Texase Ülikooli teadlastel õnnestus enda sõnul esimest korda inimese koljusse tungimata lugeda ajutöö andmetest välja tema peast läbi käinud lausete tähendust. Tulevikus saaks sarnast lähenemist kasutades valmistada kõnevõimetutele inimestele paremaid kõnesünteesiliideseid. Samas pole sõltumatud teadlased veel selle toimivuses veendunud.
Austinis asuva Texase Ülikooli teadlased on enda sõnul loonud meetodi, kus funktsionaalse magnetresonantstomograafiga (fMRT) tehtud salvestistest loetakse tagantjärele välja sidusat keelt. Nende sõnul on tegu nii-öelda koodimurdjast algoritmiga, mis suudab ennustada, mis sõnadest inimene fMRT aju-uuringu ajal mõtleb või mida kuuleb, vahendab The Scientist.
Mõningast edu on sedasorti mõttelugemises saavutatud varemgi. Reeglina on kasutatud selleks aga mõne haiguse leevendamiseks ajju siirdatud elektroode. Uus koodimurdja on aga esimene, millega saavutatakse sama tulemus ilma inimesele füüsiliselt naha alla pugemata.
Sõnade kohal laiub mõte
Magnetuuringu andmeid on olnud mõttevoolu uuringutes keeruline kasutada. Inimene mõtleb palju kiiremini, kui masin seda kõike jäädvustada jõuab. Selmet leida üles igas millisekundis käivituvad ajurakud, mõõdavad tugevate magnetväljade abil MRT masinad verevoolu muutusi ajus. Kuna need toimuvad sekundite ajaskaalal, suudavad masinad nende põhjal aju aktiivsuse kohta järeldusi teha.
Uuringu kaasautori Alexander Huthi sõnul toimib meetod seetõttu, et algoritm ei dešifreeri keelt üksikute sõnade kaupa, vaid püüab pigem lahti harutada lause või mõtte kõrgemat tähendust.
Huth ja kolleegid treenisid oma algoritmi kolme uuritavaga tehtud fMRT-ajusalvestiste põhjal. Selleks kuulasid üks 20.–30. eluaastates naine ja kaks samas vanuserühmas meest 16 tundi erinevaid taskuhäälinguid. Neile kuulamiseks pakutud sisu ulatus teemadelt seinast seina, et koodimurdja õpiks töötama erinevat sorti materjaliga.
Ette söödetud ajusalvestiste põhjal tegi koodimurdja terve rea oletusi, milline võiks olla uuritavate ajusalvestiste sisu. Huthi sõnul olid just need masina tehtud oletused võtmetähtsusega, et olla kindel masina võimes tõlgendada neidki mõtteid, mis ühegi katses kasutatud taskuhäälinguga ei seostunud.
Uurijad võrdlesid seejärel masina oletusi ja reaalajas tehtud fMRT salvestusi. Ehtsa salvestusega kõige enam kokku sobiv ennustus otsustas, millised sõnad koodimurdja lõpuks välja pakkus.
Järgmiseks tahtsid uurijad veenduda, kui edukalt masin koodi lahti muukis. Nad andsid koodimurdja üllitistele punkte selle eest, kui sarnane oli see katseisikule ette mängitud helisisuga. Ühtlasi andsid nad punkte sama masina pakutud keelematerjalile, mida fMRT ajusalvestistega ei võrreldud. Seejärel võrdlesid nad saadud tulemusi ja otsisid nende vahelt olulist erinevust.
Tulemused viitasid, et algoritmi arva-ja-kontrolli protseduur paneb ajapikku fMRT-salvestiste põhjal kokku taskuhäälingus kõlanud tervikmõtete rea. Sel viisil koostatud lugu klapib Huthi sõnul üsna hästi tegelikult taskuhäälingus kõlanud mõtetega.
Siiski on algoritmil mõned puudujäägid. Näiteks ei talleta see väga hästi asesõnu ning ajab tihtipeale sassi esimese ja kolmanda isiku. Teisisõnu teab koodimurdja üsna hästi, mis toimub, aga mitte, kes parasjagu tegutseb.
Mis saab privaatsusest?
Uuringuga mitte seotud neuroteadlase Sam Nastase sõnul on fMRT kasutamine sedalaadi aju-dešifreerimiseks vapustav, sest MRT-andmed laekuvad tavaliselt aeglaselt ja on kehva lahutusvõimega. Tema sõnul võimaldab piisavalt nutikas mudeldamisraamistik salvestistest kätte saada aga üllatavalt palju infot.
Kuna ajukoodi murdmiseks pole tarvis ajju tungida, võiks see Huthi sõnul tõenäolisemalt päriselt kasutust leida, kui naha alla pugevad meetodid. Samas on MRT-masinate kasutamine kallis ja selle alla minevatele inimestele ebamugav. Tema sõnul võiks proovida ka teist mitteinvasiivset ja lihtsamat varustust nõudvat tehnikat magnetoentsefalograafiat. Viimasel juhul ei jälgita mitte vere liikumist ajus, vaid otsesemalt ajurakkude elektrilist aktiivsust.
Huth sõnul on koodimurdja edu juures kõige põnevam see, kui head sissevaadet see ajus toimuvasse pakub. Näiteks paljastavad tulemused tema sõnul, millised aju osad vastutavad tähendusloome eest.
Huthi üllatas kõige rohkem, et kuigi koodimurdjat õpetati kõneldavat keelt kuulavate uuritavate andmete põhjal, suutis see taastada ka uuritavatele näidatud stiimulid, mis keelt kui sellist ei kasutanudki. Näiteks sai algoritmiga edukalt paljastada katseisikutele näidatud tummfilmi tähenduse, aga ka selle, kui uuritav kujutas endale ette, et jutustab ise mingit lugu.
Praegu veel eelretsenseerimata töö tulemus tekitab uuringuga mitte seotud teadlastes siiski küsimusi, kuidas töötlevad koodimurdjad keele tähendusi võrreldes teksti või kõne kujul oleva keele kui sellisega. Kuna uus algoritm murrab lahti pigem tähendusi kui üksikuid sõnu, võib selle edu olla keeruline mõõta, sest paljud sõnade kombinatsioonid võiksid olla hea sisend.
Huth teadvustab sedagi, et mõnede inimeste jaoks võib nii-öelda edukalt mõtteid lugev tehnoloogia olla hirmutav. Töörühm on tema sõnul aga oma töö tagajärjed läbi mõelnud ja uurinud sedagi, kas koodimurdja töötaks juhul, kui uuritav vabatahtlikult end uurida ei laseks.
Selleks palusid nad mõnedes katsetes heli ette mängimise ajal uuritavatel oma mõtte mingi teise vaimse ülesandega kõrvale viia. Näiteks paluti neil numbreid lugeda, loomi ette kujutada ja kujutleda end mingit teist lugu jutustamas. Ilmnes, et loomade nimetamine ja ettekujutamine ajas koodimurdja kõige edukamalt valejälgedele.
Privaatsuse vaatepunktist on oluline seegi, et ühe inimese ajusalvestiste põhjal treenitud koodimurdja ei suutnud taastada teise inimese keelt. Teisisõnu peaks inimene masina õpetamisse üksjagu aega panustama, enne kui see tema mõtteid korrektselt välja loeb.
Eelretsenseerimata uuring on leitav võrguvaramust bioRxiv.
Err.ee
