اليوم ، مع زيادة التطور لتكنولوجيا واجهة الحاسوب الدماغ (BCI) ، جلبت أحدث طراز Brain2Qwerty Meta AI أملًا جديدًا في هذا المجال. تم تصميم BCI لتوفير التواصل للأشخاص الذين يعانون من اضطرابات الكلام أو الحركة ، ولكن الأساليب التقليدية غالبًا ما تتطلب عملية جراحية غازية ، مثل الأقطاب الأقطاب ، والتي لا تشكل مخاطر طبية فحسب ، بل تتطلب أيضًا صيانة طويلة الأجل. لذلك ، بدأ الباحثون في استكشاف البدائل غير الغازية ، وخاصة تلك التي تعتمد على تخطيط كهربية الدماغ (EEG). ومع ذلك ، تواجه تقنية EEG مشكلة دقة الإشارة المنخفضة ، والتي تؤثر على دقتها.
ملاحظات مصدر الصورة: يتم إنشاء الصورة بواسطة الذكاء الاصطناعي ، ومزود الخدمة المعتمد Midjourney
تم إطلاق Brain2Qwerty لحل هذه المشكلة. يمكن أن يفكك نموذج التعلم العميق جمل المدخلات للمشاركين من أنشطة الدماغ التي تم التقاطها بواسطة التصوير بالرنين المغناطيسي للمخاطر أو الدماغ (MEG). في الدراسة ، دخل المشاركون جملًا محفوظة لفترة وجيزة على لوحة مفاتيح Qwerty ، بينما تم تسجيل نشاط الدماغ في الوقت الفعلي. على عكس الجهود السابقة للتركيز على التحفيز الخارجي أو الحركات المتخيلة ، يستخدم Brain2Qwerty حركات الكتابة الطبيعية لتوفير طريقة أكثر سهولة لتفسير موجات الدماغ.
تنقسم بنية Brain2Qwerty إلى ثلاث وحدات رئيسية. الأول هو وحدة الالتواء ، وهي مسؤولة عن استخراج الخصائص الزمنية والمكانية في إشارة EEG أو MEG. التالي هو وحدة المحولات ، التي تعالج تسلسل المدخلات ، تعمل على تحسين الفهم والتعبير. أخيرًا ، هناك وحدة نموذج اللغة ، وهو نموذج لغة على مستوى الأحرف المدربين مسبقًا يستخدم لتصحيح وتحسين دقة نتائج فك التشفير.
عند تقييم أداء Brain2Qwerty ، استخدم الباحثون معدل خطأ الحرف (CER) كتدبير. تظهر النتائج أن فك تشفير CER على أساس EEG هو 67 ٪ ، وهو مرتفع نسبيا. في التجربة ، وصل أفضل المؤديين إلى 19 ٪ من CER ، مما يدل على إمكانات النموذج في ظل ظروف مثالية.
على الرغم من أن Brain2Qwerty أظهرت آفاقًا إيجابية في حقل BCI غير الغازي ، إلا أنه يواجه العديد من التحديات. أولاً ، يحتاج النموذج الحالي إلى معالجة الجمل الكاملة بدلاً من فك تشفير المفاتيح واحدة تلو الأخرى. ثانياً ، على الرغم من أن MEG لديها أداء أفضل من EEG ، فإن أجهزتها ليست محمولة ولا تتمتع بشعبية كافية. أخيرًا ، أجريت هذه الدراسة في المقام الأول في المشاركين الأصحاء ومن الضروري استكشاف قابليتها للتطبيق على أولئك الذين يعانون من اضطرابات التمارين أو الكلام في المستقبل.
ورقة: https://ai.meta.com/research/publications/brain-to-text-decoding-a-non-invasive-approach-via-typing/
النقاط الرئيسية:
يمكن لطراز Brain2Qwerty الذي تم إطلاقه بواسطة Meta AI فك تشفير كتابة المحتوى من خلال EEG و MEG ، مما يجلب الأمل الجديد لتكنولوجيا BCI.
أظهرت نتائج الدراسة أن معدل خطأ الحرف المستخدم في فك التشفير باستخدام MEG كان أقل بكثير من EEG ، مع وصول المشاركين الأمثل 19 ٪ من CER.
تشمل التحديات المستقبلية فك التشفير في الوقت الفعلي ، وإمكانية الوصول إلى أجهزة MEG ، وتأثيرات التطبيق بين الأشخاص ذوي الإعاقة.
تظهر هذه النتائج أن تقنية BCI غير الغازية يتم تنفيذها تدريجياً ويتوقع أن توفر أدوات اتصال فعالة لمزيد من الأشخاص في المستقبل.