Исследователи из Сиднейского технологического университета (UTS) представили революционную технологию — портативную, неинтрузивную систему, способную расшифровывать мысли человека и переводить их в читаемый текст. В отличие от традиционных методов, включающих инвазивные операции или дорогостоящие МРТ-сканирования, в этом нововведении используется электроэнцефалографическая (ЭЭГ) гарнитура или насадка для считывания мозговых волн, генерируемых во время различных видов деятельности.
Во время демонстрации участники носили шапку ЭЭГ, и система переводила их мозговую активность в слова. Ключевой прорыв заключается в разработке модели искусственного интеллекта (ИИ) под названием DeWave, которая сегментирует волны ЭЭГ на отдельные единицы с уникальными характеристиками и шаблонами. Эта сегментация имеет решающее значение для перевода сложных данных мозговых волн в понятные формы.
DeWave действует как переводчик сигналов ЭЭГ, преобразуя сложные паттерны и информацию в слова и предложения. Обучая модель ИИ на обширных наборах данных ЭЭГ, она может распознавать определенные закономерности в сигналах мозговых волн и связывать их со значимыми лингвистическими представлениями. Это позволяет выражать и передавать информацию в сигналах ЭЭГ в более доступном и удобочитаемом формате.
Профессор К.Т. Лин, директор Центра HAI GrapheneX-UTS, подчеркнул новаторский характер этого исследования, отметив его значительный прорыв в переводе необработанных волн ЭЭГ непосредственно на язык без необходимости инвазивных процедур.
Несмотря на многообещающие результаты, в настоящее время система демонстрирует качество перевода на уровне 40 процентов. Исследователи провели эксперименты с 29 участниками, что показало более надежный и адаптируемый результат по сравнению с предыдущими технологиями декодирования, протестированными в меньшем масштабе. Однако были высказаны опасения по поводу тенденции модели отдавать предпочтение синонимическим парам перед точными переводами, особенно с существительными, обозначающими людей, места или вещи.
Ицюнь Дуань, первый автор исследования, объяснил, что склонность модели к синонимичным терминам может быть связана с тем, что мозг обрабатывает семантически схожие слова со схожими шаблонами. Несмотря на эти проблемы, модель дает значимые результаты, выравнивая ключевые слова и формируя схожие структуры предложений.
Исследователи стремятся повысить эффективность системы, стремясь достичь 90-процентного уровня перевода. Исследование, опубликованное на arXiv, ожидает экспертной оценки и знаменует собой впечатляющий прогресс в области нейробиологии и искусственного интеллекта, потенциально открывающий новые горизонты в понимании и расшифровке сложностей человеческого мозга.