متا مدل‌های هوش مصنوعی جدیدی را معرفی کرده که می‌توانند فعالیت مغزی را به متن تبدیل کنند، آن هم با دقتی که تاکنون دیده نشده است.
متا، با همکاری محققان بین‌المللی، گام‌های بزرگی در درک هوش انسانی برداشته و دو مطالعه پیشگامانه را انجام داده است. این مطالعات منجر به توسعه مدل‌های هوش مصنوعی شده‌اند که قادرند سیگنال‌های مغزی را رمزگشایی کرده و جملات تایپ‌شده را بازسازی کنند. همچنین، این تحقیقات نشان داده‌اند که فرآیندهای عصبی دقیق چگونه افکار را به کلمات گفتاری یا نوشتاری تبدیل می‌کنند.
مطالعه اول: خواندن فعالیت مغزی و تبدیل آن به متن
این مطالعه توسط آزمایشگاه تحقیقاتی هوش مصنوعی بنیادین متا (FAIR) در پاریس، با همکاری مرکز باسک مخصوص علوم شناختی، مغز و زبان در سن سباستین، اسپانیا انجام شده است. این پژوهش نشان می‌دهد که می‌توان تولید جملات را از طریق ضبط غیرتهاجمی(ثبت سیگنال‌های مغزی بدون نیاز به جراحی یا کاشت دستگاه در مغز) فعالیت مغزی رمزگشایی کرد.
محققان از روش‌های مغناطیس‌انسفالوگرافی (MEG) و الکتروانسفالوگرافی (EEG) برای ثبت فعالیت مغزی ۳۵ داوطلب سالم هنگام تایپ جملات استفاده کردند. این سیستم طراحی‌شده هوش مصنوعی دارای سه بخش است:
- رمزگذار تصویر: که یک مجموعه غنی از نمایش‌های تصویری را به طور مستقل از مغز ایجاد می‌کند.
- رمزگذار مغز: که سیگنال‌های MEG را با داده‌های تصویری همگام‌سازی می‌کند.
- رمزگشای تصویر: که بر اساس این داده‌های مغزی، تصویری معتبر از افکار فرد تولید می‌کند.
نتایج چشمگیر
این مدل هوش مصنوعی قادر است تا ۸۰٪ از کاراکترهای تایپ‌شده توسط شرکت‌کنندگان را از طریق داده‌های MEG بازسازی کند. این دقت حداقل دو برابر بیشتر از روش‌های سنتی EEG است. چنین پیشرفتی می‌تواند منجر به توسعه رابط‌های مغز-کامپیوتر غیرتهاجمی شود که به افراد ناتوان در تکلم کمک کند تا دوباره ارتباط برقرار کنند.
مطالعه دوم: درک فرآیند تبدیل فکر به زبان
مطالعه دوم بر روی چگونگی تبدیل افکار به زبان توسط مغز متمرکز است. با استفاده از هوش مصنوعی برای تحلیل سیگنال‌های MEG در هنگام تایپ، محققان توانسته‌اند لحظات دقیق تبدیل افکار به کلمات، هجاها و حروف را شناسایی کنند.
یافته‌های تحقیق نشان می‌دهد که مغز ابتدا افکار را به صورت نمایش‌های انتزاعی سطح بالا پردازش کرده و سپس به تدریج آن‌ها را به دستورات خاصی مثل حرکت انگشتان روی کیبورد تبدیل می‌کند. همچنین، مغز از کد عصبی پویا استفاده می‌کند تا این بازنمایی‌ها را به هم متصل کرده و آن‌ها را در طول زمان حفظ کند.( کد عصبی پویا یعنی مغز اطلاعات را به صورت یک زنجیره متوالی از بازنمایی‌ها پردازش می‌کند، اما هر مرحله را برای مدت طولانی حفظ می‌کند تا پردازش بعدی دچار اختلال نشود)
چالش‌ها و مسیر آینده
با وجود نتایج امیدبخش، چالش‌های فنی زیادی باقی مانده است. از جمله:
- دقت رمزگشایی هنوز بهبود نیاز دارد.
- فناوری MEG مستلزم اتاق‌های محافظت‌شده مغناطیسی است که هزینه‌بر و پیچیده هستند.
- اسکنر MEG حجیم، گران و بسیار حساس به میدان مغناطیسی زمین است.
متا قصد دارد با بهبود دقت و ارتقا قابلیت اطمینان فرآیند رمزگشایی، بررسی روش‌های تصویربرداری مغزی غیرتهاجمی جایگزین و توسعه مدل‌های پیشرفته‌تر هوش مصنوعی این محدودیت‌ها را برطرف کند.
همچنین، این شرکت قصد دارد دامنه تحقیقات خود را گسترش داده و کاربردهای بالقوه این فناوری را در حوزه‌های سلامت، آموزش و تعامل انسان و کامپیوتر بررسی کند.
اگرچه تحقیقات بیشتری لازم است تا این فناوری بتواند به افراد دارای آسیب مغزی کمک کند، اما این پیشرفت‌ها ما را به هوش مصنوعی‌ای که می‌تواند مانند انسان یاد بگیرد و استدلال کند، یک قدم نزدیک‌تر کرده است.
منبع: techspot
