Einleitung
Meta AI hat sein neu entwickeltes KI-Modell Brain2Qwerty erreicht eine Sprachdekodierung Genauigkeit von 61 %. Das Modell kann nicht-invasiv aufgezeichnete Hirnströmen rekonstruieren und hat eine Wortgenauigkeit, die sich mit der von Gehirn-Implantaten nahelegt.
Das KI-Modell Brain2Qwerty arbeitet als dreistufiges Deep-Learning-System. Es extrahiert Merkmale aus EEG- oder MEG-Rohsignalen und korrigiert die Roh-Ausgabe eines vortrainierten Sprachmodells. Die Studie die Genauigkeit auf 61 % erreicht hat, basiert auf 35 gesunden Probanden, die zuvor kurz memorierte Sätze auf einer QWERTY-Tastatur tippten.
Die Ergebnisse auf der Grundlage von MEG-Messungen waren deutlich besser als die auf EEG-Grundlage. Meta hat das Code- und Modelle von Brain2Qwerty als Open Source veröffentlicht.
Obwohl das KI-Modell bereits gute Ergebnisse liefert, bleiben aktuell einige praktische Hindernisse. Die MEG-Technologie benötigt magnetisch geschirmte Räume und ist stationär, was für Consumer-Anwendungen oder den häuslichen Einsatz noch nicht geeignet ist. Ein breiterer Einsatz des Systems wird daher möglicherweise erst in der Zukunft möglich sein.
Meta AI hat mit seinem KI-Modell Brain2Qwerty einen wichtigen Schritt in Richtung nicht-invasiver Sprachdekodierung unternommen. Obwohl die Genauigkeit noch nicht alltagstauglich ist es ein wichtiger Fortschritt auf dem Weg zu einer Technologie, die ohne Operation und Risiken praktisch und umfassend ist.
Kommentare