Επιστήμονες από την Meta χρησιμοποίησαν τεχνητή νοημοσύνη (AI) και μη επεμβατικές εγκεφαλικές σαρώσεις για να αποκωδικοποιήσουν τις σκέψεις και να την μετατρέψουν σε προτάσεις, όπως δείχνουν δύο νέες μελέτες.
Η πρώτη μελέτη: Αποκωδικοποίηση εγκεφαλικών σημάτων με τεχνητή νοημοσύνη
Στην πρώτη μελέτη, οι επιστήμονες ανέπτυξαν ένα μοντέλο τεχνητής νοημοσύνης που αποκωδικοποιούσε τα εγκεφαλικά σήματα για να αναπαράγει τις προτάσεις που πληκτρολογούσαν οι συμμετέχοντες. Χρησιμοποιώντας μια τεχνική που ονομάζεται μαγνητοεγκεφαλογραφία (MEG), η οποία μετρά το μαγνητικό πεδίο που δημιουργείται από ηλεκτρικές διεγέρσεις στον εγκέφαλο, παρακολουθούσαν τη νευρική δραστηριότητα κατά τη διάρκεια της πληκτρολόγησης προτάσεων.
Στη συνέχεια, εκπαιδεύτηκαν τα μοντέλα AI να αποκωδικοποιούν τα σήματα του εγκεφάλου και να αναπαράγουν τα κείμενα από τα δεδομένα MEG. Το μοντέλο αποκωδικοποίησε τα γράμματα που πληκτρολογούσαν οι συμμετέχοντες με ακρίβεια 68%. Τα συχνά χρησιμοποιούμενα γράμματα αναγνωρίστηκαν πιο σωστά, ενώ τα λιγότερο συχνά, όπως τα Ζ και Κ, είχαν μεγαλύτερα ποσοστά σφαλμάτων.
Η δεύτερη μελέτη: Χαρτογράφηση της παραγωγής γλώσσας στον εγκέφαλο
Στη δεύτερη μελέτη, οι ίδιοι ερευνητές χρησιμοποίησαν τα αποτελέσματα για να κατανοήσουν πώς παράγεται η γλώσσα στον εγκέφαλο κατά την πληκτρολόγηση.
Συλλέγοντας 1.000 «στιγμιότυπα» MEG ανά δευτερόλεπτο, αναλύθηκαν οι φάσεις παραγωγής προτάσεων, από τη δημιουργία της πληροφορίας για το περιεχόμενο και την έννοια της πρότασης, μέχρι την παραγωγή πιο εξειδικευμένων αναπαραστάσεων κάθε λέξης, συλλαβής και γράμματος.
Η έρευνα επιβεβαίωσε τις μακροχρόνιες προβλέψεις ότι η παραγωγή γλώσσας απαιτεί μια ιεραρχική διάσπαση της σημασίας της πρότασης σε μικρότερα μέρη που ελέγχουν τελικά τις κινητικές ενέργειες.
Για να αποτραπεί η σύγχυση μεταξύ των λέξεων ή γραμμάτων, ο εγκέφαλος χρησιμοποιεί έναν «δυναμικό νευρικό κώδικα», ο οποίος συνεχώς μετατοπίζει τις θέσεις στις οποίες αναπαρίσταται κάθε κομμάτι πληροφορίας μέσα στις περιοχές του εγκεφάλου που παράγουν τη γλώσσα.
Αναγνώριση και πιθανές εφαρμογές
Αυτές οι μελέτες, αν και δεν έχουν ακόμη υποβληθεί σε ανασκόπηση από ομοτίμους, ενδέχεται να βοηθήσουν τους επιστήμονες να σχεδιάσουν μη επεμβατικές συσκευές που θα μπορούσαν να βελτιώσουν την επικοινωνία για άτομα που έχουν χάσει την ικανότητα να μιλούν.
Παρά το γεγονός ότι η τρέχουσα τεχνολογία είναι πολύ βαριά και ευαίσθητη για να λειτουργήσει εκτός ενός ελεγχόμενου εργαστηριακού περιβάλλοντος, οι πρόοδοι στην τεχνολογία MEG ενδέχεται να ανοίξουν το δρόμο για μελλοντικές φορητές συσκευές.
Η σχολή του επιστήμονα Alexander Huth
Ο Alexander Huth, υπολογιστικός νευροεπιστήμονας στο Πανεπιστήμιο του Τέξας στο Όστιν, δήλωσε ότι τα αποτελέσματα της έρευνας αποτελούν σημαντικό βήμα στον τομέα της μη επεμβατικής αποκωδικοποίησης εγκεφαλικών σημάτων.
«Πιστεύω ότι είναι πραγματικά στην αιχμή της μεθόδου αυτή τη στιγμή. Σίγουρα κάνουν ό,τι περισσότερο μπορούμε να κάνουμε με την υπάρχουσα τεχνολογία ως προς τα σήματα που μπορούν να αποκωδικοποιήσουν», είπε.
Αυτή η έρευνα ανοίγει τον δρόμο για τη δημιουργία νέων συστημάτων και συσκευών που θα μπορούσαν να βοηθήσουν άτομα με περιορισμένες επικοινωνιακές ικανότητες, μετατρέποντας τις σκέψεις τους σε γραπτά κείμενα μέσω τεχνολογίας που δεν απαιτεί χειρουργική παρέμβαση.