Рубрика Концепты

Исследователи научились считывать сложные мысли

Новое исследование позволило «вытаскивать» из головы человека целые предложения.

Ранее системы для считывания мыслей могли угадать только однозначное число, о котором думает человек, а более глубокие и сложные мысли выходили за рамки возможностей технологии. Теперь команда ученых из Университета Карнеги-Меллона (CMU) разработала способ, который позволяет читать более сложные понятия с помощью сканирования мозга и даже объединять целые предложения.

 

Даже самое простое предложение является очень сложным: каждое слово представляет собой отдельное понятие, а их размещение в определенном порядке может менять значение как отдельных слов, так и целого предложения. Ученые обнаружили, что «строительные блоки», которые ум использует для построения мыслей, состоят из понятий, а не основаны на самих словах. Это означает, что мозговые процессы работают универсальным образом, независимо от языка и культуры человека.

 

В исследовании было проверено, как мозг кодирует сложные мысли и как сканер ФМРТ с небольшой помощью алгоритмов машинного обучения может их декодировать. Исследователи собрали 240 «сложных предложений», например таких как «Свидетель кричал во время судебного разбирательства». Все эти предложения состояли из нескольких строительных блоков. Всего в исследовании использовались 42 строительных блока, которые указывали на такие понятия, как человек, настройки, размер, социальное взаимодействие и физические действия.

 

Каждый из этих различных видов информации обрабатывается в разных частях мозга, поэтому система может выбрать общую категорию того, что находится у человека на уме. Чтобы проверить свое мастерство, исследователи попросили семь участников прочитать предложения, записав шаблоны активации мозга. После обучения алгоритма 239 предложениям и сопоставления результатов он смог собрать последнее предложение, основанное исключительно на данных мозга.

 

Команда провела этот тест 240 раз, систематически оставляя каждое из предложений по очереди, и обнаружила, что алгоритм смог предсказать недостающее предложение из шаблона активации мозга с 87-процентной точностью.