연구진은 한 사람의 생각을 직접 텍스트로 변환할 수 있는 뇌-컴퓨터 인터페이스(BCI)를 개발하며 신경기술 분야에서 중요한 돌파구를 마련했다.
이 시스템은 사용자가 말을 상상할 때 뇌 신호를 포착하는 뇌파(EEG) 캡을 활용한다. 이렇게 수집된 신경 패턴은 인공지능 모델에 의해 처리되며, 이 모델은 말과 관련된 특정 사고 패턴을 인식하도록 학습되어 있다. 이후 정교한 언어 모델이 해독된 신호를 70% 이상의 정확도로 일관성 있는 문장으로 재구성한다.
"우리는 본질적으로 생각이 발화로 번역되는 신호를 가로채고 있습니다,"라고 연구진 중 한 명이 설명했다. "우리가 해독하는 것은 생각이 떠오른 후, 무엇을 말할지 결정한 후, 어떤 단어를 쓸지와 발성 기관을 어떻게 움직일지 결정한 이후의 신호입니다."
이전의 BCI 시스템이 뇌 수술과 같은 침습적 방법을 필요로 했던 것과 달리, 이번 기술은 비침습적 EEG를 사용해 접근성과 실용성을 크게 높였다. 비침습적 방법인 EEG는 두피에 전극을 부착해 신호를 측정하기 때문에 안전하고 편리하지만, 뇌 표면에 직접 전극을 부착하는 침습적 방법에 비해 신호가 다소 약해질 수 있다.
이 시스템은 2스트림 합성곱 신경망 기반의 하이브리드 BCI를 적용해 다양한 패러다임을 결합함으로써 해독 정확도를 높였다. 이러한 접근법은 여러 상황에서 유사한 성능을 보여, 시스템의 범용성과 신뢰성을 입증했다.
BCI 분야의 주요 과제 중 하나는 많은 사용자가 신뢰할 만한 정확도에 도달하지 못한다는 점이었다. 기존 모델은 뇌 활동의 복잡성을 제대로 포착하지 못해, 전체 사용자의 약 40%가 효과적인 BCI 사용의 기준인 70% 정확도에 도달하지 못했다. 이번 시스템은 각 사용자의 고유한 뇌 패턴에 맞춰 적응함으로써 이 문제를 해결했다.
이 기술은 심각한 신경학적 질환을 가진 이들에게 큰 의미가 있다. 뇌 손상으로 인해 실어증이나 언어 장애를 겪는 환자들은 이 BCI를 통해 EEG 활동의 특정 패턴을 식별함으로써, 스펠러나 음성 합성기 등 컴퓨터 입력 장치를 생각만으로 제어할 수 있다.
연구진은 앞으로 시스템의 정확도를 더욱 높이고, 인식 가능한 어휘 범위도 확장할 계획이다. 이 기술은 마비, 뇌졸중, 신경퇴행성 질환 등으로 인해 의사소통 능력을 상실한 이들에게 소통을 회복할 수 있는 중요한 진전을 의미한다.