{"id":1943,"date":"2025-09-21T18:18:09","date_gmt":"2025-09-21T15:18:09","guid":{"rendered":"https:\/\/planeta21vek.ru\/deu\/?p=1943"},"modified":"2025-11-20T13:36:56","modified_gmt":"2025-11-20T10:36:56","slug":"ein-neuer-computeralgorithmus-wandelt-menschliche-gedanken-in-text-um","status":"publish","type":"post","link":"https:\/\/planeta21vek.ru\/deu\/2025\/09\/21\/ein-neuer-computeralgorithmus-wandelt-menschliche-gedanken-in-text-um\/","title":{"rendered":"Ein neuer Computeralgorithmus wandelt menschliche Gedanken in Text um"},"content":{"rendered":"

Eine Weiterentwicklung eines bestehenden KI-gest\u00fctzten Gehirndecoders kann menschliche Gedanken ohne stundenlanges Training in Text \u00fcbersetzen. Wissenschaftler haben einen \u201eGehirndecoder\u201c verbessert, der k\u00fcnstliche Intelligenz (KI) nutzt, um Gedanken in Text umzuwandeln. Das KI-Modell kann das Gehirn einer Person mit nicht-invasiven Ger\u00e4ten scannen und Gedanken in geschriebene S\u00e4tze umwandeln \u2013 ohne Implantate.<\/span><\/p>\n

<\/p>\n

In einer Studie entwickelten Wissenschaftler ein KI-Modell, das Gehirnsignale dekodierte, um von Freiwilligen getippte S\u00e4tze zu reproduzieren. In einer zweiten Studie nutzten dieselben Forscher KI, um zu kartieren, wie das Gehirn tats\u00e4chlich Sprache produziert und Gedanken in getippte S\u00e4tze umwandelt.<\/span><\/p>\n

Ein Forscherteam berichtet in einer neuen Studie, dass ihr neuer Konverteralgorithmus einen vorhandenen Decoder schnell auf das Gehirn einer anderen Person trainieren kann. Laut den Wissenschaftlern k\u00f6nnten diese Ergebnisse eines Tages Menschen mit Aphasie helfen, einer Hirnst\u00f6rung, die die Kommunikation beeintr\u00e4chtigt. In der neuen Studie, die am 6. Februar 2025 in der Fachzeitschrift Current Biology ver\u00f6ffentlicht wurde, untersuchten Huth und sein Co-Autor Jerry Tang, ein Doktorand an der University of Texas in Austin, wie diese Kommunikationseinschr\u00e4nkung \u00fcberwunden werden k\u00f6nnte.<\/span><\/strong><\/span><\/p>\n

\u201eMenschen mit Aphasie haben oft Schwierigkeiten, Sprache zu verstehen und zu produzieren\u201c, sagte der Co-Autor der Studie, Alexander Huth, ein Computerneurowissenschaftler an der University of Texas in Austin (UT Austin), gegen\u00fcber Live Science. \u201eWenn dies zutrifft, k\u00f6nnen wir m\u00f6glicherweise \u00fcberhaupt keine Modelle ihres Gehirns erstellen, indem wir ihre Gehirnreaktionen auf Geschichten beobachten, die sie h\u00f6ren.\u201c<\/span><\/p>\n\n

Der Gehirndecoder nutzt maschinelles Lernen, um die Gedanken einer Person in Text zu \u00fcbersetzen. Dabei werden die Reaktionen des Gehirns auf geh\u00f6rte Geschichten ber\u00fccksichtigt. Bei fr\u00fcheren Versionen des Decoders mussten die Teilnehmer jedoch stundenlang Geschichten in einem MRT-Ger\u00e4t anh\u00f6ren. Zudem funktionierten diese Decoder nur bei den Personen, an denen sie trainiert wurden.<\/span><\/p>\n

\"\"
\nEin Forscherteam hat einen Algorithmus entwickelt, der es einem KI-gest\u00fctzten \u201eGehirndecoder\u201c, der an einer Person trainiert wurde, erm\u00f6glicht, die Gedanken einer anderen Person mit minimalem Training zu \u00fcbersetzen. Jerry Tang\/University of Texas at Austin<\/span><\/em><\/p>\n

Die Forscher trainierten den Gehirndecoder zun\u00e4chst an mehreren Kontrollteilnehmern mithilfe eines Langzeitansatzes: Sie sammelten funktionelle MRT-Daten, w\u00e4hrend die Teilnehmer zehn Stunden lang Radiosendungen h\u00f6rten.<\/span><\/p>\n

Anschlie\u00dfend trainierten sie zwei Konvertierungsalgorithmen an Kontrollteilnehmern und einer weiteren Gruppe von \u201eZiel\u201c-Teilnehmern: einen mithilfe von Daten, die gesammelt wurden, als die Teilnehmer 70 Minuten lang Radiogeschichten h\u00f6rten, und den anderen mithilfe von Daten, als sie 70 Minuten lang Stummfilme von Pixar ansahen, die nichts mit den Radiogeschichten zu tun hatten.<\/span><\/p>\n

Mithilfe einer Methode namens \u201eFunktionale Ausrichtung\u201c bildete das Team die Gehirnreaktionen von Kontroll- und Zielpersonen auf dieselben Audio- oder Videogeschichten ab. Diese Informationen wurden genutzt, um den Decoder auf die Gehirne der Zielpersonen zu trainieren, ohne stundenlang Trainingsdaten sammeln zu m\u00fcssen.<\/span><\/p>\n

Anschlie\u00dfend testete das Team die Decoder mit einer Kurzgeschichte, die keiner der Teilnehmer zuvor geh\u00f6rt hatte. Zwar waren die Vorhersagen des Decoders bei den Teilnehmern, die die urspr\u00fcnglichen Kontrollinformationen verwendeten, etwas genauer als bei denen, die die Konverter nutzten, doch die vom Decoder basierend auf den Gehirnscans jedes Teilnehmers vorhergesagten W\u00f6rter waren semantisch immer noch mit den in der Testgeschichte verwendeten W\u00f6rtern verwandt.<\/span><\/p>\n

In einem der Test-Erz\u00e4hlfragmente beschrieb beispielsweise jemand einen Beruf, den er nicht mochte: \u201eIch bin Kellnerin in einer Eisdiele. Also, \u00e4h, es ist nicht \u2026 Ich wei\u00df nicht, wo ich hin will, aber ich wei\u00df, dass es nicht so ist.\u201c Ein Decoder, der einen mit Videodaten trainierten Konverteralgorithmus verwendete, sagte voraus: \u201eIch hatte einen Job, den ich langweilig fand. Ich musste Bestellungen aufnehmen, und das gefiel mir nicht, also habe ich jeden Tag daran gearbeitet.\u201c Die \u00dcbereinstimmung ist nicht exakt \u2013 der Decoder erfasst nicht genau die Ger\u00e4usche, die die Leute h\u00f6rten \u2013, aber die Ideen sind verwandt.<\/span><\/p>\n

Wissenschaftler k\u00f6nnen Daten sammeln, w\u00e4hrend jemand ein Video ohne Ton ansieht, und diese dann verwenden, um einen Sprachdecoder f\u00fcr das Gehirn des Benutzers zu erstellen.<\/span><\/p>\n

Forscher behaupten, dass die Verwendung von Videokonvertern zur \u00dcbertragung vorhandener Decoder auf Menschen mit Aphasie diesen dabei helfen kann, sich auszudr\u00fccken. Die Studie ergab auch einige \u00dcberschneidungen zwischen der Art und Weise, wie Menschen Ideen aus Sprache und aus visuellen Bildern im Gehirn darstellen.<\/span><\/p>\n

Diese Studie legt nahe, dass es eine semantische Repr\u00e4sentation gibt, die unabh\u00e4ngig von der Modalit\u00e4t ist, aus der sie stammt. Mit anderen Worten: Diese Studie hilft uns zu verstehen, wie das Gehirn bestimmte Konzepte auf die gleiche Weise darstellt, selbst wenn sie in unterschiedlichen Formaten pr\u00e4sentiert werden.<\/span><\/p>\n\n

Wissenschaftler bei Meta nutzten k\u00fcnstliche Intelligenz (KI) und nichtinvasive Gehirnscans, um zu verstehen, wie Gedanken in gedruckte S\u00e4tze \u00fcbersetzt werden.<\/span><\/strong><\/span><\/p>\n

Den Wissenschaftlern zufolge k\u00f6nnten die Ergebnisse der Studie in Zukunft als Grundlage f\u00fcr die Entwicklung einer nicht-invasiven Gehirn-Computer-Schnittstelle dienen, die Menschen mit Hirnsch\u00e4den oder -verletzungen bei der Kommunikation helfen soll.<\/span><\/p>\n

Gehirn-Computer-Schnittstellen, die \u00e4hnliche Dekodierungsmethoden verwenden, wurden in die Gehirne von Menschen implantiert, die ihre Kommunikationsf\u00e4higkeit verloren haben. Neue Forschungsergebnisse k\u00f6nnten jedoch einen m\u00f6glichen Weg zu tragbaren Ger\u00e4ten aufzeigen.<\/span><\/p>\n

In der Studie nutzten die Forscher die Magnetoenzephalographie (MEG), die das durch elektrische Impulse im Gehirn erzeugte Magnetfeld misst, um die neuronale Aktivit\u00e4t der Teilnehmer beim Tippen von S\u00e4tzen zu verfolgen. Anschlie\u00dfend trainierten sie ein KI-Sprachmodell, um Gehirnsignale zu entschl\u00fcsseln und S\u00e4tze basierend auf den MEG-Daten zu bilden.<\/span><\/p>\n

\"\"
\nZwei neue Studien beleuchten, wie wir Gedanken mithilfe einer digitalen Schnittstelle in geschriebene S\u00e4tze umwandeln k\u00f6nnen. Meta<\/span><\/em><\/p>\n

Das Modell entschl\u00fcsselte die von den Teilnehmern getippten Buchstaben mit einer Genauigkeit von 68 %. H\u00e4ufig vorkommende Buchstaben wurden h\u00e4ufiger richtig entschl\u00fcsselt, w\u00e4hrend weniger gebr\u00e4uchliche Buchstaben wie Z und K eine h\u00f6here Fehlerrate aufwiesen. Bei Fehlern neigte das Modell dazu, Symbole zu ersetzen, die dem Zielbuchstaben auf der QWERTZ-Tastatur physisch nahe standen. Dies deutet darauf hin, dass das Modell motorische Signale des Gehirns nutzt, um vorherzusagen, welchen Buchstaben der Teilnehmer getippt hat.<\/span><\/p>\n

Es wurde festgestellt, dass das Gehirn zun\u00e4chst Informationen \u00fcber den Kontext und die Bedeutung eines Satzes generiert und dann beim Tippen des Teilnehmers immer detailliertere Darstellungen jedes Wortes, jeder Silbe und jedes Buchstabens erstellt.<\/span><\/p>\n

\u201eDiese Ergebnisse st\u00fctzen langj\u00e4hrige Vorhersagen, dass die Sprachproduktion eine hierarchische Zerlegung der Satzbedeutung in immer kleinere Einheiten erfordert, die letztendlich die motorischen Aktionen steuern\u201c, schreiben die Autoren der Studie.<\/span><\/p>\n

Um zu verhindern, dass sich W\u00f6rter oder Buchstaben gegenseitig st\u00f6ren, nutzt das Gehirn einen \u201edynamischen neuronalen Code\u201c, um sie voneinander zu trennen. Dieser Code ver\u00e4ndert st\u00e4ndig die Darstellung jeder einzelnen Information in den f\u00fcr die Sprachbildung zust\u00e4ndigen Hirnregionen.<\/span><\/p>\n

Dadurch kann das Gehirn aufeinanderfolgende Buchstaben, Silben und W\u00f6rter miteinander verkn\u00fcpfen und Informationen zu jedem dieser W\u00f6rter \u00fcber einen l\u00e4ngeren Zeitraum speichern. MEG-Experimente konnten jedoch nicht genau bestimmen, aus welchen Hirnregionen jede dieser Sprachrepr\u00e4sentationen stammt.<\/span><\/p>\n

Die Forscher schreiben, dass die aktuelle Anordnung zwar zu sperrig und empfindlich sei, um au\u00dferhalb einer kontrollierten Laborumgebung ordnungsgem\u00e4\u00df zu funktionieren, Fortschritte in der MEG-Technologie jedoch die T\u00fcr zu zuk\u00fcnftigen tragbaren Ger\u00e4ten \u00f6ffnen k\u00f6nnten.<\/span><\/p>\n\n","protected":false},"excerpt":{"rendered":"

Eine Weiterentwicklung eines bestehenden KI-gest\u00fctzten Gehirndecoders kann menschliche Gedanken ohne stundenlanges Training in Text \u00fcbersetzen. Wissenschaftler haben einen \u201eGehirndecoder\u201c verbessert, der k\u00fcnstliche Intelligenz (KI) nutzt, um Gedanken in Text umzuwandeln. Das KI-Modell kann das Gehirn einer Person mit nicht-invasiven Ger\u00e4ten scannen und Gedanken in geschriebene S\u00e4tze umwandeln \u2013 ohne Implantate.<\/p>\n","protected":false},"author":1,"featured_media":1944,"comment_status":"closed","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[19,527],"tags":[899,898,528],"class_list":{"0":"post-1943","1":"post","2":"type-post","3":"status-publish","4":"format-standard","5":"has-post-thumbnail","7":"category-news","8":"category-ii","9":"tag-algorithmus","10":"tag-gedankenlesen","11":"tag-kuenstliche-intelligenz"},"_links":{"self":[{"href":"https:\/\/planeta21vek.ru\/deu\/wp-json\/wp\/v2\/posts\/1943","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/planeta21vek.ru\/deu\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/planeta21vek.ru\/deu\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/planeta21vek.ru\/deu\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/planeta21vek.ru\/deu\/wp-json\/wp\/v2\/comments?post=1943"}],"version-history":[{"count":1,"href":"https:\/\/planeta21vek.ru\/deu\/wp-json\/wp\/v2\/posts\/1943\/revisions"}],"predecessor-version":[{"id":1945,"href":"https:\/\/planeta21vek.ru\/deu\/wp-json\/wp\/v2\/posts\/1943\/revisions\/1945"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/planeta21vek.ru\/deu\/wp-json\/wp\/v2\/media\/1944"}],"wp:attachment":[{"href":"https:\/\/planeta21vek.ru\/deu\/wp-json\/wp\/v2\/media?parent=1943"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/planeta21vek.ru\/deu\/wp-json\/wp\/v2\/categories?post=1943"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/planeta21vek.ru\/deu\/wp-json\/wp\/v2\/tags?post=1943"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}