Joseph Makin z Uniwersytetu Kalifornijskiego i jego współpracownicy wykorzystali do tego algorytmy głębokiego uczenia się
Każda kobieta została poproszona o przeczytanie zestawu na głos.W tym samym czasie zespół zarejestrował aktywność swojego mózgu. Największa grupa zdań zawierała 250 unikalnych słów. Zespół zasilił tę aktywność mózgu algorytmem sieci neuronowej, ucząc go rozpoznawania regularnie występujących wzorców, które mogą być związane z powtarzającymi się aspektami mowy - na przykład kombinacją samogłosek i spółgłosek. Następnie wzorce te wprowadzono do drugiej sieci neuronowej, która próbowała przekształcić je w słowa w celu utworzenia zdań.
Za każdym razem, gdy ktoś mówi to samosugestia, aktywność mózgu będzie podobna, ale nie identyczna, wyjaśnili naukowcy. „Zapamiętywanie aktywności mózgu osoby podczas czytania zdań nie pomoże, więc algorytm powinien zamiast tego zrozumieć, co jest podobne we wzorcach i podsumować te dane”, mówi Makin.
Sztuczna inteligencja pomoże lekarzom przewidywać wzrost liczby pacjentów z Covid-19 i przydzielać im zasoby
Podczas testów zawarte były najlepsze wyniki AIsam w sobie tylko 3% błędów. Naukowcy są pewni, że algorytmowi pomógł fakt, że pacjenci czytają proste zdania z niewielką liczbą unikalnych słów. Ale w niektórych przypadkach AI była w stanie przeanalizować i rozróżnić podobne słowa dźwiękowe tylko na podstawie aktywności mózgu (na przykład słów Tina i Turner).
Zespół próbował zdekodować dane mózgusygnalizuje natychmiast w osobnych zdaniach. Ale poziom błędu natychmiast wzrósł do 38%. Naukowcy zauważają, że chociaż AI nie może szybko poradzić sobie z tym zadaniem. „Zwykle ludzie znają i używają do 350 tysięcy słów, ale algorytm nie może ich wszystkich odszyfrować. Rozwijanie jego możliwości będzie niezwykle trudne ”- twierdzą naukowcy.