Στη μελέτη τους, οι επιστήμονες σημειώνουν ότι υπάρχει τώρα ένας μεγάλος αριθμός παρόμοιων συσκευών,
Μηχανικός Μηχανικής Μάθησης Dr. JosephΟ Mackin του Πανεπιστημίου της Καλιφόρνιας (UCSF) και οι συνεργάτες του προσπάθησαν να βελτιώσουν την ακρίβεια αυτών των μηχανών χρησιμοποιώντας τεχνητή νοημοσύνη. Εκπαιδεύτηκαν αλγόριθμοι για τη μετατροπή των μοτίβων εγκεφάλου σε προτάσεις σε πραγματικό χρόνο με ρυθμό σφάλματος λέξεων μόνο 3%.
Στο πλαίσιο των δοκιμών συσκευών, τέσσερις εθελοντέςνα διαβάσει τις φράσεις δυνατά, ενώ τα ηλεκτρόδια κατέγραψαν την εγκεφαλική τους δραστηριότητα. Μετά από αυτό, τα δεδομένα εισήλθαν στο υπολογιστικό σύστημα, το οποίο δημιούργησε γραφήματα των τακτικών σημάτων σε αυτές τις πληροφορίες.
Αυτά τα επαναλαμβανόμενα μοτίβα σχετίζονται μεεπαναλαμβανόμενα χαρακτηριστικά του λόγου, όπως φωνήεντα, συφωνία ή εντολές σε διάφορα έρη του στόατος, σηειώνουν οι επιστήιοι. Ένα άλλο μέρος του συστήματος αποκρυπτογραφήθηκε αυτά τα δεδομένα πίσω σε προτάσεις.
Μέχρι στιγμής, η τεχνητή νοημοσύνη μπορεί να αποκρυπτογραφήσειμόνο ομιλία με μήκος που δεν υπερβαίνει τις 30-50 προτάσεις με μικρό αριθμό σφαλμάτων. Ωστόσο, η διασύνδεση της συσκευής σας επιτρέπει ήδη να αποκωδικοποιήσετε μεμονωμένες λέξεις και όχι μόνο προτάσεις - αυτό σημαίνει ότι στο μέλλον η συσκευή μπορεί να διδαχθεί να αναγνωρίζει λέξεις που δεν έχουν βρεθεί ποτέ στα εκπαιδευτικά συστήματα.
Νωρίτερα, η HiTech περιγράφει λεπτομερώς πώς λειτουργεί ο ανθρώπινος εγκέφαλος και γιατί η τεχνητή νοημοσύνη μπορεί να βοηθήσει στη μελέτη αυτού του οργάνου.