متا به عنوان یکی از شرکت‌های پیشرو در توسعه فناوری‌های متن‌باز، در موقعیتی قرار دارد که می‌تواند چالش‌های پزشکی را با استفاده از هوش مصنوعی حل کند و پیشرفت‌های مهمی را در حوزه‌های علوم اقلیمی و حفاظت از محیط زیست رقم بزند و تعهد خود به علم باز و قابل بازتولید را حفظ کند.
به گزارش سیتنا، در یک دهه گذشته، آزمایشگاه تحقیقات بنیادی هوش مصنوعی متا (FAIR) در پاریس در خط مقدم پژوهش‌های علمی قرار داشته است. این آزمایشگاه پیشرفت‌های مهمی را در حوزه‌های پزشکی، علوم اقلیمی و حفاظت از محیط زیست رقم زده و تعهد خود به علم باز و قابل بازتولید را حفظ کرده است.
اکنون، با نگاهی به دهه پیش رو، متا تمرکز خود را بر دستیابی به هوش ماشینی پیشرفته (AMI) و استفاده از آن برای توسعه محصولات و نوآوری‌هایی به نفع همه قرار داده است.
در همکاری با مرکز باسک برای شناخت، مغز و زبان (BCBL) در سن سباستین اسپانیا، متا دو پیشرفت علمی قابل توجه را معرفی کرده است که نشان می‌دهد چگونه هوش مصنوعی می‌تواند به درک بهتر هوش انسانی کمک کند و ما را یک گام به AMI نزدیک‌تر سازد.
- رمزگشایی تولید جملات از طریق سیگنال‌های مغزی: پژوهشگران موفق شده‌اند با استفاده از روش‌های غیرتهاجمی، تولید جملات را از فعالیت‌های مغزی رمزگشایی کنند. نتایج این پژوهش نشان می‌دهد که هوش مصنوعی قادر به بازسازی تا ۸۰ درصد از کاراکترهای تایپ‌شده از سیگنال‌های مغزی است، که در بسیاری از موارد به بازسازی کامل جملات منجر می‌شود.
- درک چگونگی تبدیل افکار به زبان در مغز: در این مطالعه، متا نشان داده است که هوش مصنوعی می‌تواند به ما کمک کند تا درک کنیم چگونه مغز افکار را به دنباله‌ای از کلمات تبدیل می‌کند. این پژوهش نگاهی دقیق‌تر به فرآیند پردازش زبان در مغز ارائه می‌دهد.
هر سال میلیون‌ها نفر به دلیل آسیب‌های مغزی توانایی برقراری ارتباط خود را از دست می‌دهند. در حال حاضر، یکی از راهکارهای موجود برای بازیابی توانایی ارتباط، استفاده از پروتزهای عصبی است که سیگنال‌های مغزی را دریافت کرده و آن‌ها را به کمک یک هوش مصنوعی به گفتار یا متن تبدیل می‌کنند. اما این روش‌ها معمولاً تهاجمی هستند و به جراحی‌های پیچیده‌ای مانند الکتروکورتیکوگرافی (ECoG) نیاز دارند که قابلیت گسترش‌پذیری پایینی دارد.
در این پژوهش، تیم متا از روش‌های مغناطیس‌نگاری مغزی (MEG) و الکتروانسفالوگرافی (EEG) برای ضبط سیگنال‌های مغزی ۳۵ داوطلب سالم در مرکز باسک برای شناخت، مغز و زبان (BCBL) هنگام تایپ کردن استفاده کردند. سپس، یک مدل جدید هوش مصنوعی آموزش داده شد تا جملات تایپ‌شده را صرفاً از روی این سیگنال‌ها بازسازی کند. نتایج نشان داد که این مدل توانست تا ۸۰ درصد کاراکترهای تایپ‌شده را رمزگشایی کند، که دو برابر دقت روش EEG کلاسیک است.
با وجود این پیشرفت، هنوز چالش‌های قابل‌توجهی برای استفاده از این روش در محیط‌های درمانی وجود دارد:
- دقت محدود: عملکرد مدل‌های هوش مصنوعی هنوز کاملاً بی‌نقص نیست و در برخی موارد ممکن است اطلاعات نادرستی را بازسازی کند.
- نیاز به محیط خاص: استفاده از MEG مستلزم قرار گرفتن افراد در اتاق‌های مخصوص با میدان مغناطیسی محافظت‌شده و عدم حرکت در طول آزمایش است، که این امر کارایی آن را در شرایط واقعی کاهش می‌دهد.
- نیاز به آزمایش بر روی بیماران واقعی: این پژوهش روی افراد سالم انجام شده است و باید مشخص شود که آیا این فناوری می‌تواند برای افرادی که دچار آسیب‌های مغزی هستند نیز به همان اندازه کارآمد باشد.
یکی دیگر از چالش‌های اساسی در حوزه علوم اعصاب، درک مکانیزم‌های عصبی تولید زبان در مغز است. پژوهش‌های قبلی در این زمینه دشوار بوده‌اند، زیرا حرکت دهان و زبان باعث ایجاد اختلال در سیگنال‌های عصبی ثبت‌شده توسط روش‌های تصویربرداری مغزی می‌شود.
برای بررسی دقیق‌تر این موضوع، تیم تحقیقاتی متا از هوش مصنوعی برای تحلیل سیگنال‌های MEG در هنگام تایپ استفاده کردند. با ثبت ۱۰۰۰ تصویر از مغز در هر ثانیه، محققان توانستند لحظه‌ای را که افکار به کلمات، هجاها و حتی حروف منفرد تبدیل می‌شوند، شناسایی کنند.
مطالعات نشان داد که مغز یک دنباله از بازنمایی‌های عصبی پویا (Dynamic Neural Code) را ایجاد می‌کند که به آن اجازه می‌دهد کلمات و حرکات متوالی را همزمان پردازش و ذخیره کند. این یافته‌ها بینش عمیقی را در مورد نحوه عملکرد مغز در تولید زبان ارائه می‌دهد و می‌تواند در مسیر توسعه AMI بسیار مهم باشد.
متا به عنوان یکی از شرکت‌های پیشرو در توسعه فناوری‌های متن‌باز، در موقعیتی قرار دارد که می‌تواند چالش‌های پزشکی را با استفاده از هوش مصنوعی حل کند.
به عنوان مثال، شرکت فرانسوی «برایت هارت» (BrightHeart) از مدل DINOv2 متا برای کمک به پزشکان در تشخیص نقص‌های مادرزادی قلبی از طریق سونوگرافی استفاده می‌کند. این شرکت اخیراً تأییدیه FDA 510(k) را برای نرم‌افزار خود دریافت کرده که یکی از عوامل کلیدی موفقیت آن، استفاده از مدل‌های متن‌باز متا بوده است.
همچنین، شرکت آمریکایی Virgo از DINOv2 برای تجزیه‌وتحلیل ویدئوهای اندوسکوپی استفاده می‌کند. این مدل توانسته است در طیف وسیعی از شاخص‌های ارزیابی AI برای اندوسکوپی، مانند تشخیص نقاط تشریحی، ارزیابی شدت بیماری کولیت اولسراتیو و شناسایی پولیپ‌های روده عملکردی در سطح استانداردهای جهانی ارائه دهد.
هوش مصنوعی به سرعت در حال تغییر نحوه درک ما از مغز و فرآیندهای شناختی است. پژوهش‌های اخیر نشان داده‌اند که AI می‌تواند زبان را مستقیماً از مغز رمزگشایی کند، فرآیندهای شناختی مرتبط با تولید زبان را درک کند، و به توسعه راهکارهای درمانی برای افرادی که دچار ناتوانی‌های ارتباطی هستند کمک کند.
با نگاه به دهه آینده، متا قصد دارد به تحقیقات خود در زمینه هوش ماشینی پیشرفته (AMI) ادامه دهد و از این فناوری برای حل برخی از بزرگ‌ترین چالش‌های علمی و اجتماعی بهره ببرد. ادامه همکاری با موسسات تحقیقاتی پیشرو، به ما کمک خواهد کرد تا از این پیشرفت‌ها برای بهبود زندگی افراد در سراسر جهان استفاده کنیم.
نظرات کاربران