Il decodificatore dell'attività cerebrale può rivelare storie nella mente delle persone

AUSTIN, Texas – Un nuovo sistema di intelligenza artificiale chiamato decodificatore semantico può tradurre l’attività cerebrale di una persona – mentre ascolta una storia o immagina silenziosamente di raccontarla – in un flusso continuo di testo. Il sistema sviluppato dai ricercatori dell’Università del Texas ad Austin potrebbe aiutare le persone mentalmente coscienti ma incapaci di parlare fisicamente, come quelle debilitate da un ictus, a comunicare di nuovo in modo intelligibile.

Lo studio, pubblicato sulla rivista Nature Neuroscience, è stato condotto da Jerry Tang, uno studente di dottorato in informatica, e Alex Huth, assistente professore di neuroscienze e informatica alla UT Austin. Il lavoro si basa in parte su un modello di trasformatore, simile a quelli che alimentano ChatGPT di Open AI e Bard di Google.

A differenza di altri sistemi di decodifica del linguaggio in fase di sviluppo, questo sistema non richiede che i soggetti abbiano impianti chirurgici, rendendo il processo non invasivo. Inoltre, i partecipanti non sono tenuti a utilizzare solo le parole di un elenco prescritto. L'attività cerebrale viene misurata utilizzando uno scanner fMRI dopo un approfondito addestramento del decodificatore, in cui l'individuo ascolta ore di podcast nello scanner. Successivamente, a condizione che il partecipante sia disponibile a far decodificare i propri pensieri, ascoltando una nuova storia o immaginando di raccontare una storia consente alla macchina di generare il testo corrispondente solo dalla attività cerebrale.

"Per un metodo non invasivo, questo è un vero passo avanti rispetto a quanto fatto prima, che in genere si tratta di singole parole o frasi brevi", ha detto Huth. "Stiamo facendo in modo che il modello decodifichi un linguaggio continuo per lunghi periodi di tempo con idee complicate."

Maggiori informazioni sul New York Times: L'intelligenza artificiale sta migliorando nella lettura del pensiero

Il risultato non è una trascrizione parola per parola. Invece, i ricercatori lo hanno progettato per catturare l’essenza di ciò che viene detto o pensato, anche se in modo imperfetto. Circa la metà delle volte, quando il decodificatore è stato addestrato a monitorare l'attività cerebrale di un partecipante, la macchina produce un testo che corrisponde da vicino (e talvolta in modo preciso) al significato previsto delle parole originali.

Ad esempio, negli esperimenti, un partecipante che ascoltava un oratore dire: "Non ho ancora la patente di guida" ha tradotto i suoi pensieri come: "Non ha ancora nemmeno iniziato a imparare a guidare". Ascoltando le parole: "Non sapevo se urlare, piangere o scappare. Invece, ho detto: 'Lasciami in pace!'" è stato decodificato come: "Ha iniziato a urlare e piangere, e poi lei ha semplicemente detto: ' Ti avevo detto di lasciarmi in pace.'"

Partendo da una versione precedente dell’articolo apparsa come prestampa online, i ricercatori hanno affrontato domande sul potenziale uso improprio della tecnologia. L'articolo descrive come la decodifica abbia funzionato solo con partecipanti cooperativi che avevano partecipato volontariamente all'addestramento del decodificatore. I risultati per gli individui sui quali il decodificatore non era stato addestrato erano incomprensibili, e se i partecipanti sui quali il decodificatore era stato addestrato in seguito opponevano resistenza – ad esempio, pensando ad altri pensieri – i risultati erano altrettanto inutilizzabili.

"Prendiamo molto sul serio le preoccupazioni che possa essere utilizzato per scopi sbagliati e abbiamo lavorato per evitarlo", ha detto Tang. "Vogliamo essere sicuri che le persone utilizzino questo tipo di tecnologie solo quando lo desiderano e che questo le aiuti."

Oltre a chiedere ai partecipanti di ascoltare o pensare a storie, i ricercatori hanno chiesto ai soggetti di guardare quattro brevi video silenziosi mentre erano nello scanner. Il decodificatore semantico è stato in grado di utilizzare la loro attività cerebrale per descrivere accuratamente determinati eventi dai video.

Il sistema attualmente non è pratico per l'uso al di fuori del laboratorio a causa della sua dipendenza dal tempo necessario a una macchina fMRI. Ma i ricercatori pensano che questo lavoro potrebbe essere trasferito ad altri sistemi di imaging cerebrale più portatili, come la spettroscopia funzionale nel vicino infrarosso (fNIRS).

"La fNIRS misura dove c'è più o meno flusso sanguigno nel cervello in diversi momenti nel tempo, il che, a quanto pare, è esattamente lo stesso tipo di segnale misurato dalla fMRI", ha detto Huth. "Quindi, il nostro esatto tipo di approccio dovrebbe tradursi in fNIRS", anche se, ha osservato, la risoluzione con fNIRS sarebbe inferiore.