هوش مصنوعی متا افکار انسان را با دقت ۸۰ درصد می‌خواند!

تفاوت مدل هوش مصنوعی متا با رابط‌های مغزی مانند نورالینک

برخلاف رابط‌های مغزی تهاجمی مانند نورالینک که برای تحلیل سیگنال‌های مغزی به کاشت تراشه در داخل جمجمه نیاز دارند، مدل جدید متا بر روش‌های غیرتهاجمی مبتنی است. این مدل از داده‌های مغزی ۳۵ داوطلب که درحال تایپ‌کردن جملات بوده‌اند، برای آموزش استفاده کرده است.

بر اساس آزمایش‌ها، دقت این مدل در پیش‌بینی کاراکترهای تایپ‌شده بر اساس داده‌های MEG به ۸۰ درصد می‌رسد که حداقل دو برابر مؤثرتر از روش‌های مبتنی بر EEG است.

نحوه عملکرد هوش مصنوعی متا

متا اعلام کرده که مدل جدیدش می‌تواند به افرادی که توانایی تکلم خود را از دست داده‌اند، امکان برقراری ارتباط مجدد را فراهم کند. این فناوری فعالیت مغزی را در سطح میلی‌ثانیه تحلیل می‌کند و نشان می‌دهد که مغز چگونه هنگام تایپ کردن، افکار انتزاعی را به کلمات، هجاها و حرکات انگشت تبدیل می‌کند.

یکی از یافته‌های مهم این تحقیق، کشف مکانیزمی در مغز به نام «کد عصبی دینامیک» است. این مکانیزم باعث می‌شود که مغز بتواند مراحل مختلف شکل‌گیری زبان را به هم پیوند دهد و اطلاعات گذشته را ذخیره کند. این ویژگی توضیح می‌دهد که چرا انسان‌ها می‌توانند هنگام صحبت‌کردن یا تایپ‌کردن، جملات را روان و بدون مکث بسازند.

چالش‌ها و محدودیت‌های مدل هوش مصنوعی متا

باوجود پیشرفت‌های قابل‌توجه، این فناوری هنوز برای استفاده عمومی آماده نیست. مهم‌ترین محدودیت‌های این مدل شامل موارد زیر است:

نیاز به تجهیزات پیشرفته: سیستم MEG به اتاقی با محافظ مغناطیسی خاص نیاز دارد و آزمایش‌ها فقط در محیط‌های کنترل‌شده امکان‌پذیر هستند.
عدم آزمایش روی بیماران آسیب‌دیده مغزی: این مدل فقط روی افراد سالم تست شده و کارایی آن برای افراد مبتلا به اختلالات عصبی مشخص نیست.
دقت رمزگشایی: متا تأکید کرده که دقت پیش‌بینی هنوز نیاز به بهبود و اصلاح دارد.

آینده فناوری‌های خوانش ذهن بدون ایمپلنت

توسعه این مدل می‌تواند زمینه‌ساز ساخت رابط‌های مغزی پیشرفته بدون نیاز به جراحی‌های پیچیده باشد. اگر متا بتواند محدودیت‌های سخت‌افزاری را برطرف کند، این فناوری می‌تواند درک عمیق‌تری از نحوه پردازش زبان در مغز ارائه دهد و در آینده، ارتباط افراد مبتلا به ناتوانی‌های گفتاری را تسهیل کند.

بااین‌حال، تا رسیدن به یک رابط مغزی کاملاً کاربردی و بدون نیاز به تجهیزات پیچیده، هنوز چالش‌های زیادی وجود دارد که متا و دیگر شرکت‌های فعال در این حوزه باید بر آنها غلبه کنند.