ИИ превращает нейросигналы в естественную речь для парализованных
Реккурентная сеть: от коры прямо в акустику
UCSF: рекуррентная сеть декодирует ЭКоГ-сигналы (5 пациентов с эпилепсией) в речь. Промежуточное представление — артикуляторная динамика (губы, язык, челюсть, гортань). 100 мышц → звук → слова. Естественная скорость ~150 слов/мин vs 10 у существующих устройств.
Архитектура и обучение
- Стек глубоких энкодер-декодер, явная артикуляторная динамика.
- Обучение на звуке + корковых сигналах (ADAM, batch 256 → 25).
- 25 мин речи достаточно для удовлетворительного качества, растет с данными.
- Обобщение: кинематическое пространство похоже у разных людей → перенос модели.
Перспективы BCI
Низкоразмерное представление нейроактивности облегчает обучение мозг-компьютерному интерфейсу. Просудические элементы (интонация) сохраняются. Интуитивно для пациентов с сохранной артикуляторной корой.
Источник: Nature | DOI:10.1038/s41586-019-1119-1 | UC San Francisco
Двухматериальный термоэлектрический кулер: активный режим в 25 раз эффективнее пассивного
XDREAM: ИИ генерирует изображения, которые «любят» нейроны зрительной коры
Промышленные технологии
- Искусственный интеллект в ритейле: доказанные выгоды, а не модная волна
- Как ИИ упрощает повседневную жизнь: от умного отопления к бесшовному контролю
- Искусственные нейронные сети повышают производительность беспроводной связи
- Роботы учатся узнавать 90+ объектов на ощупь: мультимодальный ИИ Berkeley
- ИИ диагностирует Альцгеймер за 6 лет до симптомов с точностью 100%
- ИИ «Сэр Айзек» расшифровывает поведение червя C. elegans под лазером
- ИИ выделил 5 динамических океанических регионов, покрывающих 93,7% Мирового океана
- Speedgate: первый вид спорта, созданный ИИ, революционизирующий физическую игру
- ИИ предсказывает квантовое преимущество: нейросеть прогнозирует поведение систем
- ИИ, машинное и глубокое обучение: ключевые различия и принципы работы