از 10 سال پیش دانشمندان برای اینکه بتوانند فعالیت های مغز انسان را رمزگشایی کنند از روش هوش مصنوعی استفاده می کنند. در این مقاله از دکتر سلام اطلاعاتی در خصوص رمزگشایی برای نشان دادن محدودیت های هوش مصنوعی را آماده کرده ایم. توصیه می کنیم که این مقاله را حتما مطالعه کنید و از دست ندهید. با ما همراه شوید.
از حدود 10 سال قبل محققان براي رمزگشايي فعاليتهاي مغز انسان تكنيكهاي هوش مصنوعي بهنام يادگيري ماشين را به‌كار گرفته‌اند. در واقع دانشمندان سيستم هوش مصنوعي جديدي را توسعه داده‌اند كه مي‌تواند سيگنال‌هاي مغز را رمزگشايي كند. براساس اطلاعات به دست آمده از تصويربرداري عصبي اين الگوريتم مي‌تواند آنچه كه ميبينيم، ميشنويم و حتي آنچه كه فكر ميكنيم را دوباره سازمان‌دهي كند. بهعنوان مثال اين دادهها نشان ميدهند كه كلماتِ داراي معناي مشابه در قسمتهاي مختلف مغز در داخل محدودههاي مغزي باهم دسته‌بندي ميشوند.
اكنون تحقيقات دانشمندان در سوئيس نشان ميدهد مغز لزوماً از همان مناطقي كه يادگيري ماشين براي اجراي يك وظيفه مشخص مي‌كند استفاده نميكند. فراتر از آن اين نواحي منعكسكنندۀ تداعيهاي ذهني مرتبط با آن وظيفه هستند. در حالي كه يادگيري ماشين براي رمزگشايي فعاليت ذهني مؤثر است لزوماً نمي‌تواند براي درك مكانيسمهاي پردازش اطلاعات خاص در مغز مؤثر باشد. اين نتايج در ژورنال PNAS موجود است.
اخيراً تكنيكهاي اطلاعاتي علم عصب‌شناسي مدرن توجه خود را بر اين موضوع متمركز كرده است كه مغز چگونه تجسم نام آواها را به صورت فضايي سازمان‌دهي مي‌كند و محققان را قادر به نقشهيابي دقيق منطقۀ فعاليت مي‌كند. دانشمندان عصب‌شناس از خود پرسيدند زمانيكه مغز وظايف خاصي را اجرا مي‌كند چگونه از اين نقشه‌هاي فضايي استفاده مي‌كند. آنه ليز گراد پروفسور بخش عصب‌شناسي پايۀ دانشكدۀ پزشكي مي‌گويد: «براي دستيابي به پاسخ اين سؤال از تمام تكنيكهاي تصويربرداري عصبي استفاده كردهايم.»
دانشمندان علم عصب‌شناسي كه طي تحقيقي حدود 50 نفر را در اختيار داشتند وادار به گوش كردن هجاها كردند. واجهاي مركزي بسيار مبهم بودند و تمايز قائل شدن بين دو انتخاب مشكل بود. سپس دانشمندان از MRI كاركردي و آنسفالوگرافي مغناطيسي استفاده كردند تا به چگونگي رفتار مغز زمانيكه محركهاي صوتي (آكوستيك) بسيار واضح هستند يا برعكس زمانيكه اين محركها مبهم بوده و نيازمند بازنمود ذهني و فعال صوت و تفسير آن توسط مغز هستند پي ببرند.
پروفسور آنه ليز گراد خاطرنشان مي‌كند: «مشاهده كرديم صرف‌نظر از مشكل بودن دسته‌بندي هجاهاي شنيده شده، بين BA و DA، هميشه تصميم‌گيري بخش كوچكي از لوب گيجگاهي خلفي بالاتر را به‌كار ميگيرد» اما همان‌طور كه آزمايشهاي اين گروه از دانشمندان دانشگاه ژنوا نشان داده است آيا اطلاعات دربارۀ هويت هجا به‌صورت محلي ارائه شده است يا براساس نقشه‌هاي به‌دست آمده از طريق يادگيري ماشين به‌صورت كلي در مغز ما ارائه ميشود؟ براي پاسخ به اين سؤال دانشمندان عصب‌شناس افرادي را در اختيار داشتند كه براي اهداف پزشكي الكترودهايي را در مغز آنها به‌صورت مستقيم كار گذاشتند. اين تكنيك مي‌تواند فعاليت مركزي مغز را جمعآوري كند. يك آناليز تك متغيري اين امكان را فراهم مي‌كند تا ببينيم درطول انجام اين وظيفه كدام ناحيه از مغز الكترود به الكترود و تماس به تماس به‌كار گرفته ميشوند. تنها تماسهاي لوب گيجگاهي خلفي بالاتر فعال بودند و در نتيجه نتايج مطالعات دانشگاه ژنوا را تأييد كردند.
اين تحقيق درك بهتري از چگونگي توصيف مغز از هجاها ارائه ميدهد و با نشان دادن محدوديتهاي هوش مصنوعي در شرايط تحقيقاتي خاص بازتاب خوشايندي از چگونگي تفسير دادههاي توليدشده توسط الگوريتم‌هاي يادگيري ماشين را در ذهن ميپروراند. محققان اين پژوهش اظهار كردند: چشم‌انداز ما براي آينده ارائه الگوريتم‌هاي خوديادگيري است كه مي‌توانند تصميمات مختلف كاربر را بر اساس سيگنال‌هاي مغزي آنها به سرعت تشخيص دهند.
منبع: روزنامه جوان
