Joseph Makin från University of California och hans kollegor använde djupinlärningsalgoritmer för att
Varje kvinna ombads läsa uppsättningen högt.förslag, samtidigt registrerade laget aktiviteten i deras hjärna. Den största gruppen meningar innehöll 250 unika ord. Teamet matade denna hjärnaktivitet i den neurala nätverksalgoritmen och lärde den att identifiera regelbundet förekommande mönster som kan vara förknippade med repetitiva aspekter av tal - till exempel en kombination av vokaler och konsonanter. Sedan matades dessa mönster in i det andra neurala nätverket, som försökte förvandla dem till ord för att bilda meningar.
Varje gång en person säger samma sakförslag, hjärnaktivitet kommer att vara liknande, men inte identiska, förklarade forskarna. "Att memorera en persons hjärnaktivitet när du läser meningar hjälper inte, så algoritmen bör istället förstå vad som liknar i mönstren och sammanfatta dessa data," säger Makin.
AI kommer att hjälpa läkare att förutsäga tillväxten av covid-19-patienter och allokera resurser till dem
Under testerna innehöll de bästa AI-resultateni sig bara 3% av felen. Forskare är säkra på att algoritmen hjälptes av att patienter läste enkla meningar med ett litet antal unika ord. Men i vissa fall kunde AI tolkas och skilja liknande i ljudord endast genom hjärnaktivitet (till exempel orden Tina och Turner).
Teamet försökte avkoda hjärninformationsignalerar omedelbart i separata meningar. Men felfrekvensen steg omedelbart till 38%. Forskare noterar att även om AI inte snabbt klarar av denna uppgift. ”Vanligtvis känner och använder människor upp till 350 tusen ord, men algoritmen kan inte dekryptera dem alla. Att utveckla dess kapacitet blir oerhört svårt, säger forskare.