Γιατροί κατάφεραν να μετατρέψουν εγκεφαλικά σήματα λόγου σε γραπτές προτάσεις σε ένα ερευνητικό πρόγραμμα που στόχο έχει να αλλάξει το πώς οι ασθενείς με περιορισμένες δυνατότητες θα επικοινωνούν στο μέλλον.

Το επίτευγμα αυτό είναι το πρώτο που δείχνει πώς η πρόθεση να πούμε συγκεκριμένες λέξεις μπορεί να γίνει επεξεργάσιμη και να μετατραπεί σε κείμενο αρκετά γρήγορα ώστε να μπορεί να διατηρηθεί ο ρυθμός μια φυσικής συζήτησης.

Στην τρέχουσα μορφή του, το λογισμικό ανάγνωσης του εγκεφάλου λειτουργεί μόνο για συγκεκριμένες προτάσεις, αλλά οι επιστήμονες πιστεύουν ότι είναι απλά ένα βήμα προς ένα ισχυρότερο σύστημα που θα μπορεί να αποκωδικοποιεί σε πραγματικό χρόνο τις λέξεις που ένας άνθρωπος έχει την πρόθεση να πει.

Οι γιατροί από το Πανεπιστήμιο της Καλιφόρνια στο San Francisco προσπάθησαν σκληρά να το καταφέρουν, με την ελπίδα να δημιουργήσουν ένα προϊόν που θα επιτρέπει στους παράλυτους ανθρώπους να επικοινωνούν με φυσικό ρυθμό σε σύγκριση με τις υπάρχουσες συσκευές που χρησιμοποιούν τις κινήσεις των ματιών και μυϊκά σήματα για να ελέγξουν ένα ψηφιακό πληκτρολόγιο.

«Μέχρι σήμερα δεν υπάρχει προσθετικό σύστημα ομιλίας που να επιτρέπει στους χρήστες να αλληλεπιδρούν σε ταχεία κλίμακα χρόνου σε μια ανθρώπινη συζήτηση», δήλωσε ο Edward Chang, νευροχειρούργος και βασικός ερευνητής.

Η έρευνα χρηματοδοτήθηκε από το Facebook και μπορούσε να πραγματοποιηθεί με τη συμμετοχή τριών επιληπτικών ασθενών που σύντομα θα υποβάλλονταν σε ειδικό χειρουργείο. Πριν τις επεμβάσεις, τοποθετήθηκαν και στους τρεις μικρά ηλεκτρόδια κατευθείαν στον εγκέφαλο για τουλάχιστον μία εβδομάδα ώστε να χαρτογραφηθούν οι απαρχές της επιληψίας τους.

Μέσω όμως των καταγραφών που έγιναν, η ερευνητική ομάδα έχτισε υπολογιστικά μοντέλα που έμαθαν να ταιριάζουν συγκεκριμένα μοτίβα εγκεφαλικής δραστηριότητας με ερωτήσεις που άκουγαν οι ασθενείς και τις απαντήσεις τους. Μετά από λίγο καιρό, το λογισμικό μπορούσε να αναγνωρίσει σχεδόν στιγμιαία και μόνο από τα εγκεφαλικά σήματα ποια ερώτηση άκουγε ο ασθενής και ποια απάντηση σκεφτόταν, με ακρίβεια 76% και 61% αντίστοιχα.

Το σύστημα επέτρεψε στους ασθενείς να απαντούν σε ερωτήσεις όπως: «ποια μουσική σου αρέσει, πόσο καλά νιώθεις, αν το δωμάτιο ήταν κρύο ή ζεστό, φωτεινό ή σκοτεινό γι’ αυτούς».

Photo: Author/Depositphotos

Πηγές

Λάβετε τα άρθρα που σας ενδιαφέρουν στο e-mail σας

Διαβάστε επίσης
Έχω κάνει ήδη LIKE. Μην μου το ξαναδείξετε