφαλός τους σε ιστορίες που ακούν».

Στη νέα έρευνα, που δημοσιεύθηκε στις 6 Φεβρουαρίου στο περιοδικό Current Biology, ο Huth και ο συν-συγγραφέας Jerry Tang, μεταπτυχιακός φοιτητής στο UT Austin, διερεύνησαν πώς θα μπορούσαν να ξεπεράσουν αυτόν τον περιορισμό. «Σε αυτή τη μελέτη, αναρωτιόμασταν, μπορούμε να κάνουμε τα πράγματα διαφορετικά;. Μπορούμε ουσιαστικά να μεταφέρουμε έναν αποκωδικοποιητή που κατασκευάσαμε για τον εγκέφαλο ενός ατόμου στον εγκέφαλο ενός άλλου ατόμου;».

Σύμφωνα με Livescience, οι ερευνητές εκπαίδευσαν πρώτα τον αποκωδικοποιητή του εγκεφάλου σε μερικούς συμμετέχοντες με τον δύσκολο τρόπο – συλλέγοντας δεδομένα λειτουργικής μαγνητικής τομογραφίας ενώ οι συμμετέχοντες άκουγαν 10 ώρες ραδιοφωνικών ιστοριών.

Στη συνέχεια, εκπαίδευσαν δύο αλγόριθμους μετατροπέα στους συμμετέχοντες και σε ένα διαφορετικό σύνολο συμμετεχόντων «στόχου»: ο ένας χρησιμοποιώντας δεδομένα που συλλέχθηκαν ενώ οι συμμετέχοντες πέρασαν 70 λεπτά ακούγοντας ραδιοφωνικές ιστορίες και ο άλλος ενώ πέρασαν 70 λεπτά παρακολουθώντας βουβές ταινίες μικρού μήκους της Pixar άσχετες με τις ραδιοφωνικές ιστορίες.

Χρησιμοποιώντας μια τεχνική που ονομάζεται «λειτουργική ευθυγράμμιση», η ομάδα χαρτογράφησε τον τρόπο με τον οποίο οι εγκέφαλοι των συμμετεχόντων αναφοράς και στόχου ανταποκρίνονταν στις ίδιες ηχητικές ή κινηματογραφικές ιστορίες.

Αξιοποίησαν αυτές τις πληροφορίες για να εκπαιδεύσουν τον αποκωδικοποιητή να λειτουργεί με τους εγκεφάλους των συμμετεχόντων του στόχου, χωρίς να χρειάζεται να συλλέξουν πολλές ώρες δεδομένων εκπαίδευσης.

Επόμενη δουλειά της ερευνητικής ομάδας ήταν να δοκιμάσει τους αποκωδικοποιητές χρησιμοποιώντας μια σύντομη ιστορία που κανένας από τους συμμετέχοντες δεν είχε ακούσει στο παρελθόν. Παρόλο που οι προβλέψεις του αποκωδικοποιητή ήταν ελαφρώς πιο ακριβείς για τους αρχικούς συμμετέχοντες αναφοράς από ό,τι για εκείνους που χρησιμοποίησαν τους μετατροπείς, οι λέξεις που προέβλεψε από τις εγκεφαλικές σαρώσεις κάθε συμμετέχοντα εξακολουθούσαν να σχετίζονται σημασιολογικά με εκείνες που χρησιμοποιήθηκαν στην ιστορία δοκιμής.

Για παράδειγμα, ένα τμήμα της δοκιμαστικής ιστορίας περιλάμβανε κάποιον που συζητούσε για μια δουλειά που δεν του άρεσε, λέγοντας: «Είμαι σερβιτόρα σε ένα παγωτατζίδικο. Οπότε, αυτό δεν είναι… Δεν ξέρω πού θέλω να είμαι, αλλά ξέρω ότι δεν είναι αυτό». Ο αποκωδικοποιητής που χρησιμοποιεί τον αλγόριθμο μετατροπέα που εκπαιδεύτηκε σε δεδομένα ταινιών προέβλεψε: «Ήμουν σε μια δουλειά που θεωρούσα βαρετή. Έπρεπε να παίρνω παραγγελίες και δεν μου άρεσαν και έτσι δούλευα πάνω σε αυτές κάθε μέρα».

Δεν πρόκειται για ακριβή ταύτιση – ο αποκωδικοποιητής δεν διαβάζει τους ακριβείς ήχους που άκουσαν οι άνθρωποι, δήλωσε ο Huth – αλλά οι ιδέες σχετίζονται.

«Το πραγματικά εκπληκτικό ήταν ότι μπορούμε να το κάνουμε αυτό ακόμη και χωρίς να χρησιμοποιούμε γλωσσικά δεδομένα», δήλωσε ο Huth στο Livescience. «Έτσι μπορούμε να έχουμε δεδομένα που συλλέγουμε απλώς ενώ κάποιος παρακολουθεί σιωπηλά βίντεο και στη συνέχεια μπορούμε να τα χρησιμοποιήσουμε για να δημιουργήσουμε αυτόν τον αποκωδικοποιητή γλώσσας για τον εγκέφαλό του».

Η χρήση των μετατροπέων που βασίζονται σε βίντεο για τη μεταφορά των υφιστάμενων αποκωδικοποιητών σε άτομα με αφασία μπορεί να τους βοηθήσει να εκφράσουν τις σκέψεις τους, δήλωσαν οι ερευνητές. Αποκαλύπτει επίσης κάποια «επικάλυψη» μεταξύ των τρόπων με τους οποίους οι άνθρωποι αναπαριστούν ιδέες από τη γλώσσα και από οπτικές αφηγήσεις στον εγκέφαλο.

Με άλλα λόγια, η νέα τεχνολογία βοηθά να αποκαλυφθεί πώς ο εγκέφαλος αναπαριστά ορισμένες έννοιες με τον ίδιο τρόπο, ακόμη και όταν αυτές παρουσιάζονται σε διαφορετικές μορφές.