هل واجهت صعوبة في وصف شيء لصديقك شاهدته على التلفزيون الليلة الماضية؟
قريبًا ، قد تتمكن من عرض صورك الذهنية على الشاشة الكبيرة ، كما فعل العلماء مع الفئران.
طور فريق من École Polytechnique Fédérale de Lausanne (EPFL) أداة ذكاء اصطناعي (AI) يمكنها تفسير إشارات دماغ القوارض.
تم تدريب الخوارزمية ، المسماة CEBRA ، على تعيين النشاط العصبي لإطارات معينة في مقاطع الفيديو ، بحيث يمكنها بعد ذلك التنبؤ وإعادة بناء ما ينظر إليه الفأر.
تأتي هذه الأخبار بعد وقت قصير من استخدام الباحثين في جامعة تكساس في أوستن للذكاء الاصطناعي لتحويل أفكار الناس إلى نص في الوقت الفعلي.
طور فريق من École Polytechnique Fédérale de Lausanne (EPFL) أداة ذكاء اصطناعي (AI) يمكنها تفسير إشارات دماغ القوارض. تم تصوير الفيلم الأصلي في الأعلى ، بينما تم تصوير الفيلم الذي تم فك ترميزه في الأسفل
تم تدريب الخوارزمية ، المسماة CEBRA ، على تعيين النشاط العصبي لإطارات معينة في مقاطع الفيديو ، بحيث يمكنها بعد ذلك التنبؤ وإعادة بناء ما ينظر إليه الفأر
قال الدكتور ماكنزي ماتيس ، الباحث الرئيسي في الدراسة ، لـ MailOnline: “ في المستقبل ، نظرًا لأن CEBRA لا تقتصر على الرؤية ، نعتقد أنها أداة قوية لواجهات آلة الدماغ.
على سبيل المثال ، يمكن استخدامه للتحكم في مؤشرات الكمبيوتر لدى المرضى الذين لا يستطيعون الحركة ، أو يمكن استخدامه للمساعدة في توفير الأحاسيس البصرية للمعاقين بصريًا إذا كان مقترنًا بتحفيز الدماغ في الوقت الفعلي.
“بالطبع ، لا يمكنني التنبؤ بهذا تمامًا وسنواته التي تفصلنا عنها ، ولكن هذه هي المجالات التي يسعدني أن أرى الناس يستخدمون CEBRA من أجلها.”
بالنسبة للدراسة ، التي نُشرت اليوم في مجلة Nature ، قام الباحثون بتدريب CEBRA باستخدام الأفلام التي شاهدتها الفئران ونشاط الدماغ في الوقت الفعلي.
تم قياس بعض النشاط مباشرة باستخدام مجسات قطب كهربائي تم إدخالها في منطقة القشرة البصرية للدماغ.
تم جمع الباقي باستخدام مجسات ضوئية على فئران معدلة وراثيًا تتحول عصبوناتها إلى اللون الأخضر عند تنشيطها.
باستخدام هذه البيانات ، تعرفت CEBRA على إشارات الدماغ المرتبطة بإطارات فيلم معين.
ثم أُعطي بعض النشاط الدماغي الجديد الذي لم يسبق له مثيل ، من فأر يشاهد مثالًا مختلفًا قليلاً عن مقطع الفيلم.
من هذا المنطلق ، كان قادرًا على التنبؤ بالإطار الذي كان الفأر يشاهده في الوقت الفعلي ، وقام الباحثون بتحويل هذه البيانات إلى فيلم خاص به.
قال الدكتور ماتيس لـ MailOnline: “ نحن لا نتوقع كل بكسل ، بل نتوقع الإطار.
سيكون مستوى الفرصة 1/900 ، لذا نعتقد أن الدقة التي تزيد عن 95 في المائة مثيرة للغاية. لكن فك التشفير هذا هو شيء نخطط للقيام به بعد ذلك.
في فيديو مثال ، يمكن رؤية الفأر وهو يشاهد مقطع فيلم بالأبيض والأسود يعود إلى الستينيات لرجل يركض نحو سيارة ويفتح صندوق السيارة.
تُظهر شاشة منفصلة ما تعتقد CEBRA أن الماوس ينظر إليه ، وهو مقطع فيديو متطابق تقريبًا ، وإن كان أكثر تشويشًا.
في فيديو مثال (أعلى) ، يمكن رؤية الفأر وهو يشاهد مقطع فيلم بالأبيض والأسود من ستينيات القرن الماضي لرجل يركض نحو سيارة ويفتح صندوق السيارة. تُظهر شاشة منفصلة (أسفل) ما تعتقد CEBRA أن الماوس ينظر إليه ، وهو مقطع فيديو متطابق تقريبًا ، وإن كان أكثر تشويشًا
الخوارزمية قادرة على القيام بذلك باستخدام بيانات من واحد بالمائة فقط من الخلايا العصبية في القشرة البصرية للفأر ، أي ما يعادل حوالي 0.5 مليون خلية عصبية.
قال الدكتور ماتيس لـ MailOnline: “أردنا إظهار مدى ضآلة البيانات – سواء من حيث مقاطع الأفلام والبيانات العصبية – التي يمكننا استخدامها”.
وهذا يجعلها أكثر واقعية للتطبيقات السريرية في المستقبل.
والجدير بالذكر أن الخوارزمية يمكن أن تعمل في الوقت الفعلي ، لذلك يستغرق النموذج أقل من ثانية واحدة للتنبؤ بمقطع الفيديو بالكامل.
يقول الباحثون أن CEBRA لا يقتصر على مجرد تفسير المعلومات المرئية من بيانات الدماغ.
ويمكنه أيضًا استخدامه للتنبؤ بحركات الذراع في الرئيسيات ، وتحديد مكان وجود الجرذ في قلمه أثناء الجري بحرية.
قال الدكتور ماتيس: ‘(CEBRA) يمكن أن يمنحنا أيضًا نظرة ثاقبة حول كيفية معالجة الدماغ للمعلومات ويمكن أن يكون منصة لاكتشاف مبادئ جديدة في علم الأعصاب من خلال الجمع بين البيانات عبر الحيوانات ، وحتى الأنواع.
يقول الباحثون أن CEBRA لا يقتصر على مجرد تفسير المعلومات المرئية من بيانات الدماغ. ويمكنه أيضًا استخدامه للتنبؤ بحركات الذراع في الرئيسيات ، وتحديد مكان وجود الجرذ في قلمه أثناء الجري بحرية حوله.
“التطبيقات السريرية المحتملة مثيرة.”
تم الكشف عن تقنية مماثلة من قبل فريق من جامعة أوساكا الشهر الماضي ، والتي تعمل على بيانات الدماغ البشري.
أعادت الخوارزمية المدعومة بالذكاء الاصطناعي بناء حوالي 1000 صورة ، بما في ذلك دمية دب وطائرة ، من عمليات مسح الدماغ بدقة 80 بالمائة.
استخدمت نموذج الانتشار المستقر الشهير ، المضمن في DALL-E 2 من OpenAI ، والذي يمكنه إنشاء أي صور بناءً على مدخلات النص.
أظهر الباحثون للمشاركين مجموعات فردية من الصور وقاموا بمسح التصوير بالرنين المغناطيسي الوظيفي (fMRI) ، والذي قام الذكاء الاصطناعي بعد ذلك بفك تشفيره.
وبالمثل ، في هذا الأسبوع فقط ، كشف علماء في جامعة تكساس في أوستن عن تقنية تحول نشاط دماغ الشخص إلى نص.
استمع ثلاثة مشاركين في الدراسة إلى القصص وهم مستلقون في جهاز التصوير بالرنين المغناطيسي ، بينما قام “مفكك الشفرة” الذي يعمل بالذكاء الاصطناعي بتحليل نشاط أدمغتهم.
ثم طُلب منهم قراءة قصة مختلفة أو اختلاق قصة خاصة بهم ، ويمكن لوحدة فك التشفير بعد ذلك تحويل بيانات التصوير بالرنين المغناطيسي إلى نص في الوقت الفعلي.
يثير هذا الاختراق مخاوف بشأن “الخصوصية العقلية” لأنها قد تكون الخطوة الأولى في القدرة على التنصت على أفكار الآخرين.
كيف تتعلم الذكاء الاصطناعي استخدام الشبكات العصبية
تعتمد أنظمة الذكاء الاصطناعي على الشبكات العصبية الاصطناعية (ANN) ، والتي تحاول محاكاة الطريقة التي يعمل بها الدماغ من أجل التعلم.
يمكن تدريب الشبكات العصبية الاصطناعية على التعرف على أنماط المعلومات – بما في ذلك الكلام أو البيانات النصية أو الصور المرئية – وهي الأساس لعدد كبير من التطورات في الذكاء الاصطناعي خلال السنوات الأخيرة.
يستخدم الذكاء الاصطناعي التقليدي مدخلات “لتعليم” خوارزمية حول موضوع معين عن طريق تزويدها بكميات هائلة من المعلومات.
تعتمد أنظمة الذكاء الاصطناعي على الشبكات العصبية الاصطناعية (ANN) ، والتي تحاول محاكاة الطريقة التي يعمل بها الدماغ من أجل التعلم. يمكن تدريب الشبكات العصبية الاصطناعية على التعرف على الأنماط في المعلومات – بما في ذلك الكلام أو البيانات النصية أو الصور المرئية
تشمل التطبيقات العملية خدمات الترجمة اللغوية من Google ، وبرنامج التعرف على الوجه من Facebook ، وصورة Snapchat التي تغير الفلاتر الحية.
يمكن أن تستغرق عملية إدخال هذه البيانات وقتًا طويلاً للغاية ، وتقتصر على نوع واحد من المعرفة.
سلالة جديدة من شبكات ANN تسمى Adversarial Neural Networks تضع ذكاء اثنين من روبوتات الذكاء الاصطناعي في مواجهة بعضهما البعض ، مما يسمح لهما بالتعلم من بعضهما البعض.
تم تصميم هذا النهج لتسريع عملية التعلم ، وكذلك تحسين المخرجات التي تم إنشاؤها بواسطة أنظمة الذكاء الاصطناعي.