Facebook (Metaverse’e girmeden önce bilindiği gibi), beyin-bilgisayar arayüzü teknolojisini finanse etmeye başladığında manşetlere çıktı ve kullanıcıların sadece düşünerek metin oluşturmalarına izin vermenin bir yolunu aradı. Facebook, teknolojiyle etkileşime girmenin yeni bir yolunu yaratmak istedi – bir kullanıcının konuştuğunu hayal edebileceği ve bir cihaz bu elektriksel uyarıları metne dönüştürecek bir sistem.
Facebook, dili algılayabilen ve beyinden gelen elektrik sinyallerini dijital bilgilere çevirebilen başa takılan bir cihaz yaratmayı umuyordu. Potansiyel olarak dili kullanmak için ilk tüketici arayüzünü geliştiren bir sosyal medya devinin ilgi çekici öncülüne rağmen, şirket geçen yıl projeden çekilmeye karar verdi ve mevcut dil araştırmasını açık erişime sundu ve sinir sinyalleriyle ilgili hareketleri yakalayan arayüzlere odaklandı. , dilden ziyade.
Amerikan devi piyasadan çekilirken, bir dizi laboratuvar ilerliyor ve dilin metne veya konuşmaya dönüşümünde atılımlar yapıyor. Bu projeler, beynin yüzeyiyle doğrudan temas halinde olan elektrotları kullanarak verileri doğrudan kaynağında toplar. Aslında, giyilebilir cihazlara dayalı sistemlerden farklı olarak, implante elektrotları kullanan beyin-bilgisayar arayüzleri daha iyi bir sinyal-gürültü oranı sunar ve beyin aktivitesinin çok daha ayrıntılı ve spesifik kayıtlarına izin verir.
Geliştirilen ilk sistemler
Geçen yıl, Facebook’un araştırma ortağı UCSF, tesisin başındaki beyin cerrahı Edward Chang’ın adını taşıyan Chang Laboratuvarı’nın bir araştırma makalesinin parçası olarak işlevsel bir düşünceden metne arayüz oluşturduğunu duyurdu. Sistem, beynin yüzeyine yerleştirildiğinde kullanıcıdan gelen nöral sinyalleri alabilen bir polimer tabakasında bulunan sensörleri kullanır. Bu bilgiler daha sonra kullanıcının konuşmak istediği kelimeleri oluşturmak için makine öğrenme sistemleri tarafından çözülür.
Sistemin ilk kullanıcısı, beyin sapı felci geçirmiş, bu da onu son derece sınırlı baş, boyun ve uzuv hareketi ve konuşamama ile bırakan bir kişiydi. Felç geçirdiğinden beri, ekrandaki harflere dokunmak için bir beyzbol şapkasına bağlı bir işaretçi kullanarak başını hareket ettirerek iletişim kurmak zorunda kaldı.
Tipik olarak, sinyaller beyinden konuşma kaslarına sinirler yoluyla gider – sinirleri beyindeki elektrik telleri olarak düşünün. Deneme katılımcısının durumunda, beyin ve ses kasları arasındaki kablolar etkili bir şekilde kopmuştu. Konuşmaya çalıştığında sinyaller oluştu ama hedeflerine ulaşamadı. Arayüz bu sinyalleri doğrudan beynin ses korteksinden alır, katılımcının konuşmayla ilgili hangi kasları hareket ettirmeye çalıştığını bulmak için bunları analiz eder ve söylemek istedikleri kelimeleri bulmak için kullanır ve bu kas hareketlerini elektronik konuşmaya dönüştürür. Sonuç olarak, katılımcı, felçten sonraki 15 yıl içinde olduğundan daha hızlı ve doğal bir şekilde iletişim kurabilir.
Artan hassasiyet
Test katılımcısı, sistemin tanıyabileceği 50 kelimeden birini söyleyebilir. Sözcükler UCSF araştırmacıları tarafından seçildi çünkü bunlar ortak, bakımla ilgili ya da basitçe katılımcının aile, iyilik ya da su gibi söyleyebilmeyi dilediği sözcüklerdi.
Çalışan bir arayüz oluşturmak için, sistemin hangi sinyallerin hangi kelimelerle ilişkili olduğunu tanıması için eğitilmesi gerekiyordu. Bunu yapmak için, katılımcının, arayüz yazılımının öğrenmesi için yeterli büyüklükte bir veri seti oluşturmak için her bir kelimeyi yaklaşık 200 kez telaffuz etme pratiği yapması gerekiyordu. Sinyaller, beynindeki 128 kanallı matristen örneklendi ve karmaşık beyin aktivitesi kalıplarını öğrenebilen ve bunları konuşma ile ilişkilendirebilen doğrusal olmayan modeller kullanan yapay bir sinir ağı tarafından yorumlandı.
Kullanıcı bir cümleyi kelimesi kelimesine konuşmaya çalıştığında, dilsel model, sonucu gerçek zamanlı olarak son konuşmayı vermek için 50 kelimenin her birini söylemeye çalışma olasılığını ve bu kelimelerin bir cümlede nasıl birleştirileceğini tahmin eder. . Böylece sistem, katılımcının konuşmasını dakikada 18 kelimeye kadar bir hızda ve %93 doğrulukla deşifre edebildi.
UCSF ekibi şimdi deneme sisteminin kullanımını yeni katılımcılara genişletmeyi umuyor. Chang’ın laboratuvarında doktora sonrası mühendisi ve araştırma projesinin baş yazarlarından biri olan David Moses’a göre, birçok insan UCSF’nin düşünce-konuşma arayüzleri üzerine araştırmasına katılmak istiyor. “Doğru kişiye ihtiyacınız var. Dahil edilmek için sadece kişinin engel türü açısından değil, aynı zamanda genel sağlık ve diğer faktörler açısından da bir çok kriter var. “Bunun olduğunu anlamaları da çok önemli. bir araştırma çalışması ve teknolojinin onlara doğrudan fayda sağlayacağının garantisi yok, en azından yakın gelecekte. Belirli bir insan tipini gerektirir,” diye açıklıyor ZDNet’e verdiği röportajda.
Çarpıcı sonuçlar
Elektrotların doğrudan beynin yüzeyine yerleştirildiği istilacı arayüzlerin insan denemelerinde kullanılan dizilerin çoğu, tek bir şirket olan Blackrock Neurotech tarafından yapılır.
Blackrock Neurotech ayrıca beyin-makine arayüzleri için dil uygulamaları üzerinde çalışıyor. UCSF denemesinde olduğu gibi konuşma kaslarına gönderilen sinyalleri kullanmak yerine, şirket hayali el yazısına dayalı bir sistem oluşturdu: Zihinsel olarak kendinizi bir “A” yazarken hayal ediyorsunuz ve sistem bunu bir algoritma kullanarak yazılı metne dönüştürüyor. Stanford Üniversitesi tarafından geliştirilmiştir. Sistem şu anda dakikada yaklaşık 90 karakter hızında çalışıyor ve şirket bir gün 200 karaktere, yani ortalama bir kişinin elle yazma hızına ulaşabileceğini umuyor.
Belki de ticarileştirmeye en yakın sistemlerden biri olan bu sistemin, Lou Gerig veya motor nöron hastalığı olarak da bilinen tedavi edilemez bir hastalık olan amyotrofik lateral skleroz (ALS) gibi rahatsızlıkları olan kişiler tarafından kullanılması muhtemeldir. İleri bir aşamada ALS, kişinin hareket etmek, konuşmak, yutkunmak ve hatta gözlerini kırpmak için hiçbir kasını kullanamadığı kilitli bir sendroma neden olabilir. Aynı zamanda, zihni her zaman olduğu gibi aktif kalır. Blackrock Neurotech’inkiler gibi arayüzler, belirli felçlerin de neden olabileceği ALS veya kilitlenme sendromu olan kişilerin iletişim kurmaya devam etmesine izin vermeyi amaçlamaktadır.
“Sinir arayüzünün, otomatik düzelticinin düzeltmeye devam ettiği bir kelimeyi hecelediği örneklerimiz oldu ve katılımcılar, partnerleriyle çıkmaya başladıklarında bunun sıfırdan uydurdukları bir kelime olduğunu bildirdiler. Nöral arayüz, şöyle bir kelime bulabildi. Blackrock Neurotech’in CEO’su ve kurucu ortağı Marcus Gerhardt, ZDNet’e verdiği demeçte, dünyada sadece iki kişi biliyordu” dedi. Sistem şu anda %94 doğrulukla çalışıyor ve bu, otomatik düzeltme uygulandığında %99’a çıkıyor.
(Kritik) maliyet konusu
Hala nispeten erken bir gelişme aşamasında olmasına rağmen, beyin-makine arayüzleri, şu anda konuşmalarını engelleyen koşullara sahip hastaların yaşam kalitesini iyileştirme potansiyeline sahiptir. Bu arayüzlerin arkasındaki teknolojiler son yıllarda büyük ilerlemeler kaydetmiş ve konuşmaları ekrandaki kelimelere çevirmede daha hızlı hale gelmiş olsa da, sistemlerin genel hasta popülasyonlarına dağıtılmasından önce yapılacak çok iş var.
Beyin-makine arayüz sistemlerinin yeniliği nedeniyle, büyük ölçekli ticarileştirmeden önce gizlilik ve veri sahipliği endişelerinin ele alınması gerektiğini söylemeye gerek yok. Bu tür bir arayüz çok yeni olduğundan, uzun vadeli kullanımları hakkında daha fazla bilgi sahibi olmak da gereklidir. Elektrotların beynin elektrot dostu olmayan ortamında ne kadar süre işlevsel kalacağına dair pratik bir soru var: Blackrock Neurotech’in dizileri yedi yıldır insanlarda in situ ve şirket on yılın mümkün olduğuna inanıyor.
UMC Utrecht’teki Beyin Merkezinde yardımcı doçent olan Mariska Vansteensel’e göre, uzun vadeli destek sorunu da var. Hastalık ilerlemesine veya beyin aktivitesini etkileyebilecek diğer durumlara ve ayrıca kullanıcı tercihlerine dayalı olarak sistemleri optimize etmek için düzenli parametre ayarlamaları gerekli olacaktır. Donanımın da değiştirilmesi veya güncellenmesi gerekebilir. Şu anda, uzun vadeli arayüz desteğini kimin yönetmesi gerektiğini belirlemek için üzerinde anlaşmaya varılmış bir çerçeve yoktur.
Blackrock Neurotech ve UCSF gibi teknolojiler için belki de en acil zorluk, bunların nispeten küçük hasta popülasyonlarına yönelik olmalarıdır. Aynı zamanda, sistemlerin kendileri özel ve pahalıdır ve bunları kurmak, eşit derecede uzmanlaşmış ve pahalı beyin cerrahisi gerektirir. Dile adanmış beyin-makine arayüzleri ticarileştirilmeyi başarırsa, maliyetleri onlara en çok ihtiyaç duyanlara ulaşmalarını engelleyebilir.
Kaynak: ZDNet.com