Будьте осторожны, эта машина читает то, что мы думаем

При этом, как говорится в журнале «Неврология природы », команда записала ответы мозга — записанные с помощью фМРТ — трех участников, когда они слушали 16 часов историй. Авторы использовали эти данные для обучения модели, которая затем смогла декодировать другие данные МРТ того же человека, слушающего новые истории.

Предыдущие декодеры речи применялись к нейронной активности, записанной после инвазивной нейрохирургии, что ограничивало их использование.

Команда Техасский университет под руководством Александра Хута разработала декодер, который реконструирует непрерывный язык из структур мозга, полученных из данных фМРТ.

Авторы записали данные фМРТ от 3 участников, когда они слушали 16 часов повествовательных историй, чтобы научить модель отображать активность мозга и семантические особенности, которые фиксируют значения определенных фраз и связанных с ними ответов мозга.

Затем эта модель декодирования была протестирована на реакциях мозга участников во время прослушивания новых историй, которые не использовались в исходном наборе обучающих данных. Используя эту мозговую активность, декодер он мог генерировать последовательности слов, отражающие смысл новых историй, а также генерировать некоторые точные слова и фразы из историй. Авторы обнаружили, что декодер может вывести непрерывный язык от деятельности в большинстве регионов и сети в мозгу, которые обрабатывают язык.

декодер

Авторы также обнаружили, что декодер, обученный восприятию речи, был способен предсказывать смысл воображаемой истории участника или содержание просмотренного немого фильма по данным фМРТ.

Когда участник активно слушал историю, игнорируя другую историю, воспроизводимую одновременно, декодер мог определить значение истории, которую активно слушали.

Это исследование объясняет Научный медиацентр Давид Родригес-Ариас Вайлензаместитель директора ФилоЛаб и профессор биоэтики в Университете Гранады, «демонстрирует способность расшифровывать мысли людей, которые, не произнося ни слова, могут общаться до такой степени, что определяют, рассказывают ли они сказку о Красной Шапочке или о трех Маленькие свинки».

Хут и его коллеги провели анализ конфиденциальности декодера и обнаружили, что при обучении на данных фМРТ одного участника он плохо предсказывал семантическое содержание данных другого участника.

В этом смысле, отмечает Родригес-Ариас Вайлье, «как это обычно бывает со всеми технологическими достижениями, это также является предупреждением об ответственности. То, что машина может в конечном итоге читать ваши мысли, после обучения, возможно, что невольно и без вашего согласия (например, пока вы спите) она может продолжать переводить фрагменты вашей мысли. До сих пор наш разум был хранителем нашей частной жизни. Мы можем ревниво охранять определенные мысли, самые постыдные, если захотим.. Это открытие может стать первым шагом к тому, чтобы эта свобода была скомпрометирована в будущем».

Авторы приходят к выводу, что сотрудничество участников имеет решающее значение для обучения и применения этих неинвазивных декодеров. Они отмечают, что в зависимости от будущего развития этих технологий могут потребоваться политики для защиты личной конфиденциальности.