Без хірургічного втручання у мозок. Штучний інтелект навчився перетворювати думки на текст

Результати цього дослідження, опубліковані в авторитетному науковому журналі Nature Neuroscience, відкривають нові перспективи для відновлення комунікації у людей із важкими порушеннями рухових функцій або паралічем.

Сучасні ефективні інтерфейси «мозок-комп'ютер» (BCI) переважно потребують інвазивного втручання — імплантації мікродатчиків безпосередньо в тканини або на поверхню головного мозку. Попри високу точність, такі методи несуть серйозні нейрохірургічні ризики. Натомість представлена міжнародною групою дослідників технологія використовує комбінацію глибокого навчання з класичними неінвазивними методами: електроенцефалографією (ЕЕГ) та магнітоенцефалографією (МЕГ).

Під час експерименту за участю 35 здорових добровольців науковці фіксували активність мозку людей, які запам’ятовували та друкували короткі речення на стандартній клавіатурі. ЕЕГ вимірювала електричні імпульси через датчики на шкірі голови, тоді як МЕГ фіксувала надслабкі магнітні поля нейронів за допомогою спеціального шолома із надчутливими сенсорами.

На основі отриманих даних розробники створили алгоритм глибокого навчання під назвою Brain2Qwerty. У результаті навчання модель навчилася розпізнавати й передбачати символи, які людина планує набрати, виключаючи потребу у фізичному русі. Дослідження показало, що дані МЕГ забезпечують значно вищу точність порівняно з ЕЕГ: середня середня похибка розпізнавання символів для МЕГ становила 29% (проти 65% у ЕЕГ), а в найкращих випробуваних цей показник знижувався до 18%. ШІ-система вдало декодувала навіть ті речення, які не входили до початкового навчального набору.

Науковці наголошують, що створювана технологія суттєво скорочує розрив між безпечними неінвазивними методами та точністю хірургічно імплантованих нейропротезів. Надалі алгоритм Brain2Qwerty планується вдосконалювати для використання не лише в текстовому вводі, а й для керування протезами та іншими цифровими пристроями.