Australisch AI-model zet hersenactiviteit om in woorden via draagbare pet
Baanbrekend model zal niet alleen patiënten met cognitieve problemen helpen, maar kan ook revolutionair zijn voor de manier waarop mensen met computers omgaan.
Australisch AI-model zet hersenactiviteit om in woorden via draagbare pet
Het team heeft tot nu toe een nauwkeurigheid van ongeveer 75 procent bereikt bij het omzetten van gedachten naar tekst. / Getty Images

Australische onderzoekers hebben een artificieel intelligentie (AI) model ontwikkeld dat woorden en zinnen kan ontcijferen uit hersengolven die worden gedetecteerd door een draagbare pet. Dit opent een nieuwe horizon in de medische wetenschap.

Het model zal niet alleen patiënten met cognitieve problemen helpen, maar kan ook de manier waarop mensen met computers omgaan revolutioneren, meldde de Australian Broadcasting Corporation maandag.

Het baanbrekende AI-model, ontwikkeld door expert Daniel Leong, promovendus Charles Zhou en hun begeleider Chin-Teng Lin aan het GrapheneX-Human-centric Artificial Intelligence Center van de University of Technology Sydney, maakt gebruik van deep learning om hersensignalen van een elektro-encefalogram (EEG) te vertalen naar specifieke woorden.

Lin merkte op dat het AI-model in dit stadium leert van een beperkte verzameling woorden en zinnen om het gemakkelijker te maken individuele woorden te detecteren.

Doel van 90% nauwkeurigheid

Onderzoekers werven meer mensen om teksten te lezen terwijl ze de EEG-cap dragen, om het model verder te verfijnen.

Ze zijn ook van plan het te gebruiken voor communicatie tussen twee personen.

Volgens Mohit Shivdasani, een expert in bio-elektronica aan de University of New South Wales, zoeken onderzoekers al "eeuwig" naar patronen in biologische signalen. Maar nu kan AI hersengolfpatronen herkennen die eerder nooit zijn geïdentificeerd.

AI, vooral wanneer het wordt gebruikt in implanteerbare apparaten, kan hersengolven snel personaliseren op basis van hoe een individu een taak uitvoert, voegde hij eraan toe.

Het team heeft tot nu toe ongeveer 75 procent nauwkeurigheid bereikt in het omzetten van gedachten naar tekst, terwijl ze streven naar een perfectie van 90 procent.