Ett forskarlag har gjort ett betydande genombrott inom neuroteknologi genom att utveckla ett hjärn-datorgränssnitt (BCI) som kan omvandla en persons tankar direkt till text.
Systemet fungerar genom att använda en elektroencefalografi (EEG)-mössa för att fånga upp hjärnsignaler när en person föreställer sig att tala. Dessa neurala mönster bearbetas sedan av en artificiell intelligens-modell som tränats för att känna igen specifika tankemönster kopplade till tal. En avancerad språkmodell återskapar därefter de avkodade signalerna till sammanhängande meningar med över 70 % noggrannhet.
"Vi fångar i princip upp signalerna där tanken översätts till artikulation," förklarade en av forskarna. "Det vi avkodar sker efter att tanken har uppstått, efter att vi bestämt vad vi ska säga, vilka ord vi ska använda och hur vi ska röra våra talmuskler."
Till skillnad från tidigare BCI-system som krävde invasiv hjärnkirurgi använder denna teknik icke-invasiv EEG, vilket gör den mer tillgänglig och praktisk för vardagsbruk. De icke-invasiva metoderna som EEG använder elektroder placerade på skalpen, vilket ger säkerhet och bekvämlighet, även om signalerna är något svagare jämfört med invasiva metoder där elektroder placeras direkt på hjärnbarken.
Systemet använder ett hybrid-hjärn-datorgränssnitt baserat på ett tvåströms konvolutionellt neuralt nätverk, där flera paradigm kombineras för att förbättra avkodningsnoggrannheten. Denna metod har visat jämförbar prestanda i olika scenarier och bekräftar därmed sin mångsidighet och tillförlitlighet.
En stor utmaning för BCI har varit att många användare har svårt att uppnå tillförlitliga noggrannhetsnivåer. Standardmodeller misslyckas ofta med att fånga komplexiteten i hjärnaktiviteten, vilket gör att cirka 40 % av användarna inte når 70 % noggrannhet – en viktig tröskel för effektiv BCI-användning. Det nya systemet hanterar detta genom att anpassa sig till varje användares unika hjärnmönster.
Konsekvenserna för personer med svåra neurologiska tillstånd är djupgående. För patienter med afasi eller talsvårigheter till följd av hjärnskada kan detta BCI klassificera och känna igen hjärnsignaler genom att identifiera specifika EEG-mönster, vilket gör det möjligt för dem att styra datorinmatningsenheter såsom stavningshjälpmedel och talsynteser med sina tankar.
I takt med att forskningen fortskrider siktar forskarna på att förbättra systemets noggrannhet och utöka dess ordförråd. Tekniken utgör ett betydande steg mot att återställa kommunikationsförmågan för dem som förlorat den på grund av förlamning, stroke eller neurodegenerativa sjukdomar.