人工智能現在有可能將“非侵入性”思想轉化為文本。根據最新報告，研究人員正在引領實現這一里程碑的進程。
人工智能 (AI) 越來越多地被用於將大腦活動轉化為連續的文本流。這有可能徹底改變患有嚴重神經系統疾病的人的交流領域。人工智能在解釋大腦活動方面具有巨大潛力，特別是在神經成像技術的背景下。
抓住人工智能新機遇
在最新的發展中，基於 AI 的語義解碼器展示了將大腦活動轉化為一系列連續文本的創新方法。這一突破將首次實現或將“非侵入性”思想轉化為文本。這可以顯著幫助那些因中風或運動神經元疾病而難以溝通的人。
解釋大腦活動需要復雜的數據分析技術，以從復雜和嘈雜的數據中提取有意義的信息。人工智能算法可以幫助自動化和簡化這一過程。這使研究人員能夠對大腦功能做出更準確、更可靠的推斷。
在這種情況下，解碼器可以在受訪者聆聽或想像故事時準確地重建語音。事實上，與過去包含手術植入物的語音解碼系統相比，這是創新的巨大飛躍。
知名科學家支持最新的發展，因為它克服了主要障礙。領導這項研究的是德克薩斯大學的神經科學家 Alexander Huth 博士，他補充說：
“對於一種非侵入性方法，這與以前通常是單個單詞或短句的方法相比是一個真正的飛躍。”
人工智能克服挫折
功能磁共振成像 (fMRI) 測量流向大腦不同區域的血流變化，可用於推斷神經活動。然而，與大腦中神經元的實際放電相比，這個過程相對緩慢。 fMRI 的時間分辨率通常為秒級，這意味著它無法捕獲大腦活動的快速變化。根據《衛報》的文章，這使得分析“對自然語言做出反應的大腦活動變得困難，因為它提供了在幾秒鐘內傳播開來的‘信息混亂’”。
OpenAI 的 ChatGPT 等大型語言模型的出現代表了人工智能的重大發展。這些模型在大量文本數據上進行訓練，使它們能夠對范圍廣泛的輸入生成類似人類的響應。在這種情況下，它允許研究人員檢查語音的語義。也就是說，了解與一串單詞相對應的神經元活動模式。
在取得突破之後，感興趣的小組旨在提高該技術在其他更便攜的腦成像系統中的實用性，例如功能性近紅外光譜 (fNIRS)。
但同樣，隨著最新創新的興起，可能會出現安全問題。