Joseph Makin von der University of California und seine Kollegen nutzten dazu Deep-Learning-Algorithmen
Jede Frau wurde gebeten, das Set laut vorzulesen.Gleichzeitig zeichnete das Team die Aktivität seines Gehirns auf. Die größte Gruppe von Sätzen enthielt 250 eindeutige Wörter. Das Team speiste diese Gehirnaktivität in den Algorithmus des neuronalen Netzwerks ein und brachte ihm bei, regelmäßig auftretende Muster zu identifizieren, die mit sich wiederholenden Aspekten der Sprache verbunden sein können - beispielsweise eine Kombination aus Vokalen und Konsonanten. Dann wurden diese Muster in das zweite neuronale Netzwerk eingespeist, das versuchte, sie in Wörter umzuwandeln, um Sätze zu bilden.
Jedes Mal, wenn eine Person dasselbe sagtVorschlag, Gehirnaktivität wird ähnlich, aber nicht identisch sein, erklärten die Forscher. "Das Erinnern an die Gehirnaktivität einer Person beim Lesen von Sätzen hilft nicht, daher sollte der Algorithmus stattdessen verstehen, was in den Mustern ähnlich ist, und diese Daten zusammenfassen", sagt Makin.
KI wird Ärzten dabei helfen, das Wachstum von COVID-19-Patienten vorherzusagen und ihnen Ressourcen zuzuweisen
Während der Tests enthielten die besten AI-Ergebnissean sich nur 3% der Fehler. Die Forscher sind sich sicher, dass der Algorithmus durch die Tatsache unterstützt wurde, dass Patienten einfache Sätze mit einer kleinen Anzahl eindeutiger Wörter vorlesen. In einigen Fällen war die KI jedoch in der Lage, ähnliche gesunde Wörter nur durch Gehirnaktivität zu analysieren und zu unterscheiden (zum Beispiel die Wörter Tina und Turner).
Das Team versuchte, Gehirndaten zu entschlüsselnSignale sofort in getrennten Sätzen. Die Fehlerquote stieg jedoch sofort auf 38%. Die Forscher stellen fest, dass die KI diese Aufgabe zwar nicht schnell bewältigen kann. „Normalerweise kennen und verwenden die Leute bis zu 350.000 Wörter, aber der Algorithmus kann sie nicht alle entschlüsseln. Die Entwicklung seiner Fähigkeiten wird unglaublich schwierig sein “, sagen Wissenschaftler.