هوش مصنوعی Brain2Qwerty متا افکار انسان را به متن تبدیل می‌کند

هوش مصنوعی Brain2Qwerty متا پیشرفت چشمگیری در تبدیل امواج مغزی به متن بدون جراحی داشته که می‌تواند افکار انسان را رمزگشایی کند.

در گذشته، رمزگشایی دقیق افکار انسان از طریق امواج مغز اغلب نیازمند کاشت الکترود در مغز بود. اکنون تیمی از محققان متا و چندین موسسه دانشگاهی، روشی نوین و غیرتهاجمی به نام Brain2Qwerty توسعه داده‌اند.

این سیستم پیشگامانه با استفاده از دستگاه‌های خارج از سر، سیگنال‌های مغزی را دریافت کرده و همزمان با تایپ کردن سوژه، افکار او را با دقت بالا به متن برمی‌گرداند. دستاورد مذکور نه تنها دریچه‌ای تازه به سوی درک عملکرد زبان در مغز می‌گشاید، بلکه امکان جمع‌آوری داده‌های بسیار بیشتری را فراهم می‌کند.

روش کار Brain2Qwerty: از امواج مغزی تا متن

پژوهشگران فعالیت مغزی ۳۵ شرکت‌کننده سالم را که جملات اسپانیایی را تایپ می‌کردند، با استفاده از الکتروانسفالوگرافی (EEG) و مگنتوانسفالوگرافی (MEG) بدون نیاز به جراحی ثبت کردند.

• کره جنوبی یک تریلیون دلار برای تولید تراشه‌های حافظه و ربات‌های انسان‌نما هزینه می‌کند
• جنرال موتورز ربات‌ها را جایگزین 1300 نیروی انسانی در خط تولید کرد
• هوش مصنوعی در آستانه رمزگشایی زبان حیوانات

این داده‌ها شامل حدود ۴۰۰۰ جمله و ۱۴۶۰۰۰ کاراکتر برای EEG و ۵۱۰۰ جمله و ۱۹۳۰۰۰ کاراکتر برای MEG بود. سپس سیستم هوش مصنوعی Brain2Qwerty متشکل از یک شبکه عصبی پیچشی (CNN)، ترانسفورمر و مدل زبان ۹-گرمی از پیش آموزش‌دیده، برای طبقه‌بندی متن تایپ شده از فعالیت مغزی به کار گرفته شد. این مدل‌ها به صورت مشترک برای پیش‌بینی کاراکترها آموزش دیدند.

نتایج و اهمیت پیشرفت غیرتهاجمی

مدل MEG توسعه‌یافته نرخ خطای کاراکتر (CER) ۳۲ درصدی را کسب کرد که دقتی بسیار بالاتر از سیستم‌های EEG رقیب نشان می‌دهد. سیستم EEG این تیم نیز با نرخ خطای ۶۷ درصد، عملکرد بهتری نسبت به EEGNet از خود نشان داد (EEGNet به ۷۸ درصد رسید).

این روش‌های مؤثر و غیرتهاجمی که سیگنال‌های مغزی را با دقت بالا دریافت می‌کنند، راه را برای جمع‌آوری حجم وسیع‌تری از داده‌ها، آموزش مدل‌های قدرتمندتر و انجام طیف گسترده‌تری از آزمایش‌ها در زمینه رمزگشایی افکار هموار می‌سازند.