متا با استفاده از هوش مصنوعی و دقت ۶۱ درصدی، رمزگشایی مغز به متن را بدون جراحی ممکن کرد

سال‌ها، توسعه رابط‌های مغز و کامپیوتر در یک بده‌بستان سخت گیر افتاده بود: یا با سوراخ کردن جمجمه برای کاشت الکترودها به دقت بالا دست یابیم، یا با استفاده از حسگرهای خارجی که به سختی می‌توانستند چیزی فراتر از دستورات اولیه را رمزگشایی کنند، ایمنی را در اولویت قرار دهیم. اکنون بخش تحقیقات هوش مصنوعی بنیادی (FAIR) متا این مصالحه را شکسته است. این شرکت با انتشار «برین۲کوئرتی نسخه ۲»، یک سیستم غیرتهاجمی را به نمایش گذاشته است که قادر است جملات تایپ‌شده را مستقیماً از فعالیت مغز با دقت کلمه متوسط ۶۱ درصد رمزگشایی کند.[1][3]

این پیشرفت متکی بر مگنتوانسفالوگرافی (MEG) است، یک تکنیک تصویربرداری عصبی که میدان‌های مغناطیسی میکروسکوپی تولید شده توسط فعالیت الکتریکی در مغز را اندازه‌گیری می‌کند. برخلاف fMRI که جریان خون کند را ردیابی می‌کند، MEG به اندازه کافی سریع عمل می‌کند تا زمان‌بندی میلی‌ثانیه‌ای ضربات کلید فردی را ثبت کند. با این حال، سیگنال‌های MEG به شدت نویزی هستند، به همین دلیل روش‌های قبلی رمزگشایی متن غیرتهاجمی در دقت کلمه حدود ۸ درصد متوقف شده بودند.[1][4][5]

برای حل مشکل نویز، متا قوانین پردازش سیگنال دستی را کنار گذاشت و به جای آن از یک خط لوله یادگیری عمیق سرتاسری استفاده کرد. هنگامی که یک شرکت‌کننده در اسکنر MEG می‌نشیند و جمله‌ای را تایپ می‌کند، سیستم داده‌های مغناطیسی خام را به یک شبکه عصبی سه‌مرحله‌ای وارد می‌کند که برای تفسیر جریان پیوسته فعالیت عصبی طراحی شده است.[3][6]

ابتدا، یک رمزگذار کانولوشنال، امواج مغزی خام را به توکن‌هایی تبدیل می‌کند که نشان‌دهنده کاراکترهای فردی هستند. سپس، یک ترازکننده هوش مصنوعی (AI aligner) آن کاراکترها را در قالب کلمات گروه‌بندی می‌کند. در نهایت، یک مدل زبان بزرگ (LLM) – که تقریباً شبیه به متن پیش‌بینی‌کننده در تلفن هوشمند عمل می‌کند – از زمینه معنایی برای پاکسازی خروجی استفاده می‌کند و محتمل‌ترین کلمه مورد نظر را زمانی که خوانش عصبی مبهم یا توسط نویز مخدوش شده است، حدس می‌زند.[4][6]

این نتایج نشان‌دهنده یک تغییر پارادایم برای فناوری عصبی غیرتهاجمی است. در میان ۹ داوطلب که هر کدام ۱۰ ساعت داده تایپ ارائه کردند، این سیستم ۲۲,۰۰۰ جمله را با دقت کلمه متوسط ۶۱ درصد بازسازی کرد. بهترین عملکرد متعلق به شرکت‌کننده‌ای بود که به دقت ۷۸ درصد رسید، به طوری که بیش از نیمی از جملات او با یک یا کمتر از یک خطای کلمه رمزگشایی شدند.[1][2][3][5]

شاید مهم‌تر از آن برای آینده این حوزه، محققان متا مشاهده کردند که دقت سیستم به صورت لگاریتمی خطی با حجم داده‌های آموزشی افزایش می‌یابد. این مدل هیچ نشانه‌ای از رسیدن به سقف عملکرد نشان نداد، که حاکی از آن است که شکاف عملکرد باقی‌مانده بین اسکنرهای خارجی MEG و ایمپلنت‌های جراحی مانند نورالینک می‌تواند صرفاً با تغذیه ساعات بیشتری از فعالیت مغزی ضبط‌شده به هوش مصنوعی، بسته شود.[1][3][5]

برای تسریع این پیشرفت، متا کد آموزشی Brain2Qwerty را تحت مجوز غیرتجاری منبع باز کرده است، در حالی که شریک تحقیقاتی آن، مرکز شناخت، مغز و زبان باسک، مجموعه‌داده‌های زیربنایی را منتشر می‌کند. هدف این است که ابزارهایی در اختیار جامعه گسترده‌تر علوم اعصاب قرار گیرد تا بر اساس این مدل بنیادی بسازند و آن را برای استفاده بالینی تطبیق دهند.[1][5]

با وجود پیروزی نرم‌افزاری، این سیستم همچنان به محدودیت‌های سخت‌افزاری شدیدی وابسته است. اسکنرهای MEG ماشین‌هایی چند میلیون دلاری و به اندازه یک اتاق هستند که برای عملکرد به محیط‌های محافظت‌شده مغناطیسی نیاز دارند. آنها به حرکت بسیار حساس هستند، به این معنی که این فناوری در حال حاضر به آزمایشگاه‌های تحقیقات بالینی محدود شده است و نه دستگاه‌های مصرفی قابل حمل.[4][6]

با این حال، برای جامعه پزشکی، این اثبات مفهوم بسیار عمیق است. برای بیمارانی که از اسکلروز جانبی آمیوتروفیک (ALS)، سکته‌های ساقه مغز یا سندروم قفل‌شدگی رنج می‌برند، خطرات ایمپلنت‌های جراحی – از جمله عفونت، زخم بافت و تخریب سخت‌افزار – موانع بزرگی برای ورود هستند. متا با اثبات اینکه هوش مصنوعی می‌تواند زبان منسجم را از طریق جمجمه استخراج کند، افق غیرتهاجمی و قابل قبولی را برای بازیابی ارتباطات انسانی روشن کرده است.[2][6]