Η δυνατότητα αποκωδικοποίησης των εγκεφαλικών κυμάτων θα μπορούσε να βοηθήσει ασθενείς που έχουν χάσει την ικανότητα ομιλίας να επικοινωνήσουν ξανά και θα μπορούσε τελικά να προσφέρει νέους τρόπους αλληλεπίδρασης των ανθρώπων με τους υπολογιστές.
Τώρα οι ερευνητές της Meta έδειξαν ότι μπορούν να καταλάβουν ποιες λέξεις ακούει κάποιος χρησιμοποιώντας καταγραφές από μη επεμβατικές εγκεφαλικές σαρώσεις.
Η ικανότητά μας να ανιχνεύουμε την ανθρώπινη εγκεφαλική δραστηριότητα έχει βελτιωθεί σημαντικά τις τελευταίες δεκαετίες, καθώς οι επιστήμονες έχουν αναπτύξει μια ποικιλία τεχνολογιών διεπαφής εγκεφάλου-υπολογιστή (BCI) που μπορούν να προσφέρουν ένα παράθυρο στις σκέψεις και τις προθέσεις μας.
Τα πιο εντυπωσιακά αποτελέσματα έχουν προκύψει από επεμβατικές συσκευές καταγραφής, οι οποίες εμφυτεύουν ηλεκτρόδια απευθείας στον εγκέφαλο, σε συνδυασμό με τεχνητή νοημοσύνη που μπορεί να μάθει να ερμηνεύει τα εγκεφαλικά σήματα.
Τα τελευταία χρόνια, αυτό κατέστησε δυνατή την αποκωδικοποίηση πλήρων προτάσεων από τη νευρική δραστηριότητα κάποιου με ακρίβεια 97% και τη μετάφραση των κινήσεων χειρογράφου απευθείας σε κείμενο με ταχύτητες συγκρίσιμες με την αποστολή γραπτών μηνυμάτων.
Αλλά η εμφύτευση ηλεκτροδίων στον εγκέφαλο κάποιου έχει προφανή μειονεκτήματα. Αυτές οι επικίνδυνες διαδικασίες είναι ιατρικά δικαιολογημένες μόνο για ασθενείς που χρειάζονται καταγραφή του εγκεφάλου για να βοηθήσουν στην επίλυση άλλων ιατρικών προβλημάτων, όπως η επιληψία.
Και οι νευρικοί ανιχνευτές υποβαθμίζονται με την πάροδο του χρόνου, γεγονός που δημιουργεί την προοπτική της τακτικής αντικατάστασής τους.
Γι’ αυτό το λόγο οι ερευνητές του ερευνητικού τμήματος τεχνητής νοημοσύνης της Meta αποφάσισαν να διερευνήσουν αν θα μπορούσαν να επιτύχουν παρόμοιους στόχους χωρίς να απαιτείται επικίνδυνη χειρουργική επέμβαση στον εγκέφαλο.
Σε ένα έγγραφο που δημοσιεύθηκε στον προτυπωμένο διακομιστή arXiv, η ομάδα ανέφερε ότι ανέπτυξε ένα σύστημα τεχνητής νοημοσύνης που μπορεί να προβλέψει ποιες λέξεις ακούει κάποιος με βάση την εγκεφαλική δραστηριότητα που καταγράφεται με μη επεμβατικές διεπαφές εγκεφάλου-υπολογιστή.
“Είναι προφανώς εξαιρετικά επεμβατικό να βάλουμε ένα ηλεκτρόδιο μέσα στον εγκέφαλο κάποιου”, δήλωσε στο TIME ο Jean Remi King, ερευνητής στο εργαστήριο έρευνας τεχνητής νοημοσύνης (FAIR) του Facebook. “Έτσι, θελήσαμε να δοκιμάσουμε να χρησιμοποιήσουμε μη επεμβατικές καταγραφές της εγκεφαλικής δραστηριότητας. Και ο στόχος ήταν να δημιουργηθεί ένα σύστημα τεχνητής νοημοσύνης που θα μπορεί να αποκωδικοποιεί τις αντιδράσεις του εγκεφάλου σε προφορικές ιστορίες”.
Οι ερευνητές βασίστηκαν σε τέσσερα προϋπάρχοντα σύνολα δεδομένων εγκεφαλικής δραστηριότητας που συλλέχθηκαν από 169 άτομα καθώς άκουγαν ηχογραφήσεις ανθρώπων που μιλούσαν.
Κάθε εθελοντής καταγράφηκε είτε με μαγνητοεγκεφαλογραφία (MEG) είτε με ηλεκτροεγκεφαλογραφία (EEG), οι οποίες χρησιμοποιούν διαφορετικά είδη αισθητήρων για τη λήψη της ηλεκτρικής δραστηριότητας του εγκεφάλου από το εξωτερικό του κρανίου.
Η προσέγγισή τους περιελάβανε τη διάσπαση των δεδομένων του εγκεφάλου και του ήχου σε αποσπάσματα διάρκειας τριών δευτερολέπτων και τη διοχέτευσή τους σε ένα νευρωνικό δίκτυο, το οποίο στη συνέχεια αναζητούσε μοτίβα που θα μπορούσαν να συνδέσουν τα δύο.
Αφού εκπαίδευσαν την τεχνητή νοημοσύνη σε πολλές ώρες από αυτά τα δεδομένα, στη συνέχεια τη δοκίμασαν σε δεδομένα που δεν είχαν προηγουμένως δει.
Το σύστημα σημείωσε την καλύτερη επίδοση σε ένα από τα σύνολα δεδομένων MEG, όπου πέτυχε ακρίβεια 72,5 % στην πρώτη δεκάδα. Αυτό σημαίνει ότι όταν κατέταξε τις 10 λέξεις με τη μεγαλύτερη πιθανότητα να συνδέονται με το τμήμα των εγκεφαλικών κυμάτων, η σωστή λέξη ήταν εκεί στο 72,5% των περιπτώσεων.
Αυτό μπορεί να μην ακούγεται σπουδαίο, αλλά είναι σημαντικό να θυμάστε ότι έγινε επιλογή από ένα πιθανό λεξιλόγιο 793 λέξεων. Το σύστημα σημείωσε 67,2% στο άλλο σύνολο δεδομένων MEG, αλλά τα πήγε λιγότερο καλά στα σύνολα δεδομένων EEG, με ακρίβεια στο top-10 μόνο 31,4 και 19,1.
Είναι σαφές ότι αυτό απέχει ακόμη πολύ από ένα πρακτικό σύστημα, αλλά αποτελεί σημαντική πρόοδο σε ένα δύσκολο πρόβλημα.
Τα μη επεμβατικά BCI έχουν πολύ χειρότερη αναλογία σήματος προς θόρυβο, οπότε η αποκρυπτογράφηση της νευρικής δραστηριότητας με αυτόν τον τρόπο είναι δύσκολη, αλλά αν πετύχει θα μπορούσε να οδηγήσει σε μια πολύ πιο ευρέως εφαρμόσιμη τεχνολογία.
Ωστόσο, δεν είναι όλοι πεπεισμένοι ότι πρόκειται για ένα πρόβλημα που μπορεί να επιλυθεί. Ο Thomas Knopfel από το Imperial College του Λονδίνου δήλωσε στο New Scientist ότι το να προσπαθείς να διερευνήσεις τις σκέψεις χρησιμοποιώντας αυτές τις μη επεμβατικές προσεγγίσεις είναι σαν να “προσπαθείς να μεταδώσεις μια ταινία HD μέσω παλιομοδίτικων αναλογικών τηλεφωνικών μόντεμ” και αμφισβήτησε το κατά πόσον τέτοιες προσεγγίσεις θα φτάσουν ποτέ σε πρακτικά επίπεδα ακρίβειας.
Εταιρείες όπως η Neuralink του Elon Musk στοιχηματίζουν επίσης ότι τελικά θα ξεπεράσουμε την ευαισθησία μας απέναντι στις επεμβατικές προσεγγίσεις, καθώς η τεχνολογία θα βελτιώνεται, ανοίγοντας την πόρτα σε απλούς ανθρώπους που θα δέχονται εμφυτεύματα εγκεφάλου.
Ωστόσο, η έρευνα της ομάδας της Meta βρίσκεται σε πολύ πρώιμο στάδιο και υπάρχουν πολλά περιθώρια για βελτιώσεις.
Και οι εμπορικές ευκαιρίες για όποιον καταφέρει να σπάσει τη μη επεμβατική σάρωση του εγκεφάλου θα είναι πιθανότατα ένα μεγάλο κίνητρο για να προσπαθήσει.
ΠΗΓΗ: https://singularityhub.com/
με Αριθμό Μητρώου 12691
