Неинвазивный ИИ декодирует мозговые волны в речь с точностью, сравнимой с хирургической

Brain2Qwerty v2 представляет собой значительный прорыв в области неинвазивных интерфейсов мозг-компьютер (BCI), предлагая многообещающий новый путь для восстановления коммуникации без необходимости хирургических имплантатов. Система использует передовые методы глубокого обучения для декодирования сложной мозговой активности непосредственно в связный текст, достигая показателей производительности, которые бросают вызов историческому доминированию инвазивных нейропротезов.

Основная инновация заключается в выходе за рамки традиционных, вручную разработанных конвейеров обработки сигналов. Вместо этого исследователи использовали архитектуру глубокого обучения с конца до конца (end-to-end), обученную непосредственно на необработанных, зашумленных мозговых сигналах. Такой подход позволяет системе использовать богатый семантический контекст, присущий языку, эффективно преодолевая разрыв между высокосложными, часто зашумленными электрическими паттернами, регистрируемыми из мозга, и структурированным, осмысленным выводом человеческого языка. Это особенно важно для людей, страдающих от поражений мозга или состояний, которые серьезно нарушают их способность к общению, что представляет собой потенциальный сдвиг парадигмы в нейрореабилитации.

Для достижения этого прорыва команда обучила Brain2Qwerty v2 на большом наборе данных: примерно 22 000 предложений, собранных от девяти добровольцев. Данные были получены с помощью магнитоэнцефалографии (МЭГ) — неинвазивного метода, — в то время как участники активно печатали. Использование МЭГ критически важно, поскольку оно измеряет магнитные поля, создаваемые электрическими токами в мозге, предлагая детальный обзор нейронной активности без проникновения в кожу головы. Тот факт, что система была обучена на данных активного набора текста, гарантирует, что записанные мозговые сигналы напрямую коррелируют с предполагаемым языковым выводом, делая задачу декодирования высокорелевантной и сложной.

Критически важно, что исследователи не полагались на старые, сегментированные методы. Используя глубокое обучение с конца до конца, модель обрабатывает всю последовательность необработанных мозговых сигналов одновременно. Эта целостная обрабатывающая способность позволяет модели поддерживать связность и контекст в нескольких словах и предложениях, что жизненно важно для генерации естественного, осмысленного общения. Кроме того, интеграция больших языковых моделей (LLMs) в процесс тонкой настройки является ключевой; это позволяет системе понимать не просто наличие сигнала, а смысл и грамматику предполагаемого сообщения, значительно улучшая качество декодированного вывода.

С точки зрения производительности, результаты очень обнадеживают. Brain2Qwerty v2 достигла частоты точности слов в 61% по всему набору данных. Это представляет собой резкое улучшение по сравнению с 8% точностью слов, обычно сообщаемой другими неинвазивными методами декодирования. Еще более впечатляющим является показатель, наблюдаемый у лучшего участника, где была достигнута точность слов в 78%, что означает, что более половины всех декодированных предложений содержали не более одной ошибки. Такой уровень производительности предполагает высокую степень естественности и надежности, что делает технологию клинически жизнеспособной для будущих применений.

Помимо непосредственных метрик производительности, исследование дает критически важные сведения о масштабируемости технологии. Вывод о том, что точность декодирования улучшается логарифмически с объемом данных, является основным выводом. Это предполагает, что оставшийся разрыв в производительности между неинвазивными методами и хирургически имплантированными нейропротезами (такими как те, которые используют электрокортикографию или стереотаксическую электроэнцефалографию) может быть не непреодолимым, а скорее вопросом достаточного масштабирования данных. Это осознание смещает фокус с чисто технологических прорывов на систематический сбор и обработку массивных, высококачественных нейронных наборов данных.

Кроме того, исследование подчеркивает подход открытой науки. Команда выпускает полный код обучения как для Brain2Qwerty v1, так и для v2, а также набор данных v1 от своего партнера, Баскского центра когниции, мозга и языка (BCBL). Эта приверженность открытым данным и открытым моделям призвана ускорить всю область нейронаук. Публикуя базовые инструменты и данные, они приглашают к глобальному сотрудничеству, позволяя исследователям во всем мире опираться на эту работу и ускорять выявление, диагностику и лечение неврологических расстройств в совместном, не изолированном порядке. Это соответствует их более широкому «Проекту цифрового мозга» и их усилиям по созданию открытых базовых моделей мозга, включая такие модели, как Tribev2 для кодирования восприятия и NeuralSet для крупномасштабной обработки мозговых данных.

Таким образом, Brain2Qwerty v2 — это не просто инкрементальное улучшение; это методологический сдвиг. Сочетая передовое глубокое обучение, сбор крупномасштабных данных и философию открытого исходного кода, исследование предлагает ощутимый, неинвазивный путь к восстановлению общения для миллионов людей, потенциально демократизируя доступ к передовым возможностям нейропротезирования, ранее ограниченным хирургическим риском и сложностью. Сочетание высокой точности (61% точности слов) и выпуска кода и данных с открытым исходным кодом делает это поворотным моментом для нейротехнологий.