Deep neural network model for anomic aphasia and the recovery process

2023 Fiscal Year Final Research Report

• Project/Area Number: 20K11860
• Research Category: Grant-in-Aid for Scientific Research (C)
• Allocation Type: Multi-year Fund
• Section: 一般
• Review Section: Basic Section 61010:Perceptual information processing-related
• Research Institution: Chiba University
• Principal Investigator: Kuroiwa Shingo 千葉大学, 大学院工学研究院, 教授 (20333510)
• Project Period (FY): 2020-04-01 – 2024-03-31
• Keywords: 語連想 / 深層学習 / 自然言語処理 / BERT / chatGPT / 連想ゲーム / プロンプトエンジニアリング / シャープレイ値

Outline of Final Research Achievements

We conducted a study aimed at developing a deep learning model capable of performing word association tasks that are used in language therapy for individuals with aphasia. We evaluated conventional deep language models and developed an original deep language model that mimics human language processing mechanisms. We also explored image-mediated association methods and prompt engineering. As a result, we achieved higher word association accuracy than baseline models. Furthermore, we proposed methods for calculating the contribution of stimulus words in word associations and methods explaining the reasons why a person comes up with the associated words the associated words. Additionally, we designed a high-accuracy deep speaker verification model based on the phonological route in cognitive neuropsychology models. We also developed several applications for language therapy for individuals with aphasia.

Free Research Field

音声言語処理

Academic Significance and Societal Importance of the Research Achievements

chatGPTの公開以前（当初の研究期間の最終年度の秋）までに得られた語連想モデルによる研究成果は、学術的にはユニークな手法であったが、現時点ではchatGPT（GPT-4）がそれらの性能を上回っている。一方で、刺激語の貢献度を算出する手法（語連想課題のヒント作成時に活用可能）や、人が連想した語と刺激語の関連性を説明する手法は、最新の大規模言語モデルに対しても有効である。また、認知神経心理学モデルを参考にした高精度の深層話者照合モデルの精度は高く、法科学分野での利用が期待される。さらに、実験用に開発したアプリをもとに作成した言語訓練アプリは、時代に即した失語症教材として社会的な意義が大きい。