Fransuz olimlari klaviatura ustida yozilgan matnga miya signallarini aylantira oladigan noinvaziv interfeys yaratdilar. Ma'lumotlarni yig'ish uchun magnitensefalografiya (MEG) va elektroensefalografiya (EEG) usullari qo'llaniladi. Miya signallarini belgilar shakliga aylantirish Brain2Qwerty neyron tarmog'i modeli yordamida amalga oshiriladi. Eng yaxshi natijalar MEG qo'llanilganda erishildi, bunda o'rtacha xato foizi 29% ni tashkil etgan, EEG dan foydalanganda esa bu ko'rsatkich 65% ga yetdi.
Miya-kompyuter interfeyslarining rivojlanishi
So'nggi yillarda og'ir paraliz yoki yon tomon atrofik atrofik skleroz bilan og'rigan odamlarga muloqot qilish qobiliyatini tiklash imkonini beruvchi 'miya-kompyuter' interfeyslari sohasida sezilarli taraqqiyot kuzatilmoqda. Ushbu neyrointerfeyslar harakat korteks faoliyatini o'qiydi va uni oddiy nutq tezligiga yaqin tezlikda matnga tarjima qiladi. Biroq, eng samarali tizimlar miya to'qimasiga elektrodlarni implantatsiya qilish uchun jarrohlik aralashuvi talab qiladi, bu esa sog'liq uchun xavflar va chiplarni uzoq muddatli qo'llab-quvvatlashdagi murakkabliklar bilan bog'liq. Shuning uchun joriy tadqiqotlar operatsiyalarni talab etmaydigan tizimlarni yaratishga qaratilgan.
Ma'lumotlarni yig'ish usullarini taqqoslash
Miya faoliyati haqidagi ma'lumotlarni noinvaziv olishning eng keng tarqalgan usuli bosh terisiga maxsus shlyapa orqali elektr potensiallarini qayd etuvchi EEG hisoblanadi. Biroq, signal bosh suyaklari tomonidan kuchli zaiflashtiriladi va buziladi, bu esa signal- shovqin nisbatini pasaytiradi. MEG esa miyaning magnit maydonlarini o'lchaydi, ular boshqa to'qimalar ta'siridan kamroq buzilishi sababli yuqori signal-shovqin nisbatini taklif qiladi. MEG avval bu kabi vazifalar uchun qurilmalarining katta hajmi tufayli kamdan-kam foydalanilgan bo'lsa-da, tadqiqotchilar ikkala usulni mashinaviy o'rganish bilan birgalikda qo'llashga qaror qilishdi.
Eksperimental sozlama va model
Parizdagi Meta AI* bo'limi rahbariyati ostida Jarod Levi nazoratida matnni noinvaziv dekodlash bo'yicha ish olib borildi. Eksperimentda ispan tilini biladigan 35 nafar sog'lom ishtirokchilar qatnashdi. Ishtirokchilarga ispan tilida qisqa gaplar birma-bir so'zlar shaklida namoyish etildi. Matn yo'qolganidan so'ng, ishtirokchilar iborani eslab, QWERTY klaviatura yordamida yozishlari kerak edi. Klaviatura detallaridan kelib chiqqan shovqinlarni chiqarib tashlash uchun nomagnit versiyasi ishlatildi. Matn yozilayotganda EEG yoki MEG yordamida miya faoliyati qayd etildi va har bir tugma bosilishi miya ma'lumotlari bilan sinxronlashtirildi. To'plangan ma'lumotlar massivi ikkala usul uchun yuz minglab bosilishlarni o'z ichiga oldi.
Brain2Qwerty neyron tarmog'i arxitekturasi
To'plangan ma'lumotlarni dekodlash uchun mualliflar uch qismdan iborat Brain2Qwerty neyron tarmog'i modelini o'rgatishdi. Birinchi bosqichda algoritmni miya faoliyati uzluksiz yozuvlarini har bir tugma bosilishi atrofidagi yarim soniyalik segmentlarga ajratadi. Bu parchalar avval signallardan fazoviy-vaqtinchalik xususiyatlarni ajratib oluvchi va tajriba oluvchilarning individual xususiyatlarini hisobga oluvchi konvolyutsion modul orqali o'tadi. Keyin hosil bo'lgan ifodalar transformator arxitekturasiga ega modulga tushadi, u kontekstdan foydalanib, butun gap doirasidagi bosilishlar ketma-ketligini tahlil qilib, alohida belgilarga oid bashoratlarni aniqlashtiradi. Yakuniy bosqichda tizim mumkin bo'lgan xatoliklarni tuzatish uchun oldindan o'qitilgan til modelidan foydalanadi. Bu uch bosqichli tuzilma miya signallarini matn formatiga bevosita tarjima qilishni ta'minlaydi.
Sinov natijalari va xulosalar
Sinovlar MEG ning EEG dan sezilarli ustunligini namoyish etdi. Magnit signallar asosida o'qitilgan model belgilarni tanishdagi o'rtacha xato darajasini 29% da ko'rsatdi (bunga bashorat qilingan qatorni to'g'ri qator bilan moslashtirish uchun almashtirishlar, qo'shishlar va o'chirishlar kiradi). Elektr signallari uchun tegishli ko'rsatkich 65% ni tashkil etdi, bu esa EEG ni amaliy qo'llash uchun juda nomaqbul qiladi. MEG dan foydalangan eng muvaffaqiyatli ishtirokchilar uchun xato chastotasi 18% gacha pasaydi. Shu bilan birga, model asl o'quv to'plamida mavjud bo'lmagan to'liq iboralarni ham muvaffaqiyatli tikladi. Qo'shimcha tahlil shuni ko'rsatdiki, neyron tarmog'i standart klaviatura joylashuvini yaxshi o'zlashtirgan, va xatolar ko'pincha qo'shni harflarni chalkashtirishda yuzaga kelgan, bu miyaning harakat buyruqlarini o'qishni ko'rsatadi. Mualliflar shuningdek, model tez-tez ishlatiladigan so'zlarni samarali tanib olishini, shu bilan birga noyob leksikani taxmin qilish qobiliyatini saqlab qolishini ta'kidladilar.
Texnologiyaning rivojlanish istiqbollari
Hozirda tizim faqat foydalanuvchi butun gapni yozib bo'lgandan keyin natijani generatsiya qiladi. Ishlab chiqaruvchilar real vaqt rejimida ishlashni ta'minlash uchun arxitekturani o'zgartirishni nazarda tutmoqdalar. Keyingi muhim qadam - tizimni faqat fikrlash orqali matn hosil qila oladigan paralizlangan bemorlarda sinovdan o'tkazish bo'ladi. Hozirgi vaqtda asosiy texnik to'siq katta stasionar magnit maydon skaneridan foydalanish zarurati hisoblanadi. Biroq, mualliflar ixcham sensorlar rivojlanishi kelajakda bunday interfeyslar uchun kiyib yuriladigan boshliqlarni yaratish imkonini berishiga umid qilishmoqdalar.