Meta heeft een baanbrekend kunstmatig intelligentiemodel onthuld, Brain2Qwerty, in staat om hersenactiviteit in tekst te decoderen met maximaal 80% nauwkeurigheid.
Deze prestatie, ontwikkeld in samenwerking met het Baskische centrum op cognitie, hersenen, en taal, vertegenwoordigt een belangrijke stap in niet-invasief Brain-Computer Interface (BCI) Onderzoek.
de Systeem gebruikt magnetoencephalography (meg) Technologie, een niet-invasieve methode voor het opnemen van hersenactiviteit, om neurale signalen te analyseren als zinnen van deelnemers. Hoewel veelbelovend, blijft het systeem echter beperkt tot laboratoriumomgevingen vanwege technische en logistieke beperkingen.
Het werk van Meta weerspiegelt de groeiende interesse in BCI’s, zowel invasief als niet-invasief. Het bedrijf is oorspronkelijk in 2017 het veld binnengekomen met het ambitieuze doel om een draagbaar draagbaar apparaat te creëren voor het gebruik van consumenten.
Terwijl het project na vier jaar werd stopgezet, draaide meta gedraaid naar fundamenteel neurowetenschappelijk onderzoek. Volgens Jean-Rémi King, het hoofd van het Brain & AI-team van Meta, is het huidige doel om”de principes van intelligentie”te ontdekken door de architectuur van de hersenen te bestuderen, in plaats van zich te concentreren op commerciële producten.
Dit onderzoek Gaat in overeenstemming met bredere inspanningen in het veld, zoals het werk van Neuralink met invasieve implantaten en recente vooruitgang in niet-invasieve technieken zoals functionele magnetische resonantie-beeldvorming (fMRI).
hoe Brain2Qwerty werkt /H2>
De kern van de prestatie van Meta is het meerlagige AI-model, dat de neurale activiteit in de leesbare tekst ontcijfert. >
De AI verwerkte deze gegevens in drie fasen: een convolutionele module analyseerde eerst ruwe meg-signalen, een transformatiemodel geïnterpreteerd op zinniveau context en een taalmodel verfijnde de resultaten in tekst. 80% van de getypte tekens nauwkeurig, het instellen van een nieuwe benchmark voor niet-invasieve neurale decodering.
source: meta
meg aanzienlijk outperformed Electroencefalography (EEG) , een andere niet-invasieve techniek, in decodeernauwkeurigheid. Terwijl Meg een karakterfoutenpercentage (CER) van 32%behaalde, was de CER van EEG veel hoger met 67%. Volgens King,”mangt Meg de kloof tussen invasieve en niet-invasieve systemen aanzienlijk.”Voor toekomstige applicaties, meta-onderzoekers schrijven in hun Paper :
“Onze analyses geven aan dat deze decodering van twee hoofdfactoren voordelen. Architectuur, gecombineerd met een vooraf gerangschikt taalniveau taalmodel, presteert aanzienlijk beter dan standaardmodellen.
Met MEG bereikt Brain2qwerty een karakterror-rate (CER) van 32%, en voor de beste deelnemers, het model, het model, het model bereikt een cer zo laag als 19%. H3>
Magneto-encefalografie is een niet-invasieve methode die de magnetische velden registreert die worden gegenereerd door neuronale activiteit. In vergelijking met EEG biedt MEG een hogere signaal-ruisverhouding, waardoor nauwkeuriger neurale decodering mogelijk is.
De technologie is echter niet zonder uitdagingen. MEG-scanners zijn groot, duur-miljoenen dollars besteden-en vereisen magnetisch afgeschermde kamers om te werken. Zelfs kleine bewegingen van deelnemers kunnen de nauwkeurigheid van de opnames verstoren.
Deze beperkingen maken MEG op dit moment onpraktisch voor real-world toepassingen. Opkomende technologieën zoals Optisch gepompte magnetometers (OPMS) kunnen een pad vooruit bieden, META’s onderzoekers leg in hun artikel uit . . P>
“Eindelijk, terwijl Meg beter presteert dan EEG, zijn de huidige MEG-systemen, inclusief die in de huidige studie, niet draagbaar. Dit kan echter worden opgelost door de ontwikkeling van nieuwe MEG-sensoren op basis van optisch gepompte magnetometers (OPMS).”
Deze draagbare meg-apparaten, nog steeds in ontwikkeling, beloven de kosten te verlagen en de toegankelijkheid te verbeteren, mogelijk mogelijk Toepassingen voorbij gecontroleerde laboratoriuminstellingen. Veld. China heeft bijvoorbeeld onlangs initiatieven gelanceerd om BCI-technologieën te standaardiseren, wat de groeiende internationale focus op hersenmachinecommunicatie weerspiegelt. P> Naast het decoderen van de hersenactiviteit in tekst, duikt het onderzoek van Meta in hoe de hersenen taal verwerken. , die vervolgens worden afgebroken in woorden, lettergrepen en uiteindelijk individuele letters. Deze transformaties zijn nauw gesynchroniseerd met motorische acties, zoals de handeling van typen op een toetsenbord.
Met behulp van MEG hebben de onderzoekers neurale activiteit vastgelegd met milliseconde-intervallen en onthullen ze hoe gedachten vorderen tot acties.
Volgens co-auteur Mingfang Zhang: “Onze studie laat zien dat de hersenen een reeks representaties genereert die beginnen met het meest abstracte niveau van representaties-van de betekenis van een zin-en transformeren ze geleidelijk in een Verschillende acties, zoals de werkelijke vingerbeweging op het toetsenbord.”
Deze ontdekking bevordert niet alleen ons begrip van menselijke cognitie, maar biedt ook waardevolle inzichten voor het ontwerpen van AI-systemen die menselijke intelligentie emuleren.
Het bestuderen van deze neurale dynamiek biedt echter uitdagingen, met name voor niet-invasieve methoden. hulpmiddel voor het vastleggen van de taalverwerking van de hersenen in realtime. Benadering versus invasieve alternatieven
De focus van Meta op niet-invasieve interfaces van de hersen-computer onderscheidt het van concurrenten zoals Neuralink, die gespecialiseerd is in invasieve oplossingen. De N1-chip van Neuralink, bijvoorbeeld, stelde vorig jaar bijvoorbeeld een verlamde patiënt in staat om een computercursor te besturen en schaken te spelen met alleen hun gedachten.
Hoewel dergelijke implantaten een hogere nauwkeurigheid en snellere communicatiepercentages bieden, vereisen ze hersenchirurgie, beperken ze hun toegankelijkheid en het verhogen van ethische zorgen.
daarentegen wil Meta veiliger, niet-invasief ontwikkelen Systemen, hoewel huidige technologieën zoals Meg nog steeds geconfronteerd worden met belangrijke hindernissen. King merkte op dat’onze inspanningen helemaal niet zijn in de richting van producten. Mijn boodschap is zelfs altijd om te zeggen dat ik niet denk dat er een pad voor producten is omdat het te moeilijk is.”
Deze onderzoeksbenadering benadrukt de langetermijnverbintenis van Meta om wetenschappelijk begrip te bevorderen in plaats van Het nastreven van onmiddellijke commerciële toepassingen.
Niettemin hebben niet-invasieve systemen hun eigen beperkingen. Opkomst van draagbare alternatieven zoals optisch gepompte magnetometers kunnen deze kloof overbruggen, waardoor niet-invasieve BCI’s dichter bij de real-world implementatie zijn.
