Искусственный интеллект научился читать мысли

Теперь не надо ничего говорить, нейросеть сама обо всем догадается. Только сначала ее нужно обучить, для чего человека поместят примерно на 15 часов в магнитно-резонансный томограф.

«Я еще не получил водительские права» – слышит от экспериментатора подопытный. На экране тут же появляется расшифровка прямо из его мозга: «Она еще не начала учиться водить». Довольно близко к оригиналу. Так работает семантический декодер – система, которую сконструировали в Центре биомедицинской визуализации Техасского университета в Остине.

Чтобы расшифровывать мысли человека и преобразовывать их в непрерывный поток текста, ученые использовали снимки самого обычного томографа и крупномасштабную языковую модель по типу знаменитых Bard от Google или ChatGPT от OpenAI.

Не нужно имплантировать электроды в мозг. А подопытный не ограничен каким-то небольшим набором слов из заранее составленного списка. Активность мозга измеряется с помощью сканера функциональной магнито-резонансной томографии (фМРТ). Чтобы натренировать декодер, участник эксперимента часами слушает подкасты и аудиокниги внутри аппарата.

«Человек должен лежать около 15 часов в МРТ-сканере совершенно неподвижно и внимательно слушать истории, прежде чем система начнет читать его мысли», – рассказывает один из ведущих исследователей Александр Хат.

• Читайте также:
• Израильские ученые создали искусственный интеллект для перевода древнего клинописного текста
• Нейрофизиологи создали эффективную машину для чтения мыслей
• Meta представила технологию для чтения мыслей на основе мозговой активности

После этого машина понимает, что слышит подопытный, и выдает недословную стенограмму. Когда нейрон в мозге активизируется, ему нужно больше кислорода, поэтому приток крови к нему увеличивается. Прибор фМРТ способен заметить эти изменения и по ним определить активность нервных клеток.

Томограф получает высококачественные снимки с высоким разрешением, однако лишь раз в 10 секунд. За это время человек успевает произнести, вслух или мысленно, около 20 слов. Поэтому для интерпретации данных фМРТ понадобилось привлечь языковую модель-трансформер. Это такой алгоритм глубокого обучения, который оценивает вероятность появления следующего слова в последовательности на основании предыдущих слов.

Три добровольца разрешили залезть к ним в голову в прямом смысле этих слов. Пока они в течение 16 часов слушали аудиокнигу, группа ученых обучала нейронную сеть на данных их фМРТ. В результате обучения модели удалось распознавать нейронные паттерны, которые связаны с разными комбинациями слов, а не с отдельными словами. Иначе говоря, семантический декодер смог реконструировать общий смысл мыслей подопытных, а не сухое их содержание слово за словом.

Допустим, фраза из аудиокниги «Я не знала, кричать, плакать или убегать. Вместо этого я сказала: «Оставь меня в покое!»» были расшифрованы как «Начала кричать и плакать, а потом она просто сказала: «Я сказала тебе оставить меня в покое»».

Или же другой пример. В книге говорилось: «Я встала с надувного матраса и прижалась лицом к стеклу окна спальни, ожидая увидеть глаза, которые уставились на меня, но вместо этого обнаружила только темноту». Нейросеть сумела интерпретировать это как: «Я продолжала идти к окну и открывать стекло, я встала на цыпочки и выглянула, я ничего не увидела, после чего еще раз посмотрела и опять ничего не увидела». Как видно из текста, недочеты все же есть, ведь «открывать стекла» еще никто не научился.

И тем не менее нейросеть прекрасно передала смысл сказанного. Более того, система успешно справлялась с расшифровкой и в более сложных условиях, например когда человек мог слышать два текста одновременно, но мысленно концентрироваться только на одном из них. Или же когда просто произносил фразы про себя. Что еще удивительней, даже при просмотре видеороликов без звука активность нейронов не утихала и все так же позволяла нейросети реконструировать некоторые события из видео.

Впрочем, беспокоится о неприкосновенности своих мыслей пока рано. Как минимум система должна обучаться на индивидуальных данных томографии. Кроме того, испытуемому надо фокусироваться на соответствующих мыслях и активно помогать системе. В противном случае, опять же, ничего не выйдет. Даже когда во время эксперимента подопытный на что-нибудь отвлекался, искусственный интеллект терял ход его мыслей.

Точность работы пилотной версии нейросети впечатляет, несмотря на свою пока еще существующую примитивность. Такое открытие можно использоваться в разных целях. И это способно круто поменять жизнь человека. Но все же главным желанием ученых было помочь людям с ограниченными возможностями, например, после инсульта.

«Я думаю, что прямо сейчас, когда технология находится в еще раннем состоянии, важно быть проактивным, приняв политику, которая защитит людей и их конфиденциальность, – говорит второй ведущий исследователь Джерри Тан. – Регулирование области применения этих устройств также очень важно».

Сегодня система нецелесообразна для использования за пределами лаборатории из-за ее полной зависимости от аппарата фМРТ. Но исследователи считают, что эта работа может быть перенесена на другие, более портативные средства визуализации мозга, такие как функциональная ближняя инфракрасная спектроскопия.

Анастасия Адаховская , «Детали». Фото: Depositphotos.com √