W przyszłości osoby nieme będą mogły swobodnie i wyraźnie wymawiać słowa dzięki urządzeniom przekształcającym aktywność ich mózgu w syntetyzowany głos. Naukowcy z Uniwersytetu Kalifornijskiego w San Francisco zrobili ostatnio duży krok w kierunku ulepszenia tej technologii, umożliwiając sztucznej inteligencji odtwarzanie głosu bez czytania myśli, ale poprzez analizę ruchów ust. Rezultat był imponujący - zsyntetyzowany głos słychać już teraz.
Oczekuje się, że urządzenie będzie działać, gdy osoba fizycznie lub psychicznie odtwarza ruchy ust, nawet jeśli nie wydaje żadnych dźwięków. Aby zrozumieć, które obszary ludzkiego mózgu są aktywowane przez określone ruchy ust, naukowcy zrekrutowali pięciu ochotników do badania. Czytają krótkie fragmenty bajek dla dzieci - w trakcie tego procesu elektrody osadzone w ich mózgach odczytują ich aktywność.
Ostatecznie naukowcy opracowali dwie sieci neuronowe: pierwsza dopasowała sygnały mózgowe do ruchów warg, a druga przekształciła te ruchy w syntetyzowaną mowę. Ochotnikom rzeczywiście udało się powtórzyć fragmenty zdań - około 69% zsyntetyzowanych słów można łatwo rozpoznać na nagraniach. Podobnie jak w przypadku innych badań, im krótsze zdania, tym dokładniejszy wynik.
Naukowcy mogą udoskonalić tę technologię, stosując implanty mózgowe z gęstszymi elektrodami i wyrafinowanymi algorytmami uczenia maszynowego. Stwierdzono wspólne cechy między reakcjami mózgu różnych uczestników badania, co sugeruje, że przyszłe urządzenia do syntezy mowy można łatwo dostosować do każdej osoby. Naukowcy zauważyli również, że sztuczna inteligencja czasami rozpoznaje dźwięki, które nie są wykorzystywane w treningu, co również daje wielką nadzieję.
Ramis Ganiev