هوش مصنوعی قدرت تکلم را به بیماران باز می گرداند

ترکیبی از ایمپلنت مغزی و هوش مصنوعی به بیمارانی که توانایی گفتار را از دست دادند کمک می کنند تا قدرت تکلم خود را به دست بیاورند.

به گزارش تکناک، تراشه های مغزی که موضوع تحقیقات امروزی است، برای ثبت فعالیت مغز و درمان چندین بیماری عصبی استفاده می شود.

در ماه مه امسال، مردی که به دلیل تصادف با موتورسیکلت توانایی حرکت را از دست داده بود، پس از 12 سال به لطف ایمپلنت های مغزی که پلی برای ارتباط بین مغز و نخاع او ایجاد کرد، دوباره ایستاد.

حوزه دیگری که ایمپلنت های مغزی پتانسیل قابل توجهی در آن نشان داده اند، رمزگشایی گفتار است. به عبارت دیگر رمزگشایی سیگنال های مغز به گفتار.

در یک مطالعه جدید، محققان دانشگاه کالیفرنیا و برکلی مدعی شدند که سیستمی مبتنی بر هوش مصنوعی توسعه داده‌اند که به زن مبتلا به فلج شدید امکان می‌دهد از طریق آواتار دیجیتال صحبت کند.

تحول در فناوری موجود

سیستم کامپیوتری که رابط مغز و کامپیوتر (BCI) نامیده می شود، جدید نیست. دانشمندان از آن برای به دست آوردن و تجزیه و تحلیل سیگنال های مغزی و ترجمه آنها به دستورات استفاده کرده اند. سپس این دستورات به دستگاه خروجی بازپخش می شود تا عمل مورد نظر را انجام دهد.

در سال ۲۰۱۹، ادوارد چانگ، بخشی از یک تیم تحقیقاتی، سیگنال‌های مغزی پنج بیمار مبتلا به صرع را با استفاده از دستگاهی با کمک الکترود و هوش مصنوعی ترجمه کرد.

این مطالعه با شرکت کنندگان در پژوهشی با عنوان گفتار بی نقص انجام شد. در سال 2021، چانگ و تیمش سیگنال های مغزی مردی که سکته مغزی را تجربه کرده بود به متن رمزگشایی کردند. از سال 2019، تیم تحقیقاتی پیشرفت زیادی داشته است.

چانگ گفت: هدف ما بازیابی یک راه کامل و تجسم یافته برای برقراری ارتباط است، که واقعا طبیعی ترین راه برای صحبت با دیگران است. این پیشرفت‌ها ما را بسیار نزدیک‌تر می‌کند تا این راه‌حل واقعی برای بیماران را پیدا کنیم.

در این تحقیق از واج ها (صداهای ساده) استفاده شده است

برای مطالعه سال 2023، چانگ 253 الکترود متصل به یک قطعه از تجهیزات مستطیلی شکل را روی سطح مغز یک زن فلج کاشت. الکترودها سیگنال های مغز را رهگیری کرده و به بانکی از رایانه ها فرستادند. بنابراین، BCI.

چانگ و تیمش الگوریتم‌های هوش مصنوعی سیستم را برای تشخیص سیگنال‌های مغز او برای گفتار آموزش دادند و سیستمی ایجاد کردند که کلمات را از واج‌ها رمزگشایی می‌کند. بلوک‌های سازنده گفتار به عنوان مثال، کلمه “Hello” دارای چهار واج است: “HH” “AH” “L” و “OW”.

دقت و سرعت سیستم افزایش یافته بود زیرا فقط به یادگیری 29 واج نیاز داشت. اما حالا تیم باید صدای او را می ساخت. بنابراین آنها از ضبط صحبت های او در مراسم عروسی اش استفاده کردند و یک سیستم جدید توسعه یافته را برای ترکیب گفتار او آموزش دادند. سپس، تیم با استفاده از حالات صورت و حرکت عضلات صورتش، انیمیشن صورت او را ساختند.

این تیم یک سیستم یادگیری ماشینی سفارشی ساختند که نرم‌افزار آنها را برای ایجاد حالات چهره در آواتار زن ترکیب می‌کرد، زیرا سیگنال‌های مغز او رهگیری می‌شد و به گفتار تبدیل می‌شد.

گام بعدی برای تیم ایجاد یک سیستم از راه دور بدون سیم است که نیازی به اتصال به BCI ندارد.

برداشتن گام های اساسی

در یک مطالعه موردی جداگانه توسط محققان دانشکده پزشکی استنفورد، دانشمندان راهی برای بیان افکار خود با استفاده از متن به یک زن دادند. دو ایمپلنت کوچک در امتداد سطح مغز پت بنت 68 ساله بر روی مناطق مربوط به گفتار در سال 2022 متصل شد.

بنت که از بیماری اسکلروز جانبی آمیوتروفیک (ALS) رنج می‌برد، توانایی صحبت کردن خود را از دست داده و نمی‌تواند از ماهیچه‌های لب، زبان، حنجره و فک‌های خود برای تلفظ واج استفاده کند.

اگرچه بنت این واج‌ها را می‌فهمد و مغزش می‌تواند ماهیچه‌هایش را برای تلفظ آن‌ها هدایت کند، ماهیچه‌های او به دلیل ALS نمی‌توانند فرمان را اجرا کنند.

حدود یک ماه پس از جراحی بنت، محققان به مدل آموزش دادند تا گفتار نامنسجم خود را به کلمات رمزگشایی کند. پس از چهار ماه، کلمات نامفهوم بنت با سرعت 62 کلمه در دقیقه روی صفحه کامپیوتر به کلمات تبدیل شد.

جیمی هندرسون، پزشک جراح که این جراحی را روی بنت انجام داد، گفت: ما نشان داده‌ایم که می‌توانید گفتار مورد نظر را با ثبت فعالیت از یک ناحیه بسیار کوچک در سطح مغز رمزگشایی کنید.

در حالی که مزایای این فناوری می تواند به افرادی که به دلیل بیماری یا سکته تکلم خود را از دست داده اند کمک کند، نگرانی هایی در مورد تراشه های مغز وجود دارد. این شایعه وجود دارد که این تراشه ها می توانند افکار مردم را بخوانند. نورالینک ایلان ماسک یکی از این فناوری‌ها است که تردیدها را در مورد توسعه بیشتر این فناوری به منصه ظهور رسانده است. با این حال، این نظرات غیر قابل اثبات است.