متا روز دوشنبه Brain2Qwerty v2 را معرفی کرد، یک سیستم هوش مصنوعی که فعالیت مغز را با استفاده از ضبط‌های مغزی غیرتهاجمی به متن ترجمه می‌کند. این شرکت اعلام کرد که هدف از این تحقیق کمک به افرادی است که به دلیل ضایعات مغزی توانایی برقراری ارتباط را از دست داده‌اند.

این سیستم فعالیت مغز را با استفاده از اسکنر مگنتوانسفالوگرافی (MEG) شبیه کلاه ایمنی، که یک دستگاه تصویربرداری مغزی غیرتهاجمی است و معمولاً در تحقیقات علوم اعصاب استفاده می‌شود، ضبط می‌کند. سپس این سیگنال‌های عصبی خام را به یک مدل هوش مصنوعی سرتاسری (end-to-end) وارد می‌کند که جملاتی را که فرد قصد تایپ آنها را دارد، بازسازی می‌کند. متا گفت که با تنظیم دقیق مدل‌های زبان بزرگ بر روی داده‌های عصبی، دقت را بیشتر بهبود می‌بخشد، که به سیستم امکان می‌دهد هنگام تفسیر ضبط‌های مغزی پر نویز، از بافت معنایی استفاده کند.

متا نوشت: «ما Brain2Qwerty v2 را بر روی تقریباً 22,000 جمله از 9 شرکت‌کننده داوطلب آموزش دادیم که هر یک برای 10 ساعت در حالی که دستگاه مگنتوانسفالوگرافی (MEG) را بر سر داشتند و فعالانه تایپ می‌کردند، ضبط شدند.» «به جای تکیه بر خطوط لوله دست‌ساز برای تشخیص رویدادهای عصبی، ما از یادگیری عمیق سرتاسری (end-to-end) برای رمزگشایی مستقیم از سیگنال‌های خام مغزی استفاده می‌کنیم.»

متا اعلام کرد که Brain2Qwerty به دقت کلمه متوسط 61% دست یافته است، در مقایسه با تقریباً 8% برای روش‌های غیرتهاجمی قبلی. این شرکت کد و مجموعه داده سیستم را به عنوان بخشی از پروژه مغز دیجیتال خود منتشر می‌کند، که شامل یک صندوق 5 میلیون دلاری برای حمایت از مجموعه‌های داده علوم اعصاب باز نیز می‌شود.

متا همچنین گفت که دقت رمزگشایی با افزایش میزان داده‌های آموزشی بهبود یافته است، که نشان می‌دهد داده‌های اضافی می‌توانند عملکرد را بیشتر ارتقا دهند. این شرکت اعلام کرد که عوامل هوش مصنوعی به بررسی بهینه‌سازی‌های ممکن برای خط لوله رمزگشایی پرداختند قبل از اینکه مهندسان پیکربندی آموزشی نهایی را انتخاب کنند.

در مقاله‌ای همراه که در Nature Neuroscience منتشر شد، محققان متا استدلال کردند که در حالی که هوش مصنوعی رمزگشایی مغز به متن را به طور قابل توجهی بهبود بخشیده است، اکثر رابط‌های مغز و کامپیوتر با عملکرد بالا همچنان به الکترودهای کاشته شده از طریق جراحی وابسته هستند، که به دلیل خطرات مرتبط با جراحی مغز و چالش‌های نگهداری ایمپلنت‌ها در طول زمان، مقیاس‌پذیری آنها را دشوار می‌کند.

متا اعلام کرد که Brain2Qwerty v2 به سطوحی از دقت نزدیک می‌شود که قبلاً تنها با تکنیک‌های نیازمند جراحی مغز به دست می‌آمد. این شرکت گفت رویکرد غیرتهاجمی آن می‌تواند به پر کردن شکاف بین پروتزهای عصبی تهاجمی و سیستم‌های ارتباطی که نیازی به جراحی ندارند کمک کند.

متا نوشت: «امید ما این است که این کار، که به صورت عمومی انجام می‌شود، علوم اعصاب را برای شناسایی، تشخیص و درمان اختلالات عصبی سریع‌تر از رویکردهای جداگانه پیش ببرد.»

این اعلامیه در حالی منتشر می‌شود که تحقیقات رابط مغز و کامپیوتر در حال شتاب گرفتن است، از جمله توسط نورالینک ایلان ماسک و Merge Labs، که توسط سم آلتمن، مدیرعامل OpenAI، حمایت می‌شود و در حال توسعه فناوری برای کمک به بازیابی ارتباط برای افراد دارای اختلالات عصبی هستند.

در حالی که شرکت‌هایی مانند نورالینک و Synchron به دنبال رابط‌های کاشته شده‌ای هستند که نیاز به جراحی دارند، تعداد فزاینده‌ای از محققان و استارت‌آپ‌ها از هوش مصنوعی برای بهبود عملکرد سیستم‌های غیرتهاجمی استفاده می‌کنند. در سپتامبر 2024، استارت‌آپ Neurable هدفون‌های EEG مجهز به هوش مصنوعی را معرفی کرد که برای نظارت بر تمرکز و خستگی شناختی طراحی شده‌اند. یک سال بعد، AlterEgo، شرکت اسپین‌آف MIT، یک پوشیدنی را رونمایی کرد که سیگنال‌های عصبی-عضلانی بی‌صدای صورت و گلو را به متن و دستورات تبدیل می‌کند و آن را به عنوان یک جایگزین عملی برای رابط‌های مغز و کامپیوتر کاشته شده معرفی می‌کند.

متا بلافاصله به درخواست دکریپت برای اظهار نظر پاسخ نداد.