خواندن ذهن با هوش مصنوعی متا

هوش مصنوعی متا ذهنمان را میخواند؟

متا با همکاری مرکز باسک در اسپانیا، مدل هوش مصنوعی جدیدی توسعه داده است که می‌تواند تا ۸۰ درصد از کاراکترهای تایپ‌شده را از طریق سیگنال‌های مغزی رمزگشایی کند. متا از مغناطیس مغزی (MEG) و الکتروانسفالوگرافی (EEG) استفاده می‌کند. این تکنیک ها فعالیت مغز را اندازه گیری می کنند.بر اساس یک مقاله تحقیقاتی جدید، سیستم هوش مصنوعی متا هزاران اندازه گیری فعالیت مغز را در ثانیه ثبت می کند و سپس نحوه درک و پردازش تصاویر را در ذهن ما بازسازی می کند. در این گزارش آمده است: «به طور کلی، این نتایج گام مهمی به سمت رمزگشایی – در زمان واقعی – فرآیندهای بصری که به طور مداوم در مغز انسان آشکار می‌شوند، فراهم می‌کند.

Meta AI چطور می تواند ذهن ما را بخواند

تیم تحقیقاتی هوش مصنوعی متا به رمزگشایی افکار انسان نزدیک می شود. این شرکت با همکاری مرکز باسک در شناخت، مغز و زبان، یک مدل هوش مصنوعی ساخته است که قادر است جملات مربوط به فعالیت مغز را با دقت 80 درصد بازسازی کند.

این تحقیق بر یک روش غیرتهاجمی ضبط مغز متکی است و به گفته این شرکت، می‌تواند راه را برای فناوری‌ای هموار کند که به افرادی که توانایی صحبت کردن را از دست داده‌اند کمک می‌کند.

برخلاف رابط‌های موجود مغز و رایانه که اغلب به ایمپلنت‌های تهاجمی نیاز دارند، رویکرد متا از مغناطیس مغزی (MEG) و الکتروانسفالوگرافی (EEG) استفاده می‌کند.  این تکنیک ها فعالیت مغز را بدون جراحی اندازه گیری می کنند.

مدل هوش مصنوعی بر روی ضبط های مغزی 35 داوطلب در حین تایپ جملات آموزش دید. هنگامی که متا روی جملات جدید آزمایش می‌شود، متا ادعا می‌کند که می‌تواند تا ۸۰ درصد از نویسه‌های تایپ‌شده با استفاده از داده‌های MEG را به دقت پیش‌بینی کند – حداقل دو برابر موثرتر از رمزگشایی مبتنی بر EEG.

این روش همچنان محدودیت هایی دارد. MEG به یک اتاق با محافظ مغناطیسی نیاز دارد و شرکت کنندگان باید برای خواندن دقیق بی حرکت بمانند. این فناوری همچنین فقط بر روی افراد سالم آزمایش شده است، بنابراین اثربخشی آن برای افرادی که آسیب مغزی دارند نامشخص است.

فراتر از رمزگشایی افکار به متن، هوش مصنوعی متا همچنین به محققان کمک می کند تا بفهمند مغز چگونه ایده ها را به زبان تبدیل می کند. مدل هوش مصنوعی ضبط‌های MEG را تجزیه و تحلیل می‌کند و فعالیت مغز را در سطح میلی‌ثانیه ردیابی می‌کند. این نشان می دهد که چگونه مغز هنگام تایپ کردن، افکار انتزاعی را به کلمات، هجاها و حتی حرکات تکی انگشتان تبدیل می کند.

هوش مصنوعی متا چیست؟

هوش مصنوعی متا (که قبلاً تحقیقات هوش مصنوعی فیس‌بوک نامیده می‌شد) یک بخش تحقیقاتی متا پلتفرم‌ها (فیسبوک سابق) است که هوش مصنوعی و فناوری‌های واقعیت افزوده و مصنوعی را توسعه می‌دهد. هوش مصنوعی متا خود را یک آزمایشگاه تحقیقاتی آکادمیک می‌داند که بر تولید دانش برای جامعه هوش مصنوعی متمرکز است و نباید با تیم یادگیری ماشین کاربردی متا (AML) که بر کاربردهای عملی محصولات خود تمرکز دارد، اشتباه گرفته شود.

Meta AI (هوش مصنوعی متا) از سال 2005 شروع به فعالیت کرد. اما ایده اصلی Meta AI را می توان در ساخت بازی در دهه 80 مشاهده کرد و تاکنون توسعه یافته است. علاوه بر این، مفهوم AI Director در سال 2008 شروع به فعالیت کرد.

مزایا و معایب هوش مصنوعی متا

مزایای هوش مصنوعی متا

قابلیت همکاری: روی پلتفرم ها و دستگاه های متعدد کار می کند و تجربه یکپارچه را برای کاربران تضمین می کند

تولید محتوای خلاق: دارای ابزارهای ویرایش و تولید تصویر پیشرفته است که به کاربران امکان می دهد محتوای بصری را از طریق دستورات متنی ساده سفارشی کنند.

مدل منبع باز: Meta Llama 3 برای توسعه دهندگان، محققان و شرکت ها قابل دسترسی است و نوآوری و همکاری را در جامعه هوش مصنوعی تسهیل می کند.

قابلیت های جستجوی به روز: ادغام با ارائه دهندگان جستجوی پیشرو برای ارائه اطلاعات به روز در زمان واقعی در مکالمات چت

توسعه مسئولانه و ایمن: متا بر آموزش اخلاقی و ایمن مدل های خود با تمرکز بر بهبود سودمندی و به حداقل رساندن سوگیری تمرکز دارد.

معایب هوش مصنوعی متا

در دسترس بودن زبان محدود: در حال حاضر فقط به زبان انگلیسی در دسترس است، که ممکن است استفاده را در مناطق غیر انگلیسی زبان محدود کند.

دسترسی جغرافیایی محدود: هوش مصنوعی متا در همه کشورها در دسترس نیست، که دسترسی آن را برای کاربران جهانی محدود می کند.

خطرات حفظ حریم خصوصی و امنیتی: اگرچه تمرکز بر امنیت وجود دارد، ادغام گسترده در دستگاه‌ها و برنامه‌ها شامل مدیریت گسترده داده‌ها است که می‌تواند نگرانی‌هایی را در مورد حفظ حریم خصوصی ایجاد کند.

وابستگی به فناوری متا: به عنوان یک راه حل اختصاصی در برخی جنبه ها، کاربران و توسعه دهندگان ممکن است بیش از حد به ابزارها و پلتفرم های متا وابسته باشند.

پیچیدگی فنی: ادغام و استفاده موثر از هوش مصنوعی متا ممکن است به سطحی از دانش فنی نیاز داشته باشد که همه کاربران از آن برخوردار نیستند.