به گزارش مجله خبری نگار دانشمندان این رابط را به گونهای توسعه دادهاند که اجازه میدهد ایدهها در زمان واقعی به گفتار شنیداری یا متن نوشتاری تبدیل شوند و راههای جدیدی را برای بازگرداندن ارتباطات انسانی برای کسانی که توانایی صحبت کردن را از دست دادهاند، باز کند.
سیستمی انقلابی که از مرزهای فناوری قبلی فراتر میرود
در مطالعهای که در مجله Nature Neuroscience منتشر شده است، محققان دانشگاه کالیفرنیا، سانفرانسیسکو (UCSF) یک سیستم مبتنی بر هوش مصنوعی را کشف کردهاند که میتواند سیگنالهای عصبی مرتبط با گفتار را از قشر حرکتی مغز رمزگشایی کند و سپس آنها را بدون تاخیر زمانی به کلمات گفتاری یا غربالگری شده تبدیل کند.
این تیم به سرپرستی پروفسور ادوارد چانگ توضیح داد که سیستم جدید قادر به تشخیص بیش از ۱۰۲۴ کلمه رایج با سرعت حداکثر ۴۸ کلمه در دقیقه است که پنج برابر سریعتر از فناوریهای قبلی است و آن را برای مکالمات طبیعی تقریبا فوری مناسب میکند.
این پیشرفت علمی چگونه کار میکند؟
برای دستیابی به این نتیجه، محققان از مجموعهای فوق متراکم از ۲۵۳ الکترود استفاده کردند که با جراحی در مناطقی از مغز که مسئول تولید گفتار هستند، کاشته شده بود. آنها این سیستم را بر روی یک بیمار ۴۷ ساله آزمایش کردند که به مدت ۱۸ سال پس از سکته مغزی فلج شده بود.
در طول آزمایش، از شرکت کننده خواسته شد که تلفظ کلمات را بدون حرکت دادن دهان خود تصور کند، در حالی که الکترودها الگوهای فعالیت عصبی مرتبط با هر کلمه را ثبت میکنند. سپس یک مدل هوش مصنوعی از نوع RNN-T (یک شبکه عصبی تکراری پیشرفته که در ترجمه همزمان استفاده میشود) آموزش داده شد تا این سیگنالها را به واژگان مورد نظر پیوند دهد.
نتایج نشان داد که این سیستم میتواند ایدهها را از طریق بلندگوها یا متن نوشته شده بر روی صفحه با نرخ تفکیک ۷۵ درصد به گفتار شنیداری ترجمه کند، با توانایی قابل توجهی در درک زمینه و تصحیح خودکار خطاها.
چشم انداز آینده: بازگرداندن صدا به کسانی که آن را از دست دادهاند
این پیشرفت یک جهش کوانتومی در زمینه رابطهای مغز و کامپیوتر (BCIs) است، زیرا دو مشکل اصلی را حل میکند:
۱. سرعت: از بین بردن تأخیر در ترجمه سیگنال ها، امکان مکالمه نیمه عادی.
۲. انعطاف پذیری: واژگان گستردهای را بدون نیاز به تکرار آموزش برای هر کلمه تشخیص دهید.
پروفسور چانگ گفت: "این اولین قدم برای بازگرداندن ارتباط واقعی به بیماران مبتلا به آسیبهای شدید عصبی است. هدف بعدی ما بهبود دقت و افزایش واژگان برای گنجاندن عبارات پیچیدهتر روزمره است.
این تیم امیدوار است که این فناوری به زودی برای کمک به افراد مبتلا به اسکلروز جانبی آمیوتروفیک (ALS)، قربانیان سکته مغزی یا حتی بیماران مبتلا به "سندرم قفل شدن" کامل استفاده شود که میتواند بخشی از دست رفته انسانیت آنها را بازگرداند.
با این حال، دانشمندان خاطرنشان میکنند که کاربرد بالینی گسترده این سیستم هنوز نیاز به آزمایش بیشتری دارد و سؤالات اخلاقی در مورد حریم خصوصی دادههای عصبی و مکانیسمهای رضایت پزشکی برای بیماران ناتوان گفتار ایجاد میکند.
منبع: TASS