Den første maskine til at oversætte hjernebølger til sætninger blev bygget.

I deres undersøgelse bemærker forskerne, at der nu er et stort antal lignende enheder,

dog er de fleste af dem ineffektive - de kan kun afkode fragmenter af talte ord, og deres nøjagtighed er kun et par procent.

Machine Learning Specialist Dr. JosephMackin fra University of California (UCSF) og hans kolleger forsøgte at forbedre nøjagtigheden af ​​sådanne maskiner ved hjælp af kunstig intelligens. De uddannede algoritmer til at konvertere hjernemønstre til sætninger i realtid med en ordfejlfrekvens på kun 3%.

Som en del af enhedstestene fire frivilligelæse sætninger højt, mens elektroder registrerede deres hjerneaktivitet. Derefter gik dataene ind i computersystemet, som skabte grafer over regelmæssigt forekommende signaler i denne information.

Disse gentagne mønstre er forbundet medgentagne karakteristika ved tale, såsom vokaler, konsonanter eller kommandoer til forskellige dele af munden, bemærker forskerne. En anden del af systemet dekrypterede disse data tilbage til sætninger.

Indtil videre kan kunstig intelligens dekryptereskun tale med en længde på højst 30-50 sætninger med et lavt antal fejl. Enhedens grænseflade giver dig imidlertid allerede mulighed for at afkode individuelle ord og ikke kun sætninger - dette betyder, at enheden i fremtiden kan læres at genkende ord, der aldrig er fundet i uddannelsessystemer.

Tidligere beskrev HiTech detaljeret, hvordan den menneskelige hjerne fungerer, og hvorfor kunstig intelligens kan hjælpe i studiet af dette organ.