Χρησιμοποιώντας δεδομένα τα οποία έχουν συλλεχθεί από Λειτουργικές Απεικονίσεις Μαγνητικού Συντονισμού (ΛΑΜΣ – fMRI), τροφοδοτούν τους αλγόριθμους μηχανικής μάθησης, οι οποίοι εντοπίζουν τα δομικά στοιχεία που χρησιμοποιεί ο εγκέφαλος για να παράγει σύνθετες σκέψεις.
Η έρευνα έδειξε ότι ο αλγόριθμος μπορούσε να αποκωδικοποιήσει σε ποια σημεία και με ποιον τρόπο ο εγκέφαλος ενεργοποιούσε συγκεκριμένες σκέψεις, ενώ επεξεργαζόταν 240 σύνθετα συμβάντα (τα οποία σχετίζονταν για παράδειγμα με φυσική δραστηριότητα ή κοινωνική αλληλεπίδραση).
Κατανοώντας τον τρόπο ενεργοποίησης των σκέψεων αυτών, ο αλγόριθμος χρησιμοποίησε τις σαρώσεις για να προβλέψει τι σκέφτεται το άτομο και πότε, και να συνδέσει όλες αυτές τις σκέψεις σε μία πρόταση.
Επιλέγοντας 239 από τις πολύπλοκες αυτές προτάσεις και τροφοδοτώντας το σύστημα Τεχνητής νοημοσύνης με τις αντίστοιχες εγκεφαλικές σαρώσεις, ο αλγόριθμος κατάφερε να προβλέψει με ακρίβεια 87% την 240η πρόταση, ενώ κι ο έλεγχος/επανέλεγχος αφήνοντας μια πρόταση έξω, επέδειξε την ίδια ακρίβεια.
Επίσης, κατάφερε να κάνει και το αντίστροφο. Δηλαδή από μία πρόταση, να καταφέρει να δώσει μια πρόβλεψη για την ακολουθία ενεργοποίησης άγνωστων προτάσεων.
Σκοπός της εν λόγω έρευνας, όπως εξήγησε ο επικεφαλής Marcel Just, είναι το σύστημα ΑΙ να μπορεί να προβλέπει πιο πολύπλοκες σκέψεις. Για παράδειγμα, ο ανθρώπινος εγκέφαλος δεν σκέφτεται απλά τη λέξη “ροδάκινο” αλλά κάνει μια πιο σύνθετη σκέψη: “Μ’αρέσει να τρώω ροδάκινα το απόγευμα με τους φίλους μου”.
