Обложка канала

Блуждающий нерв

3230 @dtulinov

Исследования мозга, нейротехнологии, генная инженерия и др. смежные темы -- что происходит в этой области. Ссылки на научные источники.

Блуждающий нерв

3 года назад
Открыть в
GPT, мозг и сверхстимулы | Новый препринт от MIT Language Lab сразу напомнил работу, где генеративная нейросеть сочиняла картинки, возбуждающие нейроны у обезьян. По сути, это развитие той же идеи, только уже не на картинках, а на текстовых фразах для людей. В препринте, конечно же, ссылаются на ту статью, тем более, что авторы работают в соседних зданиях и наверняка знакомы. Главное: в обоих случаях речь идет о создании сверхстимулов для мозга через ИИ генерацию Радует, что Эвелина Федоренко, главный автор препринта, похоже, читала мой текст “Гуманизированные макаки, сверхстимулы и китайская стратегия”. Тогда, в 2019 году, по поводу той статьи про картинки для макак я писал: “Заметим, что сверхстимулы для людей могут быть и семантическими, то есть вызывать нужную реакцию за счет смысла, заложенного в текст, видео или мем. Такой сверхстимул будет воздействовать на мозг сильнее, чем контент, создаваемый обычным путем, и будет, вероятно, так же причудлив, как сгенерированные картинки”. Именно это и сделали в MIT Language Lab. Конечно же, насчет “читала” шучу. 😉 Все это напрашивалось и сразу пришло бы на ум и без моей помощи. Хотя основания пошутить у меня есть, поскольку сотрудница Эвелины тогда же перевела ту мою статью на английский (вот здесь). Если же серьезно — я угадал верно, сверхстимул правда не похож на естественно создаваемый текст: Indeed, we discovered that drive sentences were unusual on various dimensions. Given their properties, these sentences are a priori unlikely to be created or selected by experimenters and unlikely to be present in naturalistic stimuli, like stories, and yet these stimuli are able to drive responses in the language network. Ну и совсем серьезно: данное направление исследований — мозг + генеративный ИИ — может иметь далеко идущие следствия, поскольку выводит наружу скрытые свойства ЕИ. Так что стоит следить за его развитием.
Driving and suppressing the human language network using large language models

Transformer language models are today's most accurate models of language processing in the brain. Here, using fMRI-measured brain responses to 1,000 diverse sentences, we develop a GPT-based encoding model to identify new sentences that are predicted to drive or suppress responses in the human language network. We demonstrate that these model-selected 'out-of distribution' sentences indeed drive and suppress activity of human language areas in new individuals (85.7% increase and 97.5% decrease relative to the diverse naturalistic sentences). A systematic analysis of the model-selected sentences reveals that surprisal and well-formedness of linguistic input are key determinants of response strength in the language network. These results establish the ability of accurate models of the brain to noninvasively control neural activity in higher-level cortical areas, like the language network. ### Competing Interest Statement The authors have declared no competing interest.

bioRxiv