Uuden tutkimuksen avulla on mahdollista "vetää" kokonaisia lauseita ihmisen päästä
28. kesäkuuta Aikaisemmin ajatuslukujärjestelmät pystyivät vain arvaamaan yksinumeroisen numeron, jota ihminen ajatteli, ja syvemmät ja monimutkaisemmat ajatukset olivat tekniikan mahdollisuuksien ulkopuolella. Nyt tutkijaryhmä Carnegie Mellon Universitystä (CMU) on kehittänyt tavan, jonka avulla voit lukea monimutkaisempia käsitteitä aivoskannausten avulla ja jopa yhdistää kokonaisia lauseita.
Jopa yksinkertaisin lause on hyvin monimutkainen: kukin sana on erillinen käsite, ja niiden sijoittaminen tiettyyn järjestykseen voi muuttaa sekä yksittäisten sanojen että koko lauseen merkityksen. Tutkijat ovat havainneet, että "rakennuspalikat", joita mieli käyttää ajatusten rakentamiseen, koostuvat käsitteistä, jotka eivät perustu itse sanoihin. Tämä tarkoittaa, että aivoprosessit toimivat universaalisella tavalla riippumatta henkilön kielestä ja kulttuurista.
Tutkimuksessa selvitettiin, kuinka aivot koodaavat monimutkaisia ajatuksia ja kuinka fMRI-skanneri voi pienellä koneoppimisalgoritmien avulla purkaa ne. Tutkijat keräsivät 240 "vaikeaa rangaistusta", kuten "Todistaja huusi oikeudenkäynnin aikana". Kaikki nämä ehdotukset koostuivat useista rakennuspalikoista. Yhteensä tutkimuksessa käytettiin 42 rakennuspalikkaa, jotka viittasivat sellaisiin käsitteisiin kuin henkilö, asettelu, koko, sosiaalinen vuorovaikutus ja fyysinen toiminta.
Jokainen näistä erityyppisistä tiedoista käsitellään aivojen eri osissa, joten järjestelmä voi valita yleisen luokan siitä, mikä on mielen mielenkiintoista. Taitojensa testaamiseksi tutkijat pyysivät seitsemää osallistujaa lukemaan lauseita kirjaamalla aivojen aktivointimalleja. Harjoitettuaan algoritmin 239 lauseella ja vertaamalla tuloksia hän pystyi koottamaan viimeisen lauseen yksinomaan aivotietojen perusteella.
Ryhmä suoritti tämän testin 240 kertaa jättäen systemaattisesti jokaisen lauseen vuorostaan ja havaitsi, että algoritmi kykeni ennustamaan puuttuvan lauseen aivojen aktivointikuviosta 87 prosentin tarkkuudella.
Mikhail Romkin