تحول بزرگ در رابط‌ های مغز و کامپیوتر (BCI)؛ دستاورد علمی تتر ایوو در خواندن امواج مغزی برای گفتار، بینایی و موسیقی

این مقاله توسط استودیوی برند تک‌کرانچ (TC Brand Studio) ارائه شده و یک محتوای تبلیغاتی از سوی شرکت تتر (Tether) است که بخش تحریریه تک‌کرانچ (TechCrunch) در فرآیند نگارش آن نقشی نداشته است. سه مقاله پژوهشی داوری‌شده و جدید شرکت تتر ایوو (Tether Evo) در زمینه رابط‌های مغز و رایانه (BCI) برای انتشار در ژورنال‌های معتبر بین‌المللی Journal of Neural Engineering، Imaging Neuroscience و Neural Networks پذیرفته شده‌اند.

به گزارش بخش اخبار علمی زوم تک به نقل از تک‌کرانچ (TechCrunch)، دو مورد از این مقالات علمی با همکاری نزدیک Tether Evo و دانشگاه رم تور ورگاتا (UniTOV) به ثمر نشسته است. نتایج حاصل از این سه مقاله پژوهشی نشان می‌دهد که چگونه یک مدل هوش مصنوعی واحد می‌تواند به جای بازطراحی و شروع فرآیند آموزش از صفر برای هر فرد، خواندن و رمزگشایی فعالیت‌های مغزی را در میان اشخاص مختلف فرا بگیرد. این نوآوری در سه حوزه کلیدی گفتار، بینایی و موسیقی به اثبات رسیده و موفق شده است یکی از پیچیده‌ترین موانع در توسعه رابط‌های مغز و کامپیوتر (BCI) — یعنی تفاوت الگوها و سیگنال‌های مغزی هر شخص نسبت به دیگری — را برطرف سازد.

یک مدل واحد برای چند مغز؛ جهش بزرگ در رمزگشایی گفتار

بخش Tether Evo در واقع دپارتمان فناوری‌های پیشرفته شرکت تتر است که به شکل تخصصی در نقطه تلاقی بیولوژی و هوش ماشینی فعالیت می‌کند. این بخش با تمرکز بر حوزه سیستم‌های BCI و پروتزهای عصبی (Neuroprosthetics)، زیرساخت‌هایی با عملکرد فوق‌العاده و متمرکز بر پردازش محلی (Local-first) می‌سازد که هدف اصلی آن‌ها حفظ حریم خصوصی، افزایش استقلال فردی و توانمندسازی افراد در دنیای متمرکز امروزی است.

اگرچه مغز هر انسان ویژگی‌های منحصربه‌فرد خود را دارد و بازنمایی گفتار در افراد مختلف به علت تفاوت در محل قرارگیری ایمپلنت‌ها، فعالیت‌های عملکردی مغز و مسیرهای یادگیری متفاوت است، اما پژوهشگران تتر ایوو اثبات کرده‌اند که یک مدل واحد با به‌کارگیری تکنیک‌های هم‌ترازی داده‌ها قادر است برای همه افراد تعمیم داده شود، بدون آنکه نیاز باشد برای تک‌تک بیماران از ابتدا برنامه‌نویسی و کالیبره گردد.

در مقاله‌ای با عنوان «رمزگشایی بین‌فردی داده‌های عصبی انسان برای رابط‌های مغز و کامپیوتر گفتاری» که در ژورنال Journal of Neural Engineering به چاپ رسیده است، محققان نشان می‌دهند که چگونه سیستم‌های رابط مغز و رایانه می‌توانند به بیماران مبتلا به ALS، سکته مغزی یا آسیب‌های تروماتیک مغزی که توان تکلم خود را از دست داده‌اند، کمک کنند تا از طریق تبدیل مستقیم سیگنال‌های عصبی به متن، دوباره با دنیای اطراف ارتباط برقرار نمایند.

تا پیش از این، سیستم‌های کمکی به دلیل تفاوت در امواج عصبی هر انسان ناچار بودند به صورت کاملاً مجزا برای هر بیمار ساخته شوند. با این حال، مقاله جدید تتر نخستین مدل رمزگشایی عصبی به واج (Neural-to-phoneme) بین‌فردی را معرفی می‌کند که با استفاده از داده‌های ثبت‌شده تهاجمی از چندین داوطلب با ایمپلنت‌های نصب‌شده در نواحی مختلف قشر مغز آموزش دیده است.

رویکرد نوآورانه تتر به جای نگاه به هر فرد به عنوان یک مورد ایزوله و مستقل، از الگوهای گفتاری مشترک در مغز انسان بهره می‌گیرد. این ساختار از درک مشترک الگوها برای آموزش یک دیکودر (رمزگشا) بهره می‌برد که پس از آن می‌تواند در مدت زمانی بسیار کوتاه برای بیمار جدید شخصی‌سازی و تنظیم شود.

این پژوهش ثابت می‌کند که می‌توان یک مدل واحد را به شکل هم‌زمان روی داده‌های مغزی چندین نفر آموزش داد؛ این موفقیت از طریق یک گام سبک بازتنظیم ریاضی برای انتقال سیگنال‌های مغزهای گوناگون به یک فضای مشترک، در کنار یک شبکه رمزگشایی لایه‌ای نوین به دست آمده است. عملکرد این روش با دقیق‌ترین سیستم‌های تک‌بیمار فعلی برابری کرده یا حتی از آن‌ها پیشی می‌گیرد، در حالی که روند تطبیق آن با یک بیمار جدید به جای هفته‌ها کالیبراسیون خسته‌کننده، تنها ظرف چند دقیقه تا چند ساعت انجام می‌پذیرد؛ دستاوردی که گامی بزرگ به سوی توسعه رابط‌های BCI مقیاس‌پذیر و فوق‌سریع محسوب می‌شود.

بازسازی تصاویر و بینایی به کمک سیستم‌ های BCI

در پروژه‌ای دیگر، دانشمندان تتر و دانشگاه UniTOV با همکاری یکدیگر، امواج و سیگنال‌های مغزی میمون‌های ماکاک را هنگام مشاهده هزاران تصویر گوناگون ثبت کردند و توانستند آنچه را که این حیوانات می‌دیدند، به صورت مستقیم از روی فعالیت‌های عصبی مغزشان بازسازی و ترسیم نمایند. این مدل هوش مصنوعی تنها با آنالیز ۲۰۰ میلی‌ثانیه از داده‌های عصبی، موفق شد تصویر دقیق را با دقت ۷۰ درصدی از میان هزاران تصویر شناسایی کرده و یک بازسازی تصویری باکیفیت و با حفظ کامل فرم، رنگ و محتوا ارائه دهد.

این دستاورد در مقاله‌ای با عنوان «خط لوله ساختاری-معنایی ماژولار برای رمزگشایی بصری از داده‌های اسپایک نخستی‌ها از طریق یکپارچه‌سازی زمانی انتخابی» در ژورنال Imaging Neuroscience به ثبت رسیده است. این پژوهش نشان می‌دهد که چگونه فناوری BCI می‌تواند مسیر توسعه پروتزهای بینایی قشری و سیستم‌های BCI حلقه بسته (Closed-loop) را برای بازگرداندن بینایی به افراد کم‌بینا و نابینا هموار سازد.

رمزگشایی از فعالیت‌ های مغزی در مواجهه با موسیقی

همین الگوی هم‌ترازی داده‌ها در مقاله دیگری با عنوان «R&B – ریتم و مغز: رمزگشایی بین‌فردی موسیقی از فعالیت‌های مغز انسان» که در ژورنال تخصصی Neural Networks پذیرفته شده، به کار گرفته شد. در این آزمایش، پژوهشگران اسکن‌های مغزی (fMRI) پنج داوطلب را هنگام گوش دادن به ۵۴۰ قطعه موسیقی در ۱۰ سبک و ژانر متنوع ثبت کردند و سپس مدلی توسعه دادند که قادر است امواج مغزی را به بازنمایی هوش مصنوعی از همان موسیقی ترجمه کند.

با استفاده از متد هم‌ترازی الگوهای عصبی میان مغز افراد مختلف، این مدل توانست سبک موسیقی در حال پخش را در ۶۱ درصد مواقع به درستی تشخیص دهد (در حالی که این احتمال در حالت حدس تصادفی تنها ۱۰ درصد است). همچنین این سیستم موفق شد قطعه موسیقی دقیق را از میان ۶۰ آهنگ کاندید، با دقت حدود ۲۵ درصد (در برابر شانس تصادفی کمتر از ۲ درصد) شناسایی کند که یک رکورد و بنچمارک تازه در این حوزه به شمار می‌رود.

این آزمایش‌ها علاوه بر نتایج یادشده، نقشه دقیقی از بخش‌های فعال مغز ترسیم کردند و نشان دادند که مناطق شنوایی ارتباط مستقیمی با درک موسیقی دارند. همچنین مشخص شد که سبک‌های موسیقی کلاسیک و جاز بارزترین و منحصربه‌فردترین امواج مغزی را ایجاد می‌کنند، در حالی که تمایز میان سبک‌هایی مانند متال و دیسکو در پردازش‌های عصبی با پیچیدگی و خطای بیشتری همراه است.

آینده فناوری‌ های BCI و راهکار تتر برای حفظ حریم خصوصی

طولانی بودن مدت زمان کالیبراسیون و انطباق دستگاه با مغز بیمار، همواره یکی از بزرگ‌ترین چالش‌ها برای ورود رابط‌های مغز و کامپیوتر به زندگی واقعی بوده است. اگر سیستمی که با داده‌های چندین نفر آموزش دیده بتواند ظرف چند دقیقه به جای چند هفته خود را با مغز یک کاربر جدید وفق دهد، فاصله میان تحقیقات آزمایشگاهی تا عرضه محصولات تجاری و درمانی بسیار کوتاه‌تر خواهد شد. همان فرآیندی که امکان بازسازی یک تصویر یا شناسایی یک قطعه موسیقی را فراهم می‌سازد، مستقیماً می‌تواند برای بازگرداندن قدرت تکلم به افراد فاقد توانایی گفتاری مورد استفاده قرار گیرد.

مجموعه تتر باور دارد هیچ اطلاعاتی در جهان خصوصی‌تر و حیاتی‌تر از داده‌های زیستی و شخصی افراد نیست. در همین راستا، این شرکت پلتفرم متن‌باز هوش مصنوعی روی دستگاه (On-device AI) خود با نام QVAC را طراحی کرده است تا اجرای پردازش‌های هوش مصنوعی کاملاً به صورت محلی، ایمن و بدون نیاز به ارسال داده یا دریافت مجوز به سرورهای خارجی صورت گیرد. این راهکار در راستای رسالت کلان تتر برای توانمندسازی جوامع از طریق فناوری‌های غیرمتمرکز، ابزارهای خودگردان و حفظ کامل مالکیت داده‌ها تعریف شده است.