AI读取人脑信息准确率高达82%

AI读取人脑信息准确率高达82%德克萨斯大学奥斯汀分校的神经伦理学家基于GPT-1开发了一种语言解码器，可通过人脑的磁共振成像将人类听到的语音、想象的语言与看到的无声电影转化成文字。研究人员让志愿者们躺在磁共振成像仪中记录大脑活动，同时让他们每人收听16小时的博客，这些博客主要是一些TED演讲和脱口秀。再将脑成像信息与故事细节以及AI理解语义关系的能力相结合，研究人员开发了一张大脑应对不同内容做出反应短语的编码图。结果当志愿者想象「我还没有驾照」这句话时，AI会将之解码为「她甚至还没有开始学开车」；当志愿者观看动画电影《新特尔》中女孩照顾小龙的片段时，AI也会根据大脑信息将之转换成文字。研究人员还发现，这项技术很容易被欺骗，当参与者听着故事录音却想着其它故事时，解码器无法确定他们听到的是什么词，比如内心数数字和罗列动物。并且编码图也因人而异，这意味着研究人员无法创建一种适用于所有人的解码器。https://www.nature.com/articles/s41593-023-01304-9频道：@TestFlightCN

AI读心术来了，准确率高达82%？论文已刊登在Nature

AI读心术来了，准确率高达82%？论文已刊登在Nature根据实验结果显示，GPT人工智能大模型感知语音的准确率可高达82%，令人惊叹。01.“读心术”的探索事实上，科技圈对“读心术”的探索并非近日才展开。过去，马斯克建立的神经科技公司Neuralink也一直在寻找高效实现脑机接口的方法，其还与加州大学戴维斯分校合作，实现用猴子大脑控制电脑的实验，旨在最终想要将芯片植入大脑，用“细丝”探测神经元活动。不过，值得注意的是，Neuralink的这种方案属于侵入式的。所谓侵入式，是指将脑机接口直接植入到大脑的灰质，因而所获取的神经信号的质量比较高。这种方式的缺点是容易引发免疫反应和愈伤组织（疤），进而导致信号质量的衰退甚至消失。与之相对应的是非侵入式脑机接口，它是一种能够在人脑与外部设备之间直接建立通讯的人机交互技术，具有操作便捷、风险性小等优点。以往，行业内可以通过功能性磁共振成像（FMRI）捕捉人类大脑活动的粗糙、彩色快照。虽然这种特殊类型的磁共振成像已经改变了认知神经科学，但是它始终不是一台读心机：神经科学家无法通过大脑扫描来判断某人在扫描仪中看到、听到或思考的内容。此后，神经科学家一直希望可以使用fMRI等非侵入性技术来破译人类大脑内部的声音，而无需手术。如今，随着《Semanticreconstructionofcontinuouslanguagefromnon-invasivebrainrecordings》论文的发布，该论文的主要作者JerryTang通过将fMRI检测神经活动的能力与人工智能语言模型的预测能力相结合，可以以惊人的准确度重现人们在扫描仪中听到或想象的故事。解码器甚至可以猜出某人在扫描仪中观看短片背后的故事，尽管准确性较低，但也实现了一大进步。这也意味着，参与者不需要植入任何外界设备，AI系统就能解码大脑中的想法。02.没说过的话，AI是怎么知道的？自ChatGPT、GPT-4发布的几个月间，我们见证了大模型根据提示词不断输出内容的过程。要问AI系统如何了解人类大脑中的想法，在论文中，研究人员透露，首先让参与者听新故事，然后功能性磁共振成像（FMRI）可以呈现出参与者大脑的活动状态。进而，基于最新开发的语义解码器将这些状态，生成相应的单词序列，并通过将用户大脑反应的预测与实际记录的大脑反应进行比较，最终预测每个候选单词序列与实际单词序列的相似程度，看看准确率如何，是否能“读心”。具体来看，为了收集大脑活动数据，研究人员让研究对象在fMRI扫描仪内听一些音频故事。与此同时，通过fMRI扫描仪观察他们的大脑在听这些话时反应情况。如图a所示，3名受试者在听16小时的叙述性的故事时，AI系统记录了MRI（磁共振成像）的反应。然后，MRI数据被发送到计算机系统中。在这个过程中，研究人员使用了基于贝叶斯统计的解码框架。大型语言模型GPT-1在系统的自然语言处理部分提供了帮助。由于这个神经语言模型是在大量的自然英语单词序列数据集上进行训练的，它擅长预测最可能的单词。接下来，研究人员在这个数据集上训练编码模型。在初始训练时，如b图所示，当受试者在试听此前没有用于模型训练的测试故事时，大脑会做出不同的反应。进而，语义解码器可以根据参与者的大脑活动生成词汇序列，语言模型（LM）为每个序列提出连续性，而编码模型对每个连续性下记录的大脑反应的可能性进行评分。简单来看，语义解码器学会了将特定的大脑活动与特定的单词流相匹配。然后根据匹配出来的单词流，试图重新输出这些故事。不过，语义解码器主要捕捉了参与者想法中的要点，并不是一字一句的完整思想内容。如参与者听到的是，“我从气垫上站起来，把脸贴在卧室窗户的玻璃上，希望看到有一双眼睛盯着我，但却发现只有一片黑暗。”但是想法却是，“我继续走到窗前，打开窗户，我什么也没看见，再抬头看，什么也没看见。”又比如说参与者听到的是，“我还没有驾照”，语义解码器解码之后的版本可能是，“她还没有学会开车”。语义解码器捕捉参与者的想法通过这种方法，在一系列语言相似性指标下，语义解码器对测试故事的预测与实际刺激词的相似度明显高于预期。准确率也高达82%。该论文的另一位作者AlexanderHuth表示，他们对系统出色的表现感到惊讶。他们发现解码后的单词序列通常能够准确地捕捉到单词和短语。他们还发现他们可以从大脑的不同区域分别提取连续的语言信息。除此之外，为了测试解码的文本是否准确捕捉到故事的含义，研究人员还进行了一项行为实验，通过向只阅读解码后单词的受试者提问一系列问题。受试者在没有看过视频的情况下，能够正确回答超过一半的问题。03.语义解码器刚起步，道阻且长不过，当前，该语义解码器还无法在实验室以外的地方使用，因为它依赖于fMRI设备。对于未来的工作，研究人员希望自然语言神经网络的快速进展能够带来更好的准确性。到目前为止，他们发现较大、现代的语言模型至少在编码部分工作得更好。他们还希望能够使用更大的数据集，比如每个受试者100或200小时的数据。虽然这种非侵入性的方式，可能会对医学维度的研究以及患者有极大的好处，使其可以与他人进行可理解的交流，但是也存在隐私、伦理审查、不平等和歧视、滥用和侵犯人权等诸多问题，所以想要现实中应用也大有难度。与此同时，研究人员表明，语义解码器仅在接受过训练的人身上以及与其合作下才能正常工作，因为针对一个人训练的模型不适用于另一个人，当前还无法做到通用。“虽然这项技术还处于起步阶段，但重要的是要规范它能做什么，不能做什么，”该论文的主要作者JerryTang警告说。“如果它最终可以在未经个人许可的情况下使用，就必须有（严格的）监管程序，因为如果滥用预测框架可能会产生负面后果。”该小组已在GitHub上提供了其自定义解码代码。据悉该团队也在得克萨斯大学系统的支持下提交了与这项研究直接相关的专利申请。...PC版：https://www.cnbeta.com.tw/articles/soft/1358759.htm手机版：https://m.cnbeta.com.tw/view/1358759.htm

开创性的AI技术诊断两岁以下儿童自闭症的准确率高达98.5%

开创性的AI技术诊断两岁以下儿童自闭症的准确率高达98.5%一种开创性的人工智能系统利用脑核磁共振成像诊断技术，可以非常准确地诊断出24至48个月大儿童的自闭症，两岁以下儿童自闭症的准确率高达98.5%，为更早、更有效地治疗和管理自闭症铺平了道路。在北美放射学会（RSNA）年会上展示的这一系统通过分析专门的脑部核磁共振成像诊断自闭症的准确率高达98.5%，令人印象深刻。肯塔基州路易斯维尔大学访问研究学者、理学士MohamedKhudri是一个多学科团队的成员，该团队开发了三阶段系统来分析和分类大脑弥散张量MRI（DT-MRI）。DT-MRI是一种特殊技术，可检测水如何沿着大脑白质束流动。Khudri说："我们的算法经过训练，可以识别出偏差区域，从而诊断出一个人是自闭症患者还是神经症患者。"人工智能系统包括从DT-MRI扫描中分离出脑组织图像，并提取显示大脑区域之间连通性水平的成像标记。机器学习算法将自闭症儿童大脑中的标记模式与正常发育大脑中的标记模式进行比较。单张图像中的五大白质特征（区域对）。颜色图为黄色=小脑上梗（R）/无楔束（R），橙色=穹窿柱和穹窿体/放射状后冠（L），紫色=脾脏/网状结构内囊（L），蓝色=背侧扣带回（L）/穹窿嵴（R），绿色=脾脏/外囊（R）。图片来源：RSNA/MohamedKhudri,B.Sc."自闭症主要是一种大脑内部连接不当的疾病，"共同作者、路易斯维尔诺顿儿童自闭症中心主任、神经学教授、医学博士格雷戈里-巴恩斯（GregoryN.Barnes）说。"DT-MRI捕捉到了这些导致自闭症儿童经常出现的症状的异常连接，如社交沟通障碍和重复行为。"研究人员将他们的方法应用于自闭症脑成像数据交换-II中226名年龄在24到48个月之间的儿童的DT-MRI脑扫描。数据集包括126名受自闭症影响的儿童和100名发育正常儿童的扫描结果。该技术在识别自闭症儿童方面的灵敏度为97%，特异度为98%，总体准确率为98.5%。Khudri说："我们的方法是一项新的进步，能够早期发现两岁以下婴儿的自闭症。我们相信，在三岁前进行治疗干预可以带来更好的结果，包括自闭症患者有可能获得更大的独立性和更高的智商。"根据美国疾病预防控制中心发布的《2023年自闭症社区报告》，不到一半的自闭症谱系障碍儿童在3岁前接受了发育评估，30%符合自闭症谱系障碍标准的儿童在8岁前没有得到正式诊断。巴恩斯博士说："早期干预的理念是利用大脑的可塑性，即通过治疗使大脑功能恢复正常的能力。成像技术有望以客观的方式快速检测自闭症。我们设想了一种自闭症评估方法，首先进行DT-MRI评估，然后由心理学家进行简短的会诊，确认结果并指导家长采取下一步措施。这种方法可以减少心理学家多达30%的工作量。"研究人员说，患有自闭症的婴幼儿迟迟得不到诊断有几个原因，其中包括测试中心带宽不足，他们的人工智能系统可以促进精确的自闭症管理，同时减少与评估和治疗相关的时间和成本。人工智能系统会生成一份报告，详细说明哪些神经通路受到了影响、对大脑功能的预期影响以及严重程度分级，可用于指导早期治疗干预。研究人员正在努力实现其人工智能软件的商业化，并获得美国食品和药物管理局（FDA）的许可。...PC版：https://www.cnbeta.com.tw/articles/soft/1400141.htm手机版：https://m.cnbeta.com.tw/view/1400141.htm

OpenAI 正开发“AI 生成图片识别器”：准确率达 99%

OpenAI正开发“AI生成图片识别器”：准确率达99%10月18日晚间消息，OpenAI称其正在开发一款新工具，能够以相当高的精度判断一张图片是否是人工智能所绘制。除了聊天机器人和撰稿工具ChatGPT之外，OpenAI公司还开发过一款名为“DALL-E”的人工智能图片生成器。当地时间周二，该公司首席技术官米拉・穆拉蒂（MiraMurati）透露，该公司开发的AI图片识别工具，能够以99%的准确率判断一张图片是否是人工智能工具所绘制。穆拉蒂介绍，这款图片识别工具正在进行内部测试，后续将会发布，但是她并未提供很具体的发布时间。今年初，OpenAI公司也推出了一个识别工具，主要识别一段文章是否是人工智能助手所创作，但是意外的是，这款产品7月份就被撤架，原因是准确率不高，对用户来说还不可靠。撤架时，OpenAI公司表示后续将会继续完善这个识别产品，另外还要识别其他人工智能助手创作的内容，比如图片、音频等。来源：https://m.ithome.com/html/725852.htm投稿：@ZaiHuaBot频道：@TestFlightCN

印度一研究通过分析声音判断感冒 准确率达70%

印度一研究通过分析声音判断感冒准确率达70%研究人员主要分析人类讲话时的声音节奏，它相当于谐波，振幅随着频率增加会减小，研究人员认为感冒会打破常规声音模式。然后研究人员将会信息输入机器学习算法，让算法区分正常声音与病患声音的差异。测试对象先从0数到40，然后告诉研究人员周末做了什么，再然后朗诵伊索寓言《北风与太阳》。研究发现AI判断对象是否感冒的准确率达到70%。对于这项技术的价值，研究人员解释称，AI如果能判断人类是否感冒就没有必要浪费钱，没有必要花时间去看医生。当然啦，如果以后有员工想装病请假那就难多了。去年曾有研究团队尝试通过病人的呼吸模式来诊断帕金森病，用AI分析声音甚至可以判断对象是否患有抑郁症或者癌症。...PC版：https://www.cnbeta.com.tw/articles/soft/1353845.htm手机版：https://m.cnbeta.com.tw/view/1353845.htm

通过声音就能检测新冠 准确率高达89% AI还能这样？

通过声音就能检测新冠准确率高达89%AI还能这样？随着科技创新发展和技术的不断进步，AI技术正日益广泛地应用在我们的日常生活中。近日，CNMO了解到，在西班牙巴塞罗那举行的欧洲呼吸学会国际会议上公布的一项研究显示，AI可通过手机应用程序从人们声音中检测出新冠肺炎感染，它比快速抗原测试更准确（达到89%），且更便宜、快速和易于使用。据报道，研究团队使用了来自英国剑桥大学“新冠肺炎声音库”应用程序的数据，该应用程序包含来自4352名健康和非健康参与者的893个音频样本。研究人员在研究过程中使用了一种名为梅尔谱图的语音分析技术，该技术可识别不同的语音特征，如响度、功率和随时间的变化情况。荷兰马斯特里赫特大学数据科学研究所研究员瓦法阿·阿尔杰巴维称，研究结果表明，简单的语音记录和AI算法可以精确确定哪些人感染新冠肺炎，此外，还支持远程虚拟测试，检测结果可在不到一分钟内出来，这类测试可用于大型集会的检测点，对人群进行快速筛查。此外，为了区分新冠肺炎患者和未患病的人的声音，研究人员建立了不同的AI模型。他们发现，长短期记忆（LSTM）模型在对新冠肺炎病例进行分类方面做得最好。这种AI-LSTM模型的总体准确率为89%，正确检测阳性病例的能力（真阳性率或敏感性）为89%，正确识别阴性病例的能力（真阴性率或特异度）为83%。PC版：https://www.cnbeta.com/articles/soft/1313093.htm手机版：https://m.cnbeta.com/view/1313093.htm