Επιστήμονες από το Πανεπιστήμιο της Καλιφόρνιας στο Σαν Φρανσίσκο (USCF), ανέπτυξαν ένα σύστημα τεχνητής νοημοσύνης που μπορεί να αποκωδικοποιήσει προτάσεις από νευρικά σήματα που μεταδίδονται από τον ανθρώπινο εγκέφαλο, σε πραγματικό χρόνο, με ακρίβεια κατά 97%. Αυτό το επίτευγμα δίνει μεγάλη ελπίδα σε άτομα με ειδικές ανάγκες και ιδίως σε αυτά που δεν μπορούν να εκφραστούν.
Στις δοκιμές συμμετείχαν τέσσερις Αμερικανοί εθελοντές, εξοπλισμένοι με ηλεκτρόδια στο πλαίσιο έρευνας επιληπτικών ασθενών. Στην πρώτη φάση, η ομάδα των Joseph Makin, David Moses και Edward Chang, εκπαίδευσε έναν αλγόριθμο, ενώ οι ασθενείς, επανέλαβαν πολλές φορές, δυνατά, μια σειρά από 30 έως 50 προτάσεις, που περιείχαν έως και 250 διαφορετικές λέξεις, για περίπου 40 λεπτά. Έτσι, το σύστημα έμαθε να συσχετίζει τη δραστηριότητα του φλοιού των ασθενών με πιθανές προτάσεις.
Στη συνέχεια, οι εθελοντές επέλεξαν τυχαία προτάσεις που το σύστημα έπρεπε να μεταφράσει αμέσως, ανάλογα με τη δραστηριότητα του εγκεφάλου. «Ο στόχος αυτού του έργου είναι να αποκωδικοποιήσει την ομιλία από νευρικά σήματα», εξηγεί ο Joseph Makin, και συνεχίζει «καταφέραμε να φτάσουμε σε ποσοστό σφάλματος μόλις 3% σε ένα σύνολο πενήντα προτάσεων». Το ρεκόρ αυτό έχει επιτευχθεί για την ώρα, μόνο όταν η πρόταση αρθρώνεται και εκφράζεται δυνατά.
Η μελέτη, που χρηματοδοτείται από το Facebook, δημοσιεύθηκε στο περιοδικό «Nature Neuroscience».Το Facebook χρηματοδοτεί έργα «νευροπρόθεσης» για την αποκωδικοποίηση των νευρικών σημάτων του εγκεφάλου, ο Elon Musk επενδύει 150 εκατομμύρια δολάρια για να αναπτύξει τη συσκευή Neuralink, η οποία επρόκειτο να αποτελέσει αντικείμενο κλινικής δοκιμής πριν από το τέλος του 2020. Τέλος, η Ευρωπαϊκή Επιτροπή χρηματοδοτεί το το έργο BrainCom με το ποσό των 8,3 εκατομμυρίων ευρώ, που στοχεύει στην αποκρυπτογράφηση των νευρικών κυκλωμάτων ομιλίας.
ΠΗΓΗ: Sciencesetavenir
Κάνε like στη σελίδα μας στο Facebook
Ακολούθησε μας στο Twitter
Κάνε εγγραφή στο κανάλι μας στο Youtube
Γίνε μέλος στο κανάλι μας στο Viber
– Αναφέρεται ως πηγή το ertnews.gr στο σημείο όπου γίνεται η αναφορά.
– Στο τέλος του άρθρου ως Πηγή
– Σε ένα από τα δύο σημεία να υπάρχει ενεργός σύνδεσμος