Nedavna tehnološka dostignuća otvorila su neprocenjive mogućnosti za pomoć ljudima koji imaju oštećenja ili invaliditet. Na primer, omogućili su stvaranje alata za podršku fizičke rehabilitacije, uvežbavanje socijalnih veština i pružanje svakodnevne pomoći u specifičnim zadacima.
Istraživači iz Meta AI nedavno su razvili obećavajuću i neinvazivnu metodu za dekodiranje govora iz moždane aktivnosti osobe, koja bi mogla omogućiti ljudima koji ne mogu da govore da prenesu svoje misli preko računarskog interfejsa. Njihov predloženi metod, predstavljen u Nature Machine Intelligence, spaja upotrebu tehnike snimanja i mašinskog učenja.
„Posle moždanog udara ili moždane bolesti, mnogi pacijenti gube sposobnost govora“, rekao je za Medical Kspress Jean Remi King, istraživač u Meta. „U proteklih nekoliko godina, postignut je veliki napredak u razvoju neuronske proteze: uređaja, obično implantiranog u motorni korteks pacijenata, koji se može koristiti, putem AI, za kontrolu kompjuterskog interfejsa. Ova mogućnost, međutim, , i dalje zahteva operaciju mozga, i stoga nije bez rizika.“
Osim što zahtevaju hirurške procedure, većina predloženih pristupa za dekodiranje govora oslanja se na implantirane elektrode i obezbeđivanje ispravnog funkcionisanja ovih elektroda duže od nekoliko meseci predstavlja izazov. Ključni cilj nedavne studije Kinga i njegovih kolega bio je da istraže alternativni neinvazivni put za dekodiranje govornih reprezentacija.
„Umesto da koristimo intrakranijalne elektrode, koristimo magnetoencefalografiju“, objasnio je King. „Ovo je tehnika snimanja koja se oslanja na neinvazivni uređaj koji može da napravi više od hiljadu snimaka moždane aktivnosti u sekundi. Pošto je ove moždane signale veoma teško protumačiti, mi obučavamo AI sistem da ih dekodira u segmente govora.“
U suštini, King i njegove kolege su razvili sistem veštačke inteligencije i obučili ga da analizira slike magnetoencefalografije, predviđajući govor na osnovu moždane aktivnosti snimljene u njima. Njihov sistem veštačke inteligencije sastoji se od dva ključna modula, nazvana „mozgani modul“ i „modul govora“.
Modul mozga je obučen da izvlači informacije iz aktivnosti ljudskog mozga snimljene pomoću magnetoencefalografije. Govorni modul, s druge strane, identifikuje govorne reprezentacije koje treba dekodirati.
„Dva modula su parametrizovana tako da u svakom trenutku možemo zaključiti šta učesnik čuje“, rekao je King.
Istraživači su procenili svoj predloženi pristup u početnoj studiji koja je uključivala 175 ljudi. Ovi učesnici su zamoljeni da slušaju ispričane kratke priče i izolovane izgovorene rečenice dok je njihova moždana aktivnost snimana pomoću magnetoencefalografije ili alternativne tehnike poznate kao elektroencefalografija.
Tim je postigao najbolje rezultate kada je analizirao tri sekunde magnetoencefalografskih signala. Konkretno, mogli su da dekodiraju odgovarajuće segmente govora sa prosečnom tačnošću do 41% od preko 1.000 mogućnosti među učesnicima, ali su kod nekih učesnika postigli tačnost i do 80%.
„Bili smo iznenađeni postignutim učinkom dekodiranja“, rekao je King. „U većini slučajeva možemo da povratimo ono što učesnici čuju, a ako dekoder napravi grešku, on ima tendenciju da bude semantički sličan ciljnoj frazi.
Sistem za dekodiranje govora koji je predložio tim ima prednost u poređenju sa različitim osnovnim pristupima, naglašavajući njegovu potencijalnu vrednost za buduće primene. Pošto ne zahteva invazivne hirurške procedure i upotrebu moždanih implantata, takođe bi moglo biti lakše za implementaciju u uslovima stvarnog sveta.
„Naš tim je posvećen fundamentalnim istraživanjima: da razumemo kako mozak funkcioniše i kako se ovo funkcionisanje može povezati i informisati AI“, rekao je King. „Postoji dug put do praktične primene, ali nadamo se da bi ovaj razvoj mogao pomoći pacijentima čija je komunikacija ograničena ili sprečena paralizom. Glavni sledeći korak, u tom pogledu, je da se ide dalje od dekodiranja percipiranog govora i da se dekodira proizveo govor“.
Sistem istraživača zasnovan na veštačkoj inteligenciji je još uvek u ranoj fazi razvoja i zahtevaće značajna poboljšanja pre nego što se može testirati i uvesti u klinička okruženja. Bez obzira na to, ovaj nedavni rad otkrio je potencijal stvaranja manje invazivnih tehnologija za pomoć pacijentima koji imaju poremećaje u govoru.
„Naš tim je prvenstveno fokusiran na razumevanje kako mozak funkcioniše“, dodao je King. „Na taj način pokušavamo da razvijemo ove alate da kvantifikujemo i razumemo sličnosti između veštačke inteligencije i mozga, ne samo u kontekstu govora, već i za druge modalitete, poput vizuelne percepcije.“
