Aklından geçen kelimeleri bir düşün: akşam yemeğinde akıllıca kendine sakladığın o adi şaka; En iyi arkadaşınızın yeni partneri hakkındaki sessiz izleniminiz. Şimdi birinin size kulak misafiri olabileceğini hayal edin.
Pazartesi günü, Austin Texas Üniversitesi’ndeki bilim adamları bu yönde bir adım daha attılar. Nature Neuroscience dergisinde yayınlanan bir çalışmada araştırmacılar, beyindeki farklı bölgelere kan akışını ölçen fMRI taramalarını analiz ederek insan deneklerin özel düşüncelerini tercüme edebilen bir yapay zeka tanımladılar.
Araştırmacılar, konuşma yetisini kaybetmiş insanların dil girişimini engellemek ve felçli insanların sadece yazmayı düşünürken yazabilmelerini sağlamak için konuşma kodunu çözme yöntemleri geliştirdi. Ancak yeni konuşma kod çözücü, implant kullanmayan ilklerden biridir. Çalışmada, bir kişinin hayali konuşmasını gerçek konuşmaya dönüştürmeyi başardı ve deneklere sessiz filmler gösterildiğinde, ekranda neler olup bittiğine dair nispeten doğru açıklamalar üretebildi.
Üniversitede araştırmayı yürüten sinirbilimci Alexander Huth, “Bu sadece bir dil uyarısı değil” dedi. “Anlamı, neler olduğu fikriyle ilgili bir şeye yaklaşıyoruz. Ve bunun mümkün olması çok heyecan verici.”
Çalışma, Dr.’de 16 saat geçiren üç katılımcıya odaklandı. Huth’un laboratuvarı The Moth’u ve diğer anlatımlı podcast’leri dinlemeye geldi. Dinlerken, bir fMRI tarayıcı beyinlerinin bazı bölümlerindeki kan oksijen seviyelerini kaydetti. Araştırmacılar daha sonra beyin aktivitesindeki kalıpları katılımcıların duyduğu kelime ve ifadelerle eşleştirmek için geniş bir dil modeli kullandılar.
OpenAI’nin GPT-4’ü ve Google’ın Bard’ı gibi büyük dil modelleri, bir cümle veya tümcedeki bir sonraki kelimeyi tahmin etmek için büyük komut dizileri üzerinde eğitilir. Modeller, kelimelerin birbirleriyle nasıl ilişkili olduğunu gösteren haritalar oluşturur. Birkaç yıl önce Dr. Huth, bu haritaların belirli bölümlerinin – ifadelerin anlamsal özelliklerini veya anlamlarını yakalayan bağlam yerleştirmeleri olarak adlandırılan – beynin dile tepki olarak nasıl aydınlanacağını tahmin etmek için kullanılabileceğini öne sürdü.
Araştırmada yer almayan Osaka Üniversitesi’nden bir sinirbilimci olan Shinji Nishimoto, temel olarak, “beyin aktivitesi bir tür kodlanmış sinyaldir ve dil modelleri onu çözmenin yollarını sağlar” dedi.
Yaptıkları çalışmada, Dr. Huth ve meslektaşları, süreci etkili bir şekilde tersine çevirdiler ve katılımcının fMRI görüntülerini kelimelere ve cümlelere çevirmek için farklı bir yapay zeka kullandılar. Araştırmacılar, katılımcılara yeni kayıtları dinleterek ve ardından çevirinin gerçek transkript ile ne kadar yakından eşleştiğini görerek kod çözücüyü test etti.
Şifresi çözülmüş yazıda neredeyse her kelime yerinde değildi, ancak pasajın anlamı düzenli olarak korundu. Esasen, kod çözücüler başka sözcüklerle ifade ediyordu.
Sonuç, AI kod çözücünün yalnızca kelimeleri değil aynı zamanda anlamları da yakaladığını gösteriyor. Dr. Nishimoto. “Ve yazarlar, beynin bu süreçler boyunca ortak temsiller kullandığını gösterdi.”
Massachusetts Institute of Technology’de araştırmaya dahil olmayan bir sinirbilimci olan Greta Tuckute, bunun “en üst düzeydeki soru” olduğunu söyledi.
“Beyindeki anlamı çözebilir miyiz?” diye devam etti. “Bir bakıma, bunu yapabileceğimizi gösteriyorlar.”
Bu konuşma şifresini çözme yönteminin sınırlamaları vardı, Dr. Huth ve meslektaşları. Birincisi, fMRI tarayıcıları hantal ve pahalıdır. Ayrıca model eğitimi uzun, meşakkatli bir süreçtir ve etkili olabilmesi için bireyler üzerinde gerçekleştirilmelidir. Araştırmacılar, başka bir kişinin beyin aktivitesini okumak için bir kişi üzerinde eğitilmiş bir kod çözücüyü kullanmaya çalıştıklarında, başarısız oldular ve her beynin anlamı temsil etmenin benzersiz yollarına sahip olduğunu öne sürdüler.
Katılımcılar ayrıca başka şeyler düşünerek kod çözücüyü tetikleyerek iç monologlarını perdeleyebildiler. Yapay zeka zihnimizi okuyabiliyor olabilir, ancak şimdilik onları teker teker ve bizim iznimizle okuması gerekiyor.
Pazartesi günü, Austin Texas Üniversitesi’ndeki bilim adamları bu yönde bir adım daha attılar. Nature Neuroscience dergisinde yayınlanan bir çalışmada araştırmacılar, beyindeki farklı bölgelere kan akışını ölçen fMRI taramalarını analiz ederek insan deneklerin özel düşüncelerini tercüme edebilen bir yapay zeka tanımladılar.
Araştırmacılar, konuşma yetisini kaybetmiş insanların dil girişimini engellemek ve felçli insanların sadece yazmayı düşünürken yazabilmelerini sağlamak için konuşma kodunu çözme yöntemleri geliştirdi. Ancak yeni konuşma kod çözücü, implant kullanmayan ilklerden biridir. Çalışmada, bir kişinin hayali konuşmasını gerçek konuşmaya dönüştürmeyi başardı ve deneklere sessiz filmler gösterildiğinde, ekranda neler olup bittiğine dair nispeten doğru açıklamalar üretebildi.
Üniversitede araştırmayı yürüten sinirbilimci Alexander Huth, “Bu sadece bir dil uyarısı değil” dedi. “Anlamı, neler olduğu fikriyle ilgili bir şeye yaklaşıyoruz. Ve bunun mümkün olması çok heyecan verici.”
Çalışma, Dr.’de 16 saat geçiren üç katılımcıya odaklandı. Huth’un laboratuvarı The Moth’u ve diğer anlatımlı podcast’leri dinlemeye geldi. Dinlerken, bir fMRI tarayıcı beyinlerinin bazı bölümlerindeki kan oksijen seviyelerini kaydetti. Araştırmacılar daha sonra beyin aktivitesindeki kalıpları katılımcıların duyduğu kelime ve ifadelerle eşleştirmek için geniş bir dil modeli kullandılar.
OpenAI’nin GPT-4’ü ve Google’ın Bard’ı gibi büyük dil modelleri, bir cümle veya tümcedeki bir sonraki kelimeyi tahmin etmek için büyük komut dizileri üzerinde eğitilir. Modeller, kelimelerin birbirleriyle nasıl ilişkili olduğunu gösteren haritalar oluşturur. Birkaç yıl önce Dr. Huth, bu haritaların belirli bölümlerinin – ifadelerin anlamsal özelliklerini veya anlamlarını yakalayan bağlam yerleştirmeleri olarak adlandırılan – beynin dile tepki olarak nasıl aydınlanacağını tahmin etmek için kullanılabileceğini öne sürdü.
Araştırmada yer almayan Osaka Üniversitesi’nden bir sinirbilimci olan Shinji Nishimoto, temel olarak, “beyin aktivitesi bir tür kodlanmış sinyaldir ve dil modelleri onu çözmenin yollarını sağlar” dedi.
Yaptıkları çalışmada, Dr. Huth ve meslektaşları, süreci etkili bir şekilde tersine çevirdiler ve katılımcının fMRI görüntülerini kelimelere ve cümlelere çevirmek için farklı bir yapay zeka kullandılar. Araştırmacılar, katılımcılara yeni kayıtları dinleterek ve ardından çevirinin gerçek transkript ile ne kadar yakından eşleştiğini görerek kod çözücüyü test etti.
Şifresi çözülmüş yazıda neredeyse her kelime yerinde değildi, ancak pasajın anlamı düzenli olarak korundu. Esasen, kod çözücüler başka sözcüklerle ifade ediyordu.
fMRI taraması sırasında katılımcılardan ayrıca sessizce kendilerini tanıtmaları, bir hikaye anlatmaları istendi; Bundan sonra, referans olması için hikayeyi yüksek sesle tekrarladılar. Yine, kod çözme modeli, konuşulmayan versiyonun özünü yakalamıştır.
Son olarak denekler, bir fMRI taramasından geçerken yine kısa, sessiz bir animasyon filmi izlediler. Dil modeli, beyin aktivitelerini analiz ederek, gördüklerinin kaba bir özetini – belki de gördüklerinin içsel tanımını – deşifre edebildi.
Sonuç, AI kod çözücünün yalnızca kelimeleri değil aynı zamanda anlamları da yakaladığını gösteriyor. Dr. Nishimoto. “Ve yazarlar, beynin bu süreçler boyunca ortak temsiller kullandığını gösterdi.”
Massachusetts Institute of Technology’de araştırmaya dahil olmayan bir sinirbilimci olan Greta Tuckute, bunun “en üst düzeydeki soru” olduğunu söyledi.
“Beyindeki anlamı çözebilir miyiz?” diye devam etti. “Bir bakıma, bunu yapabileceğimizi gösteriyorlar.”
Bu konuşma şifresini çözme yönteminin sınırlamaları vardı, Dr. Huth ve meslektaşları. Birincisi, fMRI tarayıcıları hantal ve pahalıdır. Ayrıca model eğitimi uzun, meşakkatli bir süreçtir ve etkili olabilmesi için bireyler üzerinde gerçekleştirilmelidir. Araştırmacılar, başka bir kişinin beyin aktivitesini okumak için bir kişi üzerinde eğitilmiş bir kod çözücüyü kullanmaya çalıştıklarında, başarısız oldular ve her beynin anlamı temsil etmenin benzersiz yollarına sahip olduğunu öne sürdüler.
Katılımcılar ayrıca başka şeyler düşünerek kod çözücüyü tetikleyerek iç monologlarını perdeleyebildiler. Yapay zeka zihnimizi okuyabiliyor olabilir, ancak şimdilik onları teker teker ve bizim iznimizle okuması gerekiyor.