Η πρόσφατη έρευνα, της οποίας ηγήθηκε ο Μαρσέλ Τζαστ, βασίζεται στη χρήση αλγορίθμων machine learning σε συνδυασμό με τεχνολογία brain imaging, για να καταστήσει εφικτό το «διάβασμα της σκέψης». Τα ευρήματά της υποδεικνύουν πως τα δομικά στοιχεία που χρησιμοποιεί ο εγκέφαλος για να συνθέτει πολύπλοκες σκέψεις σχηματίζονται από τα διάφορα «υποσυστήματα» του εγκεφάλου και δεν βασίζονται σε λέξεις.
Η έρευνα, που δημοσιεύτηκε στο Human Brain Mapping, με τη χρηματοδότηση της Intelligence Advanced Research Projects Activity (IARPA), δείχνει πως, από νευρικής/ νευρολογικής άποψης, η απεικόνιση εννοιών είναι κοινή, ανεξαρτήτως λαών και γλωσσών.
«Ένα από τα μεγάλα προτερήματα του ανθρώπινου εγκεφάλου ήταν η δυνατότητα να συνδυάζει μεμονωμένες έννοιες σε πολύπλοκες σκέψεις, να σκέφτεται όχι απλά “μπανάνες”, αλλά “μου αρέσει να τρώω μπανάνες το βράδυ με τους φίλους μου» τονίζει ο Τζαστ. «Ανακαλύψαμε επιτέλους έναν τρόπο να βλέπουμε σκέψεις τόσο πολύπλοκες στην ένδειξη fMRI (Functional magnetic resonance imaging). H ανακάλυψη αυτού του συσχετισμού μεταξύ σκέψεων και αλληλουχιών ενεργοποίησης εγκεφάλου μας δείχνει από τι είναι φτιαγμένες οι σκέψεις».
Η νέα έρευνα επιδεικνύει πως η κωδικοποίηση (από πλευράς του εγκεφάλου) 240 πολύπλοκων γεγονότων, όπως η προαναφερθείσα κραυγή του μάρτυρα στη δίκη, χρησιμοποιούσε ένα «αλφάβητο» 42 στοιχείων εννοιών (σημασιολογικά εντοπίσιμων, από νευρολογικής πλευράς, χαρακτηριστικών), που αποτελούνται από διάφορες ιδιότητες (μέγεθος, περιβάλλον, άτομο, κοινωνική αλληλεπίδραση κ.α.).
Κάθε πληροφορία περνά από επεξεργασία σε διαφορετικό «υποσύστημα» του εγκεφάλου- ο τρόπος με τον οποίο ο εγκέφαλος επίσης επεξεργάζεται τα δεδομένα σχετικά με αντικείμενα. Μετρώντας και αξιολογώντας τις ενεργοποιήσεις αυτές σε κάθε εγκεφαλικό «υποσύστημα», το πρόγραμμα μπορεί να αντιληφθεί τι είδους σκέψεις είναι αυτές που είναι σε εξέλιξη.
Οι ερευνητές χρησιμοποίησαν ένα υπολογιστικό μοντέλο σε επτά ενήλικους συμμετέχοντες, όπως αναφέρει το naftemporiki.gr, για να αξιολογήσουν πώς οι ακολουθίες ενεργοποίησης εγκεφάλου για 239 προτάσεις αντιστοιχούσαν στο «αλφάβητο». Μετά, το πρόγραμμα ήταν σε θέση να «αποκωδικοποιήσει» μια 240ή πρόταση, την οποία δεν είχε «δει» ξανά πριν, με ακρίβεια 87% , ενώ στη συνέχεια ακολούθησε επανέλεγχος/ επικύρωση, με διαφορετική πρόταση να «μένει έξω» κάθε φορά, αναλαμβάνοντας τον «ρόλο» της 240ης πρότασης.
Επίσης, το σύστημα μπόρεσε να δουλέψει και ανάποδα, προβλέποντας την ακολουθία ενεργοποίησης άγνωστων προτάσεων, γνωρίζοντας μόνο τα σημασιολογικά χαρακτηριστικά/ στοιχεία εννοιών τους.
«Το επίτευγμα αυτό καθιστά για πρώτη φορά δυνατή την αποκωδικοποίηση σκέψεων που περιέχουν πολλές έννοιες…ένα επόμενο βήμα θα μπορούσε να είναι η αποκωδικοποίηση του γενικού θέματος για το οποίο σκέφτεται κάποιος, όπως πχ η γεωλογία ή το skateboarding. Οδεύουμε στο να δημιουργήσουμε έναν χάρτη για όλα τα είδη γνώσης στον εγκέφαλο» λέει ο Τζαστ.
