Josephas Makinas iš Kalifornijos universiteto ir jo kolegos naudojo gilaus mokymosi algoritmus
Kiekvienos moters buvo paprašyta garsiai perskaityti rinkinį.pasiūlymų, tuo pačiu metu komanda užfiksavo jų smegenų veiklą. Didžiausioje sakinių grupėje buvo 250 unikalių žodžių. Komanda įtraukė šią smegenų veiklą į neuroninio tinklo algoritmą, išmokydama atpažinti reguliariai vykstančius modelius, kurie gali būti siejami su pasikartojančiais kalbos aspektais - pavyzdžiui, balsių ir priebalsių derinys. Tada šie modeliai buvo perduoti į antrąjį nervų tinklą, kuris bandė juos paversti žodžiais, kad būtų suformuoti sakiniai.
Kiekvieną kartą žmogus sako tą patįteiginys, smegenų veikla bus panaši, bet ne tapati, aiškino tyrėjai. „Prisiminti žmogaus smegenų veiklą skaitant sakinius nepadės, todėl algoritmas turėtų suprasti, kas yra panašus į modelius, ir apibendrinti šiuos duomenis“, - sako Makinas.
Dirbtinis intelektas padės gydytojams numatyti COVID-19 pacientų augimą ir skirti jiems išteklių
Testų metu buvo gauti geriausi PG rezultataisavaime tik 3% klaidų. Tyrėjai įsitikinę, kad algoritmą padėjo tai, kad pacientai perskaitė paprastus sakinius su nedaug unikalių žodžių. Tačiau kai kuriais atvejais AI galėjo analizuoti ir atskirti panašius garsiais žodžiais tik pagal smegenų veiklą (pavyzdžiui, žodžiai Tina ir Turner).
Komanda bandė iššifruoti smegenų duomenissignalizuoja iškart atskirais sakiniais. Tačiau klaidų lygis iškart padidėjo iki 38%. Tyrėjai pažymi, kad nors AI negali greitai susidoroti su šia užduotimi. „Paprastai žmonės žino ir naudoja iki 350 tūkstančių žodžių, tačiau algoritmas negali jų visų iššifruoti. Tobulinti savo galimybes bus nepaprastai sunku “, - sako mokslininkai.