Η Meta, η μητρική εταιρεία του Facebook, έχει αναπτύξει μια πρωτοποριακή τεχνολογία τεχνητής νοημοσύνης, το Brain2Qwerty, που επιτρέπει τη μετατροπή της εγκεφαλικής δραστηριότητας σε κείμενο, με ακρίβεια έως και 80%. Αυτή η καινοτομία ανοίγει νέες δυνατότητες στην επικοινωνία και την αλληλεπίδραση με υπολογιστές, προσφέροντας ελπίδες για άτομα με δυσκολίες στην επικοινωνία ή κινητικές δυσκολίες.
Η πρωτοποριακή έρευνα της Meta, που διεξήχθη σε συνεργασία με το Basque Center on Cognition, Brain and Language, σηματοδοτεί μια σημαντική πρόοδο στην μη επεμβατική επικοινωνία εγκεφάλου-κειμένου. Η μελέτη περιλάμβανε 35 υγιείς εθελοντές στο BCBL, χρησιμοποιώντας τόσο μαγνητοεγκεφαλογραφία (MEG) όσο και ηλεκτροεγκεφαλογραφία (EEG) για την καταγραφή της εγκεφαλικής δραστηριότητας ενώ οι συμμετέχοντες πληκτρολογούσαν προτάσεις. Οι ερευνητές στη συνέχεια εκπαίδευσαν ένα μοντέλο τεχνητής νοημοσύνης για να ανακατασκευάσει αυτές τις προτάσεις αποκλειστικά από τα καταγεγραμμένα εγκεφαλικά σήματα, επιτυγχάνοντας έως και 80% ακρίβεια στην αποκωδικοποίηση χαρακτήρων από τις καταγραφές MEG – τουλάχιστον διπλάσια απόδοση σε σύγκριση με τα παραδοσιακά συστήματα EEG.
Αυτή η έρευνα βασίζεται στην προηγούμενη δουλειά της Meta για την αποκωδικοποίηση της αντίληψης εικόνων και ομιλίας από την εγκεφαλική δραστηριότητα, επεκτεινόμενη τώρα στην παραγωγή προτάσεων. Η επιτυχία της μελέτης ανοίγει νέες δυνατότητες για μη επεμβατικές διεπαφές εγκεφάλου-υπολογιστή, με πιθανή βοήθεια στην αποκατάσταση της επικοινωνίας για άτομα που έχουν χάσει την ικανότητα ομιλίας. Ωστόσο, παραμένουν προκλήσεις, συμπεριλαμβανομένης της ανάγκης για περαιτέρω βελτιώσεις στην απόδοση αποκωδικοποίησης και της αντιμετώπισης των πρακτικών περιορισμών της τεχνολογίας MEG, η οποία απαιτεί από τα υποκείμενα να παραμένουν ακίνητα σε ένα μαγνητικά θωρακισμένο δωμάτιο.
Το σύστημα Brain2Qwerty λειτουργεί καταγράφοντας τη νευρική δραστηριότητα μέσω ενός τεράστιου σαρωτή μαγνητοεγκεφαλογραφίας (MEG), ο οποίος ανιχνεύει τα μαγνητικά σήματα που παράγονται από τα εγκεφαλικά κύτταρα κατά τη διαδικασία σκέψης. Αυτή η μη επεμβατική προσέγγιση επιτρέπει στο σύστημα να λαμβάνει 1.000 στιγμιότυπα του εγκεφάλου κάθε δευτερόλεπτο, επιτρέποντάς του να εντοπίζει τις ακριβείς στιγμές που οι σκέψεις μετατρέπονται σε λέξεις, συλλαβές και μεμονωμένους χαρακτήρες.
Μόλις καταγραφούν τα εγκεφαλικά σήματα, ένα εξελιγμένο μοντέλο βαθιάς μάθησης αναλύει τα δεδομένα και τα αντιστοιχίζει σε συγκεκριμένα πλήκτρα. Η τεχνητή νοημοσύνη έχει εκπαιδευτεί σε χιλιάδες χαρακτήρες, επιτρέποντάς της να αναγνωρίζει μοτίβα στη δραστηριότητα του εγκεφάλου που σχετίζονται με διαφορετικά γράμματα και λέξεις. Αυτή η διαδικασία καταλήγει στη δημιουργία κειμένου στην οθόνη από την τεχνητή νοημοσύνη, το οποίο αντιστοιχεί στις σκέψεις του χρήστη με ακρίβεια έως και 80%. Η ικανότητα του συστήματος να αποκωδικοποιεί τόσο σήματα EEG όσο και MEG το καθιστά ένα ευέλικτο εργαλείο για την έρευνα διεπαφών εγκεφάλου-υπολογιστή.
Ενώ το Brain2Qwerty αντιπροσωπεύει μια σημαντική πρόοδο στην τεχνολογία διεπαφής εγκεφάλου-υπολογιστή, αντιμετωπίζει αρκετές σημαντικές προκλήσεις που περιορίζουν την πρακτική του εφαρμογή, όπως το μέγεθος και το κόστος. Το σύστημα βασίζεται σε έναν σαρωτή MEG μισού τόνου που κοστίζει περίπου 2 εκατομμύρια δολάρια, καθιστώντας το μη πρακτικό για ευρεία χρήση. Ο εξοπλισμός έχει περίπου το μέγεθος ενός ψυγείου, απαιτώντας έναν ειδικό, ειδικά θωρακισμένο χώρο για να λειτουργήσει σωστά.
Επίσης, ακόμη και μικρές κινήσεις του κεφαλιού μπορούν να μειώσουν σημαντικά την ακρίβεια του συστήματος, απαιτώντας σχεδόν απόλυτη ακινησία από τους χρήστες. Τέλος, η βέλτιστη απόδοση απαιτεί έναν μαγνητικά θωρακισμένο χώρο για να αποκλείσει το μαγνητικό πεδίο της Γης, περιορίζοντας περαιτέρω την εφαρμοσιμότητά του στον πραγματικό κόσμο. Αυτοί οι περιορισμοί περιορίζουν το Brain2Qwerty σε εργαστηριακές συνθήκες προς το παρόν, υπογραμμίζοντας τα σημαντικά εμπόδια που πρέπει να ξεπεραστούν πριν αυτή η τεχνολογία προσαρμοστεί και γίνει κατάλληλη για καθημερινή χρήση.
