Inženieri no Augstākās nervu aktivitātes izpētes institūta ir spējuši izveidot sistēmu, kas pārvērš domas saprotamā un atpazīstamā runā. Kontrolējot kāda cilvēka smadzeņu darbību, tehnoloģija pārveido domas vārdos.
Šis zinātniskais sasniegums kopā ar AI un runas sintezatoru jaudu paver jaunu laikmetu mijiedarbībā starp datoru un smadzenēm. Protams, tas paver arī jaunas iespējas cilvēkiem, kuri viena vai otra iemesla dēļ ir zaudējuši spēju runāt.
“Mūsu balsis palīdz uzturēt kontaktus ar draugiem, ģimeni un apkārtējo pasauli, tāpēc balss spēka zaudēšana ievainojumu vai slimības dēļ cilvēkiem ir postoša. Tomēr, ņemot vērā šodienas zināšanu krājumu, mums ir potenciāls veids, kā atjaunot šo spēku. Mēs esam parādījuši, ka, izmantojot pareizo tehnoloģiju, cilvēku domas var atšifrēt un saprast ikviens klausītājs,”saka Nima Mesgarani, Ph. D. un viena no pētījuma autorēm Kolumbijas universitātes Mortimer B. Zuckerman Garīgās uzvedības institūtā.
Gadu desmitiem ilgus pētījumus ir parādījis, ka tad, kad cilvēki runā vai pat iedomājas, ka runā vārdos, viņu smadzenēs parādās raksturīgi darbības modeļi. Skaidrs un atpazīstams signāla modelis rodas arī tad, kad klausāmies, kā kāds runā, vai iedomājamies, ka klausāmies. Eksperti šos modeļus ir mēģinājuši atšifrēt gadu desmitiem ilgi, bet tikai tagad viņiem ir atvērta nākotne, kurā domas vairs nevar būt paslēptas smadzenēs, bet tās pēc vēlēšanās var tikt tulkotas runas valodā.
Bet šo varoņdarbu nebija viegli paveikt. Agrīnie mēģinājumi atšifrēt Dr Mesgarani un citu smadzeņu signālus koncentrējās uz vienkāršiem datoru modeļiem, kas analizēja spektrogrammas, kas ir skaņas frekvenču vizuāli attēlojumi.
Bet sakarā ar to, ka šī pieeja neradīja neko tuvu saprotamai runai, Dr Mesgarani komanda tā vietā ķērās pie vokodera - datora algoritma, kas var sintezēt runu pēc apmācības ierakstīt cilvēku sarunas.
"Šī ir tā pati tehnoloģija, kuru Amazon Echo un Apple Siri izmanto, lai mutiski atbildētu uz mūsu jautājumiem," sacīja Dr Mesgarani, kurš ir arī elektrodzinēju asociētais profesors Fu fonda Kolumbijas Inženierzinātņu un lietišķo zinātņu skolā.
Lai iemācītu vokoram interpretēt smadzeņu darbību, Dr Mesgarani sadarbojās ar Ashesh Dinesh Mehta, M. D., Ph. D., neiroķirurgu Nortvelas veselības ārstu partneru neirozinātnes institūtā un šodienas raksta līdzautoru. Dr Mehta ārstē pacientus ar epilepsiju, no kuriem dažiem jāveic regulāras operācijas.
Reklāmas video:
"Sadarbībā ar Dr. Mehta mēs lūdzām epilepsijas pacientiem, kuriem jau bija veikta smadzeņu operācija, uzklausīt dažādu cilvēku ieteikumus, kamēr mēs izmērījām viņu smadzeņu darbības modeļus," saka Dr Mesgarani. "Šie neironu raksti apmācīja vokoru."
Pēc tam pētnieki aicināja tos pašus pacientus klausīties runātājus, kas izrunā skaitļus no 0 līdz 9, vienlaikus ierakstot smadzeņu signālus, kurus pēc tam varētu izlaist caur vokodi. Skaņas, ko vokodors radīja, reaģējot uz šiem signāliem, tika analizētas un pilnveidotas, izmantojot neironu tīklus, piemēram, mākslīgo intelektu, kas imitē neironu struktūru bioloģiskās smadzenēs.
Gala rezultāts bija robotizēta balss, kas atkārtoja skaitļu secību. Lai pārbaudītu ieraksta precizitāti, doktore Mesgarani un viņas komanda uzdeva cilvēkiem klausīties ierakstu un ziņot par dzirdēto.
"Mēs atklājām, ka cilvēki var saprast un atkārtot skaņas apmēram 75% laika, kas ir daudz vairāk nekā jebkuri iepriekšējie mēģinājumi," saka Dr Mesgarani. Saprotamības uzlabojums bija īpaši redzams, salīdzinot jaunos ierakstus ar iepriekšējiem mēģinājumiem, pamatojoties uz spektrogrammu. "Jutīgs vokodors un spēcīgi neironu tīkli pārstāvēja skaņas, kuras pacienti sākotnēji dzirdēja ar pārsteidzošu precizitāti."
Dr Mesgarani un viņas komanda tagad plāno pārbaudīt sarežģītākus vārdus un teikumus. Viņi arī plāno veikt tos pašus testus smadzeņu signāliem, ko izstaro, kad cilvēks runā vai iedomājas runu. Galu galā viņi cer, ka viņu sistēma var būt daļa no implanta, līdzīga tai, ko nēsā daži epilepsijas pacienti, un kas valkātāja domas tulko tieši vārdos.
"Šajā gadījumā, ja mikroshēmas īpašnieks domā:" Man vajag glāzi ūdens ", mūsu sistēma var uzņemt smadzeņu signālus, ko rada šī doma, un pārvērst tos sintezētā verbālā runā," saka Dr Mesgarani. "Tas ir spēles mainītājs, un ikvienam, kurš savainojuma vai slimības dēļ ir zaudējis spēju runāt, tehnoloģija dod jaunu iespēju sazināties ar apkārtējo pasauli."
Redakcijas komentārs
Tā kā dažiem mūsu darbiniekiem ir zināmas saistības ar neirofizioloģiju, mēs varam absolūti nepārprotami apgalvot, ka domu lasīšanas un šo domu tulkošanas vārdos problēmas risināšana nav problēma, kuru kāds filozofijas doktors var atrisināt kopā ar inteliģento neiroķirurgu. Tas ir pētniecības institūta uzdevums, kurš to atrisinās simts, divsimt vai vairāk gadus. Turklāt tas nemaz nav fakts, ka pētniecības institūts atrisinās šo problēmu - pat ja tur tiks nogādāti visi NASA superdatori, uz kuriem inženieru pūlis sāks simulēt neironu tīklus. Tomēr raksts zinātniskā žurnālā nemelos, un domu atpazīšanas fakts noteikti pastāv. Kā tad šos divus faktus var apvienot?
Ļoti vienkārši. Pēdējo 20-30 gadu laikā pasaulē ir parādījies milzīgs skaits pilnīgi neticamu un ļoti sarežģītu tehnoloģiju, piemēram, mikroprocesori un cietie diski. Un katru dienu ir arvien vairāk jaunu izgudrojumu, kas tiek pierakstīti dažiem "talantīgiem studentiem", kuri, sēžot garāžā, ir savākuši kādu metāllūžņu gabalu, pār kuru pētniecības institūti cīnās 50 gadus. Un šajā gadījumā mums ir līdzīgas ģenēzes izgudrojums. Tas ir, attīstība, kas daudzus gadus tiek veikta (vai nodota cilvēkiem), nav skaidrs, kurš, bet kas tika ierakstīts pie tantes un tēvoča no Kolumbijas.
Faktiski nav absolūti nekādas atšķirības, kuru Wikipedia pierakstīs kā tehnoloģiju “izgudrotājus”. Galvenais ir tas, ka tehnoloģija tika prezentēta pasaulei, izmantojot zinātnisku žurnālu. Turklāt kāds Ķīnas uzņēmums sāks ražot šādus "sīkrīkus", kas cilvēkus pieradinās pie pašas idejas, ka viņu galva tagad ir kļuvusi pilnīgi caurspīdīga. Visbeidzot, trešais posms būs tas pats Orvela “1984”, kad pat jebkura cilvēka domas var brīvi lasīt no attāluma. Piemēram, ievietojot dzīvokļos īpašus sensorus vai integrējot ķermenī īpašu mikroshēmu, kas reaģē uz smadzeņu impulsiem. Turklāt.
Katrai tehnoloģijai parasti ir pretējs pielietojums. Piemēram, ja ir tehnoloģija nervu impulsu pārvēršanai vārdos, tad, izmantojot to pašu principu, jūs varat pārvērst jebkuru vārdu kāda domās. Šajā situācijā dažādu valstu prezidentiem ir grandiozas izredzes, ka viņus atbalsta absolūti viss vēlētājs, jo tagad ir tehniska iespēja likt ikvienam vēlētājam pat domāt kā viņam - pietiek ar pareizi modulēta signāla ievietošanu kontaktligzdā.
Kopumā pats par sevi saprotams, ka paveras brīnišķīgākās pasaules izredzes, un mēs ar interesi vērojam notikumu attīstību.