رفتن به محتوای اصلی

راهنمارابط‌های مغز-رایانه برای رمزگشایی گفتارویرایش ۱به‌روزرسانی

توضیح کوهستانپروتزهای عصبیرابط‌های مغز و رایانه· 10 دقیقه مطالعه· در علم

رابط‌های مغز و رایانه برای رمزگشایی گفتار: ایمپلنت‌های عصبی چگونه صدا را بازمی‌گردانند

پروتزهای عصبی پیشرفته اکنون می‌توانند سیگنال‌های مغز را با سرعتی نزدیک به گفت‌وگوی طبیعی، مستقیماً به متن و صدای سنتز‌شده تبدیل کنند. این ایمپلنت‌ها با رمزگشایی فرمان‌های حرکتیِ صادرشده برای مجرای صوتی، راه ارتباطی نوینی را برای بیماران فلج می‌گشایند.

به قلم فرشید جمشیدی

این خبر را به اشتراک بگذارید

گوش‌ دهید

به‌طور خلاصه

  1. پروتزهای عصبی پیشرفته فرامین حرکتی را از مغز دریافت کرده و با دور زدن عصب‌های آسیب‌دیده، توان تکلم را احیا می‌کنند.
  2. کارآزمایی‌های بالینی اخیر به سرعت رمزگشایی تا ۷۸ کلمه در دقیقه دست یافته‌اند که به آهنگ گفت‌وگوی طبیعی نزدیک است.
  3. رویکردهای سخت‌افزاری میان شبکه‌های سطحی با دوام بالاتر و آرایه‌های ریزالکترود نفوذی با وضوح داده بیشتر دسته‌بندی می‌شوند.

برای فردی که به فلج شدید یا سندرم قفل‌شدگی دچار است، سازوکار شناختی زبان معمولاً دست‌نخورده باقی می‌ماند. مغز همچنان واژه‌ها را شکل می‌دهد، جملات را می‌سازد و دستور حرکت مجرای صوتی را صادر می‌کند. تراژدی ناتوانی در تکلم یا آنارتریا این است که این سیگنال‌ها به پلی ویران برمی‌خورند و بیمار را در سکوتی ناخواسته محبوس می‌کنند.[10]

رابط‌های مغز و رایانه (BCI) برای رمزگشایی گفتار، این پل شکسته را به‌کلی دور می‌زنند. این پروتزهای عصبی به‌جای تلاش برای ترمیم اعصاب آسیب‌دیده، دستورهای الکتریکی را مستقیماً از قشر مغز رهگیری می‌کنند. آنها حرکات حرکتیِ مدنظر مغز را به متن دیجیتال یا صدای سنتز‌شده تبدیل کرده و پیوند ارتباطی بنیادین انسان را احیا می‌نمایند.[4]

گذار از دستگاه‌های ارتباطی قدیمی به رابط‌های مغز و رایانه مدرن، نمایانگر تغییر اساسی در هدف‌گیری است. سامانه‌های پیشین بر حرکات اندک باقی‌مانده چشم یا انقباض جزئی عضلات برای انتخاب حروف روی صفحه تکیه داشتند؛ فرایندی طاقت‌فرسا مبتنی بر هجی کردن حروف که سرعت آن به‌ندرت از پنج تا ده کلمه در دقیقه فراتر می‌رفت و خستگی شدیدی به همراه داشت.[2][12]

پروتزهای عصبی پیشرفته امروزی، قصدِ مستقیم تکلم را رمزگشایی می‌کنند. پژوهشگران با خواندن قشر حرکتی مغز — ناحیه‌ای که مسئول هماهنگی فک، لب‌ها و حنجره است — می‌توانند حتی پیش از آنکه عضله‌ای تکان بخورد، پیش‌بینی کنند فرد قصد ادای چه کلمه‌ای را دارد و بدین ترتیب ریتم طبیعی اندیشه انسان را ثبت نمایند.[3][5]

نتایج چند سال اخیر از مرحله امکان‌سنجی نظری فراتر رفته و به واقعیت بالینی بدل شده‌اند. در آزمایش‌های برجسته سال‌های ۲۰۲۳ و ۲۰۲۴، بیمارانی که بیش از یک دهه قادر به تکلم نبودند، توانستند مکالماتی با سرعتی نزدیک به گفت‌وگوی عادی برقرار کنند و به سرعت‌های رمزگشایی نزدیک به ریتم طبیعی انسان (حدود ۱۵۰ کلمه در دقیقه) دست یابند.[1][6][7]

فرایند دو‌مرحله‌ای الگوریتمی که شلیک‌های عصبی خام را به جملات ساختاریافته تبدیل می‌کند.

معماری گفتار ارادی

برای درک چگونگی خواندن یک واژه از ذهن توسط دستگاه، باید نحوه ساخت آن در مغز را بررسی کرد. گفتار احتمالاً پیچیده‌ترین رفتار حرکتی انسان است؛ به‌گونه‌ای که ادای حتی یک هجا مستلزم هماهنگی دقیق و زیرمیلی‌ثانیه‌ایِ بیش از ۱۰۰ عضله مجزا است.[10]

هنگامی که فرد قصد سخن گفتن دارد، مراکز زبان در مغز مفهوم معنایی را شکل می‌دهند، اما این قشر حرکتی است که آن را به نقشه‌ای فیزیکی بدل می‌کند. این بخش شلیک‌های پیاپی و سریعی از تکانه‌های الکتریکی را صادر می‌کند تا مجرای صوتی فرم بگیرد، هوا از ریه‌ها خارج شود و تارهای صوتی به لرزش درآیند.[3]

دکتر ادوارد چانگ، جراح مغز و اعصاب در دانشگاه کالیفرنیا سان‌فرانسیسکو (UCSF) که یکی از آزمایش‌های کلیدی سال ۲۰۲۳ را رهبری کرد، توضیح می‌دهد: «ما صدای درونی یا افکار انتزاعی یک واژه را رمزگشایی نمی‌کنیم، بلکه دستورهای ارسالی مغز به مجرای صوتی را رمزگشایی می‌کنیم. این در واقع یک مسئله رمزگشایی حرکتی است.»[11]

این تمایز نقشی حیاتی در موفقیت فناوری دارد. افکار انتزاعی حالتی پراکنده دارند و در مغز افراد مختلف بسیار متفاوت‌اند؛ اما فرامین حرکتی ساختاری بسیار مشخص و الگومند دارند. الگوی شلیک عصبی برای بستن لب‌ها به‌منظور ادای صدای «پ» کاملاً تکرارپذیر و یکپارچه است و هدفی مطمئن در اختیار الگوریتم‌ها می‌گذارد.[4]

پژوهشگران با تمرکز بر این بازنمایی‌های حرکتی، گفتار موردنظر را به کوچک‌ترین اجزای آوایی آن تجزیه می‌کنند. سامانه به‌جای نیاز به یادگیری امضای عصبی تک‌تک واژه‌های فرهنگ لغت، تنها کافی است ۳۹ واج بنیادین را که زبان انگلیسی را می‌سازند، شناسایی کند.[7]

شبکه‌های سطحی در برابر آرایه‌های نفوذی

ثبت این سیگنال‌های الکتریکی گذرا مستلزم آن است که حسگرها تا حد ممکن نزدیک نورون‌ها قرار گیرند. چشم‌انداز کنونی رابط‌های مغز و رایانه به دو رویکرد سخت‌افزاری متمایز تقسیم می‌شود: شبکه‌های نوار الکتریکی قشر مغز (ECoG) که روی سطح مغز می‌نشینند، و آرایه‌های ریزالکترودی که درون بافت نفوذ می‌کنند.[10]

دستگاه‌های ECoG از پدی انعطاف‌پذیر تشکیل شده‌اند که دیسک‌های فلزی تختی در آن تعبیه شده است. جراحان این شبکه را روی قشر حرکتی گفتار، زیر استخوان جمجمه اما بیرون از خود ماده مغز قرار می‌دهند. از آنجا که این حسگرها بافت را سوراخ نمی‌کنند، در درازمدت ایمن‌تر و بادوام‌تر ارزیابی می‌شوند.[6]

در مطالعه‌ای که سال ۲۰۲۳ در نشریه نیچر منتشر شد، سامانه‌ای مبتنی بر ECoG با ۲۵۳ الکترود موفق شد گفتار را با سرعت ۷۸ کلمه در دقیقه رمزگشایی کند. حسگرهای سطحی، فعالیت الکتریکی مجموع هزاران نورون را به‌طور هم‌زمان ثبت می‌کنند و تصویری کلی هرچند اندکی تار از فعالیت قشر مغز به دست می‌دهند.[6]

در مقابل، آرایه‌های ریزالکترود نفوذی — که اغلب به عنوان «آرایه‌های یوتا» شناخته می‌شوند — از خارهای سیلیکونی ریزی ساخته شده‌اند که حدود ۱.۵ میلی‌متر در قشر مغز فرو می‌روند. این خارها مستقیماً کنار نورون‌های منفرد قرار می‌گیرند و الگوهای شلیک دقیق و مجزای آنها را با وضوحی استثنایی ضبط می‌کنند.[1]

آزمایشی هم‌زمان در سال ۲۰۲۳ در دانشگاه استنفورد با بهره‌گیری از چهار مورد از این آرایه‌های نفوذی به سرعت رمزگشایی ۶۲ کلمه در دقیقه دست یافت. داده‌های با وضوح بالا به سامانه امکان داد دایره واژگانی عظیمی شامل ۱۲۵ هزار کلمه را با نرخ خطای تنها ۲۳.۸ درصد پردازش کند.[1]

موازنه کنونی میان سرعت رمزگشایی و وسعت دایره واژگان در رویکردهای سخت‌افزاری مختلف.

لایه ترجمه الگوریتمی

سخت‌افزار به‌تنهایی قادر نیست نوفه‌های عصبی را به جملاتی معنادار تبدیل کند. شتاب چشمگیر کارایی رابط‌های مغز و رایانه تا حد زیادی ناشی از جهش‌های هم‌زمان در هوش مصنوعی است، به‌ویژه بهره‌گیری از معماری‌های یادگیری عمیق که در اصل برای پردازش زبان طبیعی طراحی شده بودند.[4]

الگوریتم‌های رمزگشایی اولیه بر مدل‌های خطی تکیه داشتند که در برابر ماهیت نامانا و پر از نوفه سیگنال‌های مغزی کارایی چندانی نداشتند. امروزه پژوهشگران از شبکه‌های عصبی بازگشتی و مدل‌های ترنسفورمر استفاده می‌کنند که در تشخیص الگوهای پیچیده زمانی و انطباق شلیک‌های الکتریکی با ساختارهای زبانی توانمندند.[7]

فرایند رمزگشایی طی دو مرحله رخ می‌دهد. ابتدا یک مدل آکوستیک داده‌های عصبی خام را به‌صورت بلادرنگ واکاوی کرده و احتمال ادای واج‌های مختلف را محاسبه می‌کند. این مدل جهش‌های الکتریکی را به توالی فرضی از واج‌ها ترجمه می‌کند.[1]

سپس یک مدل زبانی — مشابه موتور پیش‌بینی متن در تلفن‌های همراه — این واج‌های حدس‌زده‌شده را با قواعد دستور زبان و واژگان تطبیق می‌دهد. اگر مدل آکوستیک ترکیبی از واج‌ها را شناسایی کند، مدل زبانی با توجه به بافت پیرامونی، آن را به کلمه‌ای معنادار تصحیح می‌کند.[6]

سپس یک مدل زبانی — مشابه موتور پیش‌بینی متن در تلفن‌های همراه — این واج‌های حدس‌زده‌شده را با قواعد دستور زبان و واژگان تطبیق می‌دهد.

این لایه پیش‌بین نقشی حیاتی در رسیدن به سرعت گفت‌وگوی طبیعی ایفا می‌کند. مدل زبانی با حدس زدن واژه بعدی، افت‌های لحظه‌ای و خطاهای ضبط عصبی را پوشش می‌دهد، نرخ خطای کلمات را به‌شدت می‌کاهد و مانع از سرخوردگی بیمار می‌شود.[7]

سنتز صدا و حالت‌های چهره

بازگرداندن توان ارتباط صرفاً به معنای تولید متن روی صفحه نیست، بلکه احیای هویت فرد است. برای بسیاری از بیماران، از دست دادن صدای طبیعی و حالات چهره به اندازه از دست رفتن کلمات اندوه‌بار است و بافت عاطفی گفتگو را سلب می‌کند.[8]

برای حل این مسئله، پروتزهای عصبی اخیر از خروجی‌های متنی ساده فراتر رفته‌اند. پژوهشگران با تحلیل فیلم‌های آرشیویِ پیش از آسیب‌دیدگی بیمار، الگوریتم‌ها را آموزش می‌دهند تا صدایی سنتز کنند که طنین و آهنگ اصلی صدای خود فرد را شبیه‌سازی نماید.[6]

تیم دانشگاه UCSF گامی فراتر نهاد و سیگنال‌های عصبی مرتبط با حرکات صورت را نیز رمزگشایی کرد. سامانه آنها یک آواتار دیجیتال را روی صفحه به حرکت درمی‌آورد و فک، لب‌ها و زبان را کاملاً هم‌گام با گفتار رمزگشایی‌شده متحرک می‌سازد.[11]

این آواتار ظرافت‌های احساسی را نیز بازتاب می‌دهد. آرایه ECoG فرمان‌های حرکتی مجزا برای لبخند، اخم یا تعجب را شناسایی کرده و این حالات را به‌صورت بلادرنگ روی چهره دیجیتال پیاده می‌کند. این خروجی چندوجهی تعاملی غنی‌تر و انسانی‌تر فراهم می‌آورد.[8]

دکتر چانگ درباره بیمار این کارآزمایی — زنی که ۱۸ سال بر اثر سکته ساقه مغز فلج بود — گفت: «شنیدن صدای او و دیدن حالات چهره‌اش روی آواتار بسیار منقلب‌کننده بود؛ این دستاورد فاصله میان تایپ کردن خشک و یک گفت‌وگوی واقعی را از میان برمی‌دارد.»[11]

تصویرسازی: آواتارهای دیجیتال می‌توانند با رمزگشایی فرامین حرکتی، حالات اولیه چهره و طنین صدای واقعی بیمار را بازآفرینی کنند.

افق معنایی غیرتهاجمی

با وجود وضوح بالای ایمپلنت‌های جراحی، پژوهشگران روش‌های غیرتهاجمی بدون نیاز به جراحی را نیز بررسی می‌کنند. این روش‌ها دقت میلی‌ثانیه‌ای الکترودهای کاشته‌شده را فدای ایمنی و دسترسی‌پذیری اسکنرهای خارجی می‌کنند.[9]

در مطالعه‌ای در سال ۲۰۲۳ که در نشریه نیچر نوروساینس منتشر شد، دانشمندان دانشگاه تگزاس در آستین موفق شدند با استفاده از اف‌ام‌آرآی (fMRI)، زبان پیوسته را رمزگشایی کنند.[9]

رویکرد fMRI برعکس رمزگشایی حرکتی، شبکه‌های معنایی مغز را هدف می‌گیرد. این دستگاه تغییرات جریان خون در نواحی دخیل در درک معنا و مفاهیم انتزاعی را می‌سنجد. سامانه عین کلمات را بازسازی نمی‌کند، بلکه جان‌کلام افکار فرد را استخراج می‌نماید.[9]

زمانی که شرکت‌کننده به پادکستی گوش می‌داد یا داستانی را در ذهن مرور می‌کرد، رمزگشای fMRI خلاصه‌ای متنی ارائه می‌داد که خط اصلی داستان را بازگو می‌کرد؛ یعنی مفهوم ذهنی را به‌جای واژگان دقیق منتقل می‌نمود.[9]

از آنجا که دستگاه‌های fMRI ابعادی به اندازه یک اتاق دارند، این فناوری وسیله‌ای قابل‌حمل به شمار نمی‌رود. با این حال، اثبات می‌کند رمزگشایی معنایی بدون جراحی میسر است و مسیر را برای فناوری‌های پوشیدنی مانند طیف‌سنجی عملکردی فروسرخ نزدیک هموار می‌کند.[10]

موانع بالینی و دوام سخت‌افزار

با وجود نمایش‌های شگفت‌انگیز اثبات مفهوم، رابط‌های مغز و رایانه گفتاری همچنان کاملاً در مراحل آزمایشی قرار دارند. گذار از پدیده‌ای آزمایشگاهی به دستگاهی پزشکی با تأییدیه FDA نیازمند غلبه بر چالش‌های مهندسی و زیستی بزرگی است.[4]

بزرگ‌ترین چالش، ماندگاری سخت‌افزار است. مغز محیطی ناسازگار برای قطعات الکترونیکی است؛ گرم، شور و به‌شدت خورنده. با گذشت زمان، دستگاه ایمنی بدن ریزالکترودهای نفوذی را جسم خارجی تلقی کرده و آنها را در بافت اسکار می‌پوشاند که موجب تضعیف سیگنال می‌شود.[1]

آرایه‌های سطحی ECoG از این واکنش شدید اسکار در امانند، اما همچنان با فرسایش مکانیکی روبه‌رو هستند. سیم‌های باریکی که الکترودها را به پردازنده‌های خارجی متصل می‌کنند ممکن است بر اثر ریزحرکات مداوم مغز و جمجمه در طول سال‌ها دچار شکستگی شوند.[6]

علاوه بر این، سامانه‌های کنونی برای انتقال حجم عظیم داده‌های عصبی نیازمند سوکتی فیزیکی هستند که از پوست سر بیرون می‌زند. این اتصال زیرپوستی خطر همیشگی عفونت را به همراه دارد و کاربرد بلندمدت فناوری را خارج از محیط‌های آزمایشگاهی محدود می‌کند.[2]

صنعت در تلاشی پرشتاب برای ساخت سامانه‌های کاملاً کاشتنی و بی‌سیم است. شرکت‌ها در حال طراحی محفظه‌های تیتانیومی کاملاً نفوذناپذیر و فرستنده‌های بی‌سیم با پهنای باند بالا هستند تا داده‌ها را از روی پوستِ سالم بفرستند، مشابه حلزون‌های شنوایی مدرن.[10]

شبکه‌های سطحی ECoG دوام بالاتری ارائه می‌دهند، در حالی که آرایه‌های نفوذی با قرارگیری مستقیم کنار نورون‌ها وضوح بیشتری فراهم می‌کنند.

کالیبراسیون و افق پیش‌رو

مانع بزرگ دیگر برای استفاده گسترده، کالیبراسیون سنگین و طولانی است. از آنجا که ساختار مغز هر فرد منحصربه‌فرد است، رمزگشایی که روی یک بیمار آموزش دیده روی دیگری کارایی ندارد و الگوریتم باید گویش عصبی ویژه هر فرد را فراگیرد.[7]

در کارآزمایی‌های اولیه، بیماران ناچار بودند صدها ساعت وقت صرف کنند تا هزاران عبارت تمرینی را تکرار کنند تا داده کافی برای هوش مصنوعی فراهم شود؛ کاری توان‌فرسا که برای افراد مبتلا به خستگی مفرط ناشی از ALS بسیار دشوار است.[2]

پیشرفت‌های جدید یادگیری ماشین این فشار را به‌شدت کاهش داده است. مطالعه‌ای در سال ۲۰۲۴ در نیوانگلند ژورنال آو مدیسین نشان داد که یک پروتز عصبی با کالیبراسیون سریع توانسته تنها پس از ۳۰ دقیقه گردآوری داده به دقت بالایی دست یابد.[7]

پژوهشگران با پیش‌آموزش الگوریتم‌ها بر مدل‌های زبانی تعمیم‌یافته و استفاده از یادگیری انتقالی، اکنون می‌توانند رمزگشا را با کمترین زمان برای بیمار جدید تنظیم کنند و سامانه نیز در حین استفاده روزمره به یادگیری ادامه می‌دهد.[7]

با پیشرفت سخت‌افزارهای بی‌سیم و کاهش زمان کالیبراسیون، چشم‌انداز پروتزهای عصبی آماده‌به‌کار نزدیک‌تر می‌شود. برای میلیون‌ها نفری که به دلیل سکته یا بیماری‌های عصبی ساکت مانده‌اند، توانایی اندیشیدن و شنیده شدن دیگر یک داستان علمی‌تخیلی نیست.[4]

پیشرفت‌ها در یادگیری انتقالی زمان موردنیاز برای کالیبراسیون پروتز عصبی روی کاربر جدید را به‌طرز چشمگیری کاهش داده است.

حریم خصوصی و اخلاق عصبی

پیامدهای اخلاقی این فناوری نیز اهمیت یافته است. با پیچیده‌تر شدن رمزگشاها، تمایز میان گفتار ارادی و افکار درونی خصوصی باید با دقت حفظ شود. پژوهشگران تأکید دارند که عملکرد این سامانه‌ها نیازمند قصد و تمایل فعالانه خود بیمار است.[9]

همان‌طور که تیم دانشگاه آستین درباره رمزگشای معنایی خود اشاره کرده، مغز آخرین قلمرو حریم خصوصی مطلق است. تضمین این امر که پروتزهای عصبی تنها آنچه را کاربر آگاهانه اراده می‌کند منتشر سازند، به‌اندازه دستاوردهای مهندسی آن حیاتی خواهد بود.[9]

مقایسه

مقایسه روش‌های اصلی رمزگشایی گفتار
روشمحل قرارگیریسیگنال هدفسرعت / وضوحمیزان تهاجم
میکروالکترود (آرایه یوتا)نفوذ ۱٫۵ میلی‌متری به درون قشر مغزپتانسیل‌های عمل تک‌نورونی۶۲ کلمه در دقیقه / دایره واژگان ۱۲۵٬۰۰۰ کلمه‌ایبالا (نیازمند جراحی باز مغز)
شبکه ECoGسطح مغز (زیر جمجمه)مجموع فعالیت جمعیت نورونی۷۸ کلمه در دقیقه / سرعت مکالمه بالامتوسط (نیازمند کرانیوتومی)
رمزگشای معنایی fMRIاسکنر خارجیاکسیژن‌رسانی خون (سیگنال BOLD)آهسته / دریافت مفهوم کلی، نه کلمات دقیقفاقد تهاجم (غیرتهاجمی)

این تحلیل چگونه انجام شد

روش
ما معیارهای عملکرد رمزگشایی گفتار (کلمه در دقیقه، گستره واژگان و نرخ خطای کلمات) را در سه کارآزمایی بالینی شاخص ۲۰۲۳ و ۲۰۲۴ (ECoG دانشگاه UCSF، آرایه یوتای استنفورد و اف‌ام‌آرآی غیرتهاجمی) تجمیع کردیم تا موازنه کنونی میان ابعاد دایره واژگان و سرعت رمزگشایی را مشخص کنیم.
یافته
تحلیل نشان‌دهنده یک دوراهی سخت‌افزاری آشکار است: آرایه‌های ریزالکترود نفوذی در حال حاضر به نرخ خطای کمتری در دایره واژگان بسیار وسیع (۱۲۵ هزار کلمه) دست می‌یابند اما سرعت آنها روی ۶۰ تا ۶۵ کلمه در دقیقه متوقف می‌شود، در حالی که آرایه‌های سطحی ECoG به سرعت گفت‌وگوی طبیعی (۷۸ کلمه در دقیقه) نزدیک‌تر می‌شوند اما برای حفظ دقت، نیازمند مدل‌سازی زبانی پیش‌بینانه‌تری هستند.
داده‌هایی که بر پایهٔ آن‌ها کار کردیم
  • سرعت رمزگشایی آواتار ECoG: 78 words per minute — Nature
  • سرعت رمزگشایی آرایه ریزالکترود: 62 words per minute — Nature
  • دایره واژگان اف‌ام‌آرآی غیرتهاجمی: Continuous semantic language — Nature Neuroscience
محدودیت‌های این تحلیل
این معیارها از کارآزمایی‌های امکان‌سنجی تک‌بیمار با آسیب‌های زمینه‌ای متفاوت (ALS در برابر سکته ساقه مغز) گردآوری شده‌اند، به این معنی که تفاوت‌های عملکردی ممکن است به اندازه توانایی سخت‌افزار، متأثر از فیزیولوژی خاص هر بیمار باشد.

اصطلاحات کلیدی

رابط مغز و رایانه (BCI)
سامانه‌ای که مسیری مستقیم برای تبادل ارتباط میان فعالیت‌های الکتریکی مغز و یک دستگاه دیجیتال خارجی برقرار می‌کند.
نوار قشر مغز (ECoG)
روشی که در آن شبکه‌ای از الکترودها مستقیماً روی سطح نمایان قشر مغز قرار داده می‌شوند تا فعالیت الکتریکی را ثبت کنند.
واج (Phoneme)
کوچک‌ترین واحد صوتی معنادار در گفتار، مانند صدای «ک» در کلمه «گربه»، که الگوریتم‌ها از آن برای رمزگشایی واژه‌ها استفاده می‌کنند.
آنارتریا (Anarthria)
فقدان شدید توانایی حرکتی برای ادای واژگان و تکلم، که اغلب بر اثر سکته ساقه مغز یا بیماری‌های پیش‌رونده عصبی رخ می‌دهد.
رمزگشایی معنایی (Semantic Decoding)
ترجمه مفهوم کلی و درک درونی یک اندیشه، به‌جای ثبت دستورهای حرکتی مستقیم برای بیان فیزیکی آن.

پرسش‌های متداول

آیا این دستگاه‌ها می‌توانند افکار خصوصی من را بخوانند؟

خیر. رابط‌های مغز و رایانه مبتنی بر رمزگشایی حرکتی تنها سیگنال‌های الکتریکی خاصی را رهگیری می‌کنند که فرد هنگام تلاش فعالانه برای حرکت دادن اندام‌های صوتی صادر می‌کند. این سامانه‌ها توانایی دسترسی به افکار انتزاعی، خاطرات یا تک‌گویی‌های درونی را ندارند.

طول عمر ایمپلنت‌های مغزی چقدر است؟

دوام آرایه‌های نفوذی در حال حاضر به دلیل ایجاد بافت اسکار در اطراف الکترودها به چند سال محدود است. شبکه‌های سطحی ECoG عمر طولانی‌تری دارند، اما پژوهشگران همچنان در تلاشند تا سامانه‌های بی‌سیم و کاملاً مهروموم‌شده‌ای بسازند که بتوانند برای چندین دهه در مغز باقی بمانند.

آیا کاربر باید روش ارتباطی جدیدی یاد بگیرد؟

برخلاف دستگاه‌های قدیمی که مستلزم یادگیری نحوه کنترل نشانگر با حرکات چشم بودند، در این سامانه‌ها بیمار کافی است همان‌طور که پیش از بیماری صحبت می‌کرد تلاش به سخن گفتن کند؛ الگوریتم هوش مصنوعی خود را با الگوهای عصبی طبیعی فرد تطبیق می‌دهد.

این فناوری چه زمانی در دسترس عموم قرار می‌گیرد؟

این رابط‌ها هم‌اکنون به کارآزمایی‌های بالینی با مجوز FDA محدودند. تا زمان عرضه تجاری و گسترده، به دلیل نیاز به توسعه سخت‌افزارهای کاملاً بی‌سیم و مطالعات ایمنی بزرگ‌تر، احتمالاً چند سال فاصله باقی است.

بررسی عمیق دیدگاه‌ها

مهندسان سخت‌افزار

تمرکز بر غلبه بر پس‌زدگی بیولوژیکی ایمپلنت‌ها و توسعه دستگاه‌های بی‌سیم و کاملاً مهروموم‌شده برای استفاده مادام‌العمر.

از دیدگاه مهندسان، مغز محیطی خورنده و خشن است که با اجسام بیگانه مقابله می‌کند. هنگامی که ریزالکترودهای نفوذی وارد بافت می‌شوند، دستگاه ایمنی بدن آنها را با بافت اسکار گلیال احاطه می‌کند و سیگنال‌های الکتریکی به‌مرور ضعیف می‌شوند. مهندسان بر این باورند که تا زمان مهار این واکنش، رابط‌های مغز و رایانه با وضوح بالا ابزارهایی آزمایشی باقی خواهند ماند نه تجهیزاتی با کاربری مادام‌العمر. برای عبور از این چالش، پژوهش‌ها بر علم مواد و انتقال بی‌سیم متمرکز شده‌اند. سامانه‌های فعلی به پایه‌هایی فیزیکی متکی هستند که از پوست سر عبور می‌کنند و خطر دائمی عفونت دارند. مهندسان اکنون در حال ساخت محفظه‌های تیتانیومی کاملاً نفوذناپذیر و فرستنده‌های بی‌سیم نوری یا رادیویی پرسرعت هستند تا داده‌ها را بدون نیاز به شکافتن مداوم پوست انتقال دهند.

متخصصان مغز و اعصاب بالینی

اولویت‌بخشی به کاهش خستگی مفرط بیمار از طریق کالیبراسیون سریع الگوریتم‌ها و جایگزین‌های غیرتهاجمی.

متخصصان مغز و اعصاب به این فناوری از منظر آسایش بیمار می‌نگرند. مبتلایان به بیماری‌های پیش‌رونده نظیر ALS یا افراد دچار سندرم قفل‌شدگی با خستگی جسمانی شدیدی دست‌به‌گریبانند. در کارآزمایی‌های گذشته، بیماران ناچار بودند صدها ساعت وقت صرف کنند تا هزاران عبارت را تکرار کنند تا هوش مصنوعی آموزش ببیند؛ فرایندی فرساینده که از توان بسیاری از بیماران خارج است. از این رو، اولویت بالینی بیش از آنکه افزایش وضوح سخت‌افزار باشد، کارایی الگوریتم‌ها است. پزشکان معتقدند دستیابی به رمزگشایی دقیق تنها با ۳۰ دقیقه کالیبراسیون، نقطه عطفی بسیار حیاتی‌تر از افزایش جزئی در تعداد کلمات در دقیقه به شمار می‌رود، زیرا بستر استفاده واقعی را در بستر بالینی مهیا می‌سازد.

پژوهشگران اخلاق عصبی

تأکید بر لزوم تدابیر سخت‌گیرانه برای حفظ حریم خصوصی ذهن، به‌گونه‌ای که هیچ رمزی بدون رضایت فعالانه کاربر گشوده نشود.

با چرخش فناوری رمزگشایی از فرامین حرکتی به سوی استخراج معانی ذهنی، پژوهشگران اخلاق عصبی نسبت به حریم خصوصی روان هشدار می‌دهند. استخراج جوهره یک تفکر از روی اسکن مغزی، حتی به روش غیرتهاجمی، از مرزهای فردی عبور می‌کند. به باور آنان، مغز واپسین پناهگاه حریم خصوصی انسان است و قوانین موجود به‌هیچ‌وجه برای حمایت از داده‌های ذهنی آماده نیستند. پژوهشگران این حوزه تأکید می‌کنند رمزگشاهای کنونی نیازمند مشارکت آگاهانه کاربر هستند، اما با افزایش حساسیت این ابزارها، مرز میان تلاش برای سخن گفتن و یک تک‌گویی ذهنی گذرا ممکن است کم‌رنگ شود. آنها خواستار تعبیه پروتکل‌های سخت‌افزاری و نرم‌افزاری هستند تا مطمئن شوند دستگاه فقط پیام‌هایی را ارسال می‌کند که کاربر صراحتاً اراده کرده است.

چه چیزی تغییر کرد

  1. · ویرایش ۱منتشر شد.
متخصصان مغز و اعصاب بالینی 40%مهندسان سخت‌افزار 35%پژوهشگران اخلاق عصبی 25%
متخصصان مغز و اعصاب بالینی
اولویت‌بخشی به کاهش خستگی مفرط بیمار از طریق کالیبراسیون سریع الگوریتم‌ها و جایگزین‌های غیرتهاجمی.
مهندسان سخت‌افزار
تمرکز بر غلبه بر پس‌زدگی بیولوژیکی ایمپلنت‌ها و توسعه دستگاه‌های بی‌سیم و کاملاً مهروموم‌شده برای استفاده مادام‌العمر.
پژوهشگران اخلاق عصبی
تأکید بر لزوم تدابیر سخت‌گیرانه برای حفظ حریم خصوصی ذهن، به‌گونه‌ای که هیچ رمزی بدون رضایت فعالانه کاربر گشوده نشود.

دیدگاه‌هایی که این گزارش پوشش نداده

  • شرکت‌های بیمه درمانی
  • دریافت‌کنندگان بلندمدت ایمپلنت

منابع

پوشش منابع

13 منبع

3 دیدگاه شناسایی‌شده

متخصصان مغز و اعصاب بالینی 40%مهندسان سخت‌افزار 35%پژوهشگران اخلاق عصبی 25%
  1. [1]Nature

    A high-performance speech neuroprosthesis

    مطالعه در Nature →
  2. [2]The New England Journal of Medicineمتخصصان مغز و اعصاب بالینی

    Neuroprosthesis for Decoding Speech in a Paralyzed Person with Anarthria

    مطالعه در The New England Journal of Medicine →
  3. [3]Cellپژوهشگران اخلاق عصبی

    Inner speech in motor cortex and implications for speech neuroprostheses

    مطالعه در Cell →
  4. [4]Annual Review of Biomedical Engineeringمهندسان سخت‌افزار

    Restoring Speech Using Brain–Computer Interfaces

    مطالعه در Annual Review of Biomedical Engineering →
  5. [5]National Institutes of Health

    Decoding inner speech from brain signals

    مطالعه در National Institutes of Health →
  6. [6]Nature

    A high-performance neuroprosthesis for speech decoding and avatar control

    مطالعه در Nature →
  7. [7]The New England Journal of Medicineمتخصصان مغز و اعصاب بالینی

    An Accurate and Rapidly Calibrating Speech Neuroprosthesis

    مطالعه در The New England Journal of Medicine →
  8. [8]National Institutes of Health

    Neuroprosthesis for paralysis enables simultaneous speech and body language

    مطالعه در National Institutes of Health →
  9. [9]Nature Neuroscienceپژوهشگران اخلاق عصبی

    Semantic reconstruction of continuous language from non-invasive brain recordings

    مطالعه در Nature Neuroscience →
  10. [10]Nature Reviews Neuroscienceمهندسان سخت‌افزار

    The speech neuroprosthesis

    مطالعه در Nature Reviews Neuroscience →
  11. [11]UCSF Newsمتخصصان مغز و اعصاب بالینی

    How Artificial Intelligence Gave a Paralyzed Woman Her Voice Back

    مطالعه در UCSF News →
  12. [12]Science

    A brain implant that translates thoughts into text

    مطالعه در Science →
  13. [13]تیم سردبیری کوهستان

    تحلیل تیم سردبیری کوهستان

    مطالعه در تیم سردبیری کوهستان →
گوش‌ دهید

نظرات

همیشه در جریان باشید

هر زاویه. هر روز.

اخبار علم با پوشش کامل منابع و تحلیل دیدگاه‌ها، هر روز و رایگان.