Ein Forscherteam hat einen bedeutenden Durchbruch in der Neurotechnologie erzielt, indem es eine Gehirn-Computer-Schnittstelle (BCI) entwickelt hat, die die Gedanken einer Person direkt in Text umwandeln kann.
Das System funktioniert, indem es mit einer Elektroenzephalographie-(EEG)-Kappe die Gehirnsignale aufzeichnet, wenn eine Person sich vorstellt zu sprechen. Diese neuronalen Muster werden anschließend von einem künstlichen Intelligenzmodell verarbeitet, das darauf trainiert wurde, spezifische Denkmuster zu erkennen, die mit Sprache assoziiert sind. Ein ausgefeiltes Sprachmodell rekonstruiert diese entschlüsselten Signale dann mit über 70 % Genauigkeit zu kohärenten Sätzen.
"Wir fangen im Grunde Signale ab, bei denen der Gedanke in Artikulation übersetzt wird", erklärte einer der Forscher. "Was wir entschlüsseln, geschieht, nachdem ein Gedanke gefasst wurde, nachdem wir entschieden haben, was wir sagen wollen, welche Wörter wir verwenden und wie wir unsere Sprechmuskulatur bewegen."
Im Gegensatz zu bisherigen BCI-Systemen, die einen invasiven chirurgischen Eingriff am Gehirn erforderten, nutzt diese Technologie nicht-invasive EEG-Verfahren und ist dadurch zugänglicher und alltagstauglicher. Die nicht-invasiven Ansätze wie EEG verwenden Elektroden, die auf der Kopfhaut angebracht werden, was Sicherheit und Komfort bietet, auch wenn die Signale im Vergleich zu invasiven Methoden, bei denen Elektroden direkt auf der Gehirnoberfläche platziert werden, etwas abgeschwächt sind.
Das System verwendet eine hybride Gehirn-Computer-Schnittstelle, die auf einem Zwei-Strang-Convolutional-Neural-Network basiert und mehrere Paradigmen kombiniert, um die Dekodiergenauigkeit zu verbessern. Dieser Ansatz hat in verschiedenen Szenarien vergleichbare Leistungen gezeigt und damit seine Vielseitigkeit und Zuverlässigkeit unter Beweis gestellt.
Eine große Herausforderung bei BCIs war bisher, dass viele Nutzer Schwierigkeiten haben, zuverlässige Genauigkeitswerte zu erreichen. Standardmodelle erfassen oft nicht die Komplexität der Gehirnaktivität, sodass etwa 40 % der Nutzer nicht die als Schlüsselwert geltende Genauigkeit von 70 % erreichen. Das neue System begegnet diesem Problem, indem es sich an die individuellen Gehirnmuster jedes Nutzers anpasst.
Die Auswirkungen für Menschen mit schweren neurologischen Erkrankungen sind enorm. Für Patienten mit Aphasie oder Sprachstörungen infolge einer Hirnverletzung kann diese BCI Gehirnsignale klassifizieren und erkennen, indem sie spezifische EEG-Muster identifiziert. So können Betroffene Computer-Eingabegeräte wie Buchstabierer und Sprachsynthesizer allein mit ihren Gedanken steuern.
Während die Forschung weiter voranschreitet, wollen die Wissenschaftler die Genauigkeit des Systems weiter verbessern und den Wortschatz erweitern. Die Technologie stellt einen bedeutenden Schritt dar, um Menschen, die durch Lähmungen, Schlaganfälle oder neurodegenerative Erkrankungen ihre Kommunikationsfähigkeit verloren haben, diese wiederzugeben.