Идея машины, которая может расшифровать ваши мысли и записать их, кажется совершенно фантастичной и довольно жутковатой, но для тысяч людей, потерявших способность говорить из-за болезни или инвалидности, такое устройство – самая горячая мечта. Ведь такое устройство смогло бы вернуть в их жизнь коммуникацию с людьми, позволило бы доносить до них свои мысли, чувства, сообщать о потребностях. Словом, устройство, считывающее и транслирующее мысли коренным образом могло бы изменить их жизнь.

Да и, если задуматься, любому человеку пригодился бы такой цифровой помощник, который поможет на ходу отправить письмо по электронной почте, запишет хорошую идею или установит нужное напоминание.

Это фантастическое будущее, возможно, стало на шаг ближе после того, как исследователи из Калифорнийского университета в Сан-Франциско (США) продемонстрировали, что они могут преобразовывать сигналы мозга в полные предложения с частотой ошибок всего три процента, что ниже порога для приложений, транскрибирующих речь.

Статья об этом исследовании опубликована в 23-м выпуске журнала Nature Neuroscience (https://www.nature.com/articles/s41593-020-0608-8)

Читать и расшифровывать мысли помогут обучающиеся нейронные сеть

a75da80f4d9323ab52c7c8cc29300650.jpg

Это не первое исследование подобного рода, однако ранее не удавалось достигнуть такого значительного прогресса. Все дело в ином подходе: в этом случае ученые исходили из того факта, что между переводом сигналов мозга в текст и машинным переводом между языками существуют сильные параллели с использованием нейронных сетей, что в настоящее время является очень точным для многих языков.

До этого большинство усилий по декодированию сигналов мозга были сосредоточены на выявлении нейронной активности, которая соответствует конкретным фонемам – отдельным фрагментам звука, составляющим слова. Новый подход основан на имитации машинного перевода, когда все предложение переводится сразу, так как определенные слова всегда с большей вероятностью встречаются близко друг к другу, и система может полагаться на контекст, чтобы заполнить любые пробелы.

Также, как и в машинном переводе, ученые использовали нейронные сети. Одна сеть анализировала входящий сигнал, не текст, как обычно, а сигналы мозга в данном случае, чтобы создать способ репрезентации данных. Вторая сеть переводила эти данные в язык.

Исследователи обучали свои системы, фиксируя мозговую активность четырех женщин с электродами, имплантированными в мозг, которые зачитывали набор из 50 предложений, включая 250 уникальных слов.

Предстоит еще большой путь, но он проще, чем кажется

CtGMj1Y0lDdss3Hqe3sfNpb2GBeraldv8BdIwXSz.jpeg

Конечно, в данном случае неизбежен ряд осложнений. Во-первых, система была способна декодировать только 30-50 конкретных предложений, используя ограниченный словарь из 250 слов, то есть то, чему ее обучили. А, во-вторых, она способна работать только с людьми, у которых в мозг имплантированы электроды: это чрезвычайно малая выборка, подобные операции делают крайне редко. Тем не менее, сам подход и направление имеют большие перспективы.

Так как нейронные сети – это системы с широчайшими возможностями к самообучению, то разработка более сложных обучающих алгоритмов скорее становится вопросом времени и тщательного подбора последовательностей данных и корреляций, загружаемых в систему. Также очевидно, что итоговое обучение и спецификацию система должна проходить со своим конечным пользователем, настроившись на индивидуальные особенности его мозговых сигналов.

Словарный запас такой системы, вероятно, значительно улучшится, но даже ограниченная палитра из 250 слов может быть невероятно полезной, например, для парализованных пациентов, и, вероятно, может быть адаптирована к конкретному набору команд для телепатического контроля над другими устройствами.

Остается ожидать разработки первого нейронного интерфейса, способного считывать сигналы мозга без операционных вмешательств. Каким бы кинематографичным и фантастичным не представлялось бы подобное устройство, разработка его прототипов уже ведется несколькими компаниями. Мы сделаем специальный обзор, посвященный этим исследованиям.

Автор: Юлия ДОЛЖЕНКОВА.