Joseph Makin z Kalifornské univerzity a jeho kolegové k tomu použili algoritmy hlubokého učení
Každá žena byla vyzvána, aby si nahlas přečetla nahlas.návrhy zároveň tým zaznamenal aktivitu mozku. Největší skupina vět obsahovala 250 jedinečných slov. Tým vložil tuto mozkovou aktivitu do algoritmu neuronové sítě a naučil ji identifikovat pravidelně se vyskytující vzorce, které mohou být spojeny s opakujícími se aspekty řeči - například kombinací samohlásek a souhlásek. Poté byly tyto vzory přiváděny do druhé neuronové sítě, která se je snažila proměnit ve slova, aby vytvořila věty.
Pokaždé, když člověk řekne totéžnávrh, mozková aktivita bude podobná, ale ne totožná, vysvětlili vědci. "Pamatování mozkové aktivity člověka při čtení vět nepomůže, takže algoritmus by měl místo toho pochopit, co je podobné ve vzorcích, a shrnout tato data," říká Makin.
Umělá inteligence pomůže lékařům předvídat růst pacientů s COVID-19 a přidělovat jim zdroje
Během testů obsahovaly nejlepší výsledky AIpouze 3% chyb samo o sobě Výzkumníci si jsou jisti, že algoritmu pomohla skutečnost, že pacienti četli jednoduché věty s malým počtem jedinečných slov. Ale v některých případech byla umělá inteligence schopna analyzovat a rozlišovat podobné zvukové slova pouze v mozkové činnosti (například slova Tina a Turner).
Tým se pokusil dekódovat mozková datasignály okamžitě v samostatných větách. Míra chyb však okamžitě vzrostla na 38%. Vědci na vědomí, že zatímco AI nemůže rychle zvládnout tento úkol. "Lidé obvykle znají a používají až 350 tisíc slov, ale algoritmus je nemůže všechny dešifrovat." Rozvoj jejích schopností bude neuvěřitelně obtížný, “říkají vědci.