
Leggere il pensiero con l’intelligenza artificiale è possibile grazie a Brain-IT, un modello mappa con precisione l’attività cerebrale. Lo racconta uno studio con tanto di dichiarazioni dei ricercatori, pubblicato sul sito di Weizmann. Brain-IT è stato sviluppato dentro un laboratorio del Weizmann Institute of Science da Michael Irani e il suo team. Brain-IT è un modello che identifica le attività cerebrali, le disegna, le interpreta e riesce a dire con precisione cosa pensano le persone sull’istante. E cosa stanno immaginando, le parole che vogliono dire, su cosa stanno riflettendo, rimuginando, progettando o che lampi di genio stanno nascendo.
Tra le cose che Brain-IT riesce a fare benissimo c’è la capacità di identificare attività cerebrali che si ripetono e tradurle in immagini e con una velocità nuova e impressionante. L’intelligenza artificiale per leggere il pensiero non ha uno scopo di pura curiosità ma un intento terapeutico importante. Con Brain-IT, gli scienziati possono aiutare persone affette da paralisi grave a parlare. Inoltre, riescono a restituire una comunicazione integra a pazienti che possono soffrire di solitudine e depressione dovuta all’infermità totale.
Pensiero umano mappato al secondo vs scarsità di dati: gli scienziati affrontano una sfida inedita e diventano pionieri dell’impossibile
Ecco che cosa afferma Irani: “Esistono modelli che traducono l’attività cerebrale in immagini, e possono persino produrre ricostruzioni impressionanti che preservano abbastanza bene il significato semantico dell’immagine. Tuttavia, tendono a commettere errori in elementi basilari come la composizione e il colore. Il nuovo modello che abbiamo sviluppato li supera nella ricostruzione sia del contenuto dell’immagine che dei suoi dettagli. Inoltre, mentre tutti gli altri modelli richiedono decine di ore di scansioni cerebrali per imparare a ‘leggere’ una nuova persona, il nostro modello ne richiede solo un’ora”.
Con il nuovo percorso Brain-IT, la lettura del pensiero con l’intelligenza artificiale presenta delle novità e evoluzioni importanti. Saranno presentate alla prossima International Conference on Learning Representations (ICLR), una delle principali conferenze mondiali sull’intelligenza artificiale. Con Irani, hanno lavorato diversi scienziati del Dipartimento di Informatica e Matematica Applicata del Weizmann College: Roman Beliy, Amit Zalcher, Jonathan Kogman e Navve Wasserman. Hanno raggiunto passi da giganti con una grave carenza di dati e questo rende le loro scoperte ancor più eccezionali.
“Ci siamo resi conto – nelle spiegazioni di Irani – che, traducendo avanti e indietro – da un’immagine casuale mai visualizzata in una macchina fMRI, a una scansione cerebrale prevista, e poi di nuovo all’immagine di partenza – i modelli avrebbero di fatto costruito un enorme dataset. L’idea era di fornire all’encoder immagini che non erano mai state mostrate a una persona in uno scanner MRI, generare scansioni cerebrali stimate per loro e passare queste scansioni al decoder, che avrebbe cercato di ricostruire l’immagine originale a partire da esse. In questo modo, durante l’addestramento, i modelli avrebbero imparato a generare scansioni che codificassero le immagini in modo efficace, anche se quelle scansioni fMRI non erano mai state effettivamente eseguite”.
- Tecnologia Smart Energy Tech: bilancia la corretta temperatura del ferro e la giusta quantità di vapore per eliminare...
- Piastra con rivestimento Pro Ceramic: scorre facilmente e permette una diffusione uniforme del calore, rispettando tutte...
- 2400 Watt, colpo di vapore da 160 grammi al minuto
Ultimo aggiornamento 2026-11-19 / Link di affiliazione / Immagini da Amazon Product Advertising API






