Den første maskinen som oversatte hjernebølger til setninger ble bygget.

I sin studie bemerker forskerne at det nå er et stort antall lignende enheter,

de fleste av dem er imidlertid ineffektive - de kan bare dekode fragmenter av talte ord, og nøyaktigheten deres er bare noen få prosent.

Machine Learning Specialist Dr. JosephMackin fra University of California (UCSF) og kollegene prøvde å forbedre nøyaktigheten til slike maskiner ved bruk av kunstig intelligens. De trente algoritmer for å konvertere hjernemønstre til setninger i sanntid med en ordfeilrate på bare 3%.

Som en del av enhetstestene, fire frivilligelese setninger høyt, mens elektroder registrerte hjerneaktiviteten deres. Etter det kom dataene inn i datasystemet, som skapte grafer av signaler som regelmessig forekommer i denne informasjonen.

Disse repeterende mønstrene er assosiert medrepeterende kjennetegn ved tale, for eksempel vokaler, konsonanter eller kommandoer til forskjellige deler av munnen, bemerker forskere. En annen del av systemet dekrypterte disse dataene til setninger.

Så langt kan kunstig intelligens dekrypterebare tale med en lengde på ikke mer enn 30-50 setninger med et lavt antall feil. Imidlertid lar enhetens grensesnitt deg allerede avkode individuelle ord, ikke bare setninger - dette betyr at enheten i fremtiden kan læres å gjenkjenne ord som aldri har blitt funnet i utdanningssystemer.

Tidligere beskrev HiTech detaljert hvordan den menneskelige hjernen fungerer og hvorfor kunstig intelligens kan hjelpe i studiet av dette organet.