تقنية جديدة للذكاء الاصطناعي تترجم الأفكار مباشرةً من موجات الدماغ

إن نظام الذكاء الاصطناعي غير الجراحي الأول على مستوى العالم قادر على تحويل الأفكار الصامتة إلى نص في حين لا يُطلب من المستخدمين إلا ارتداء قبعة ملائمة.

اختبر الباحثون الأستراليون الذين طوروا هذه التقنية -والتي أطلق عليها اسم DeWave- العملية باستخدام بيانات أكثر من عشرين شخص.

يقرأ المشاركون بصمت وهم يرتدون قبعة تسجل موجات دماغهم عن طريق تخطيط أمواج الدماغ (EEG) ويحول شيفرتها إلى نص.

مع المزيد من التحسين يمكن أن تساعد ‘DeWave’ مرضى السكتة الدماغية والشلل على التواصل وتسهيل توجيه الآلات، مثل: الأذرع الآلية أو الروبوتات.

يقول عالِم الكمبيوتر ‘تشين تنغ لين Chin-Teng Lin’ من جامعة التكنولوجيا في سيدني: “يمثل هذا البحث جهدًا رائدًا في ترجمة الموجات الأولية لتخطيط أمواج الدماغ إلى لغة مباشرة، مما يمثل تقدمًا كبيرًا في هذا المجال”.

على الرغم من أن تقنية ‘DeWave’ حققت أكثر من 40% من الدقة فقط، على أساس واحدة من مجموعتين من القياسات في التجارب التي أجراها لين وزملاؤه، وهذا تحسن بنسبة 3% على المعيار السابق لترجمة الأفكار من تسجيلات EEG.

هدف الباحثين هو تحسين الدقة إلى حوالي 90%، وهو ما يوازي الطرق التقليدية لترجمة اللغة أو برامج التعرف على الكلام، وتتطلب الطرق الأخرى لترجمة إشارات الدماغ إلى لغة إجراء عمليات جراحية لزرع أقطاب كهربائية أو أجهزة ضخمة ومكلفة للرنين المغناطيسي، الأمر الذي يجعلها غير عملية للاستخدام اليومي، وكثيرًا ما تحتاج هذه الطرق إلى استخدام تعقب العين لتحويل إشارات الدماغ إلى أجزاء على مستوى الكلمة.

عندما تنتقل عيون الشخص من كلمة إلى أخرى، فمن المعقول أن نفترض أن دماغه يأخذ فترة راحة قصيرة بين معالجة كل كلمة. وتعد ترجمة موجة EEG الخام إلى كلمات -دون تتبع العين للإشارة إلى الكلمة المستهدفة- عملية أصعب.

لا تظهر موجات الدماغ من أشخاص مختلفي الفواصل بين الكلمات تمامًا بنفس الطريقة، مما يجعل من الصعب تعليم الذكاء الاصطناعي كيفية تفسير الأفكار الفردية.

بعد تدريب مكثف، يحول مشفر ‘DeWave’ موجات EEG إلى شفرة يمكن بعد ذلك مطابقتها لكلمات محددة على أساس مدى قربها من الإدخالات في ‘دفتر الترميز’ DeWave.

يوضح لين: “هذا أول ما يدمج تقنيات ترميز متقطِّعة في عملية الترجمة من الدماغ الى النص، مقدِّمًا طريقة مبتكرة لفك الترميز العصبي، ويفتح الاندماج مع نماذج اللغات الكبيرة أيضًا آفاقًا جديدة في علم الأعصاب والذكاء الاصطناعي”.

استخدم لين وفريقه نماذج لغوية مدربة تضمنت مزيجًا من نظام، يسمى: ‘بيرت’ مع GPT واختبروه على مجموعات البيانات الموجودة للأشخاص الذين كان لديهم تتبع العين ونشاط دماغي مسجل أثناء قراءة النص.

الأمر الذي ساعد النظام على تعلم تطابق أنماط موجات الدماغ مع الكلمات، ثم تم تدريب ‘DeWave’ أكثر مع نموذج لغة كبيرة مفتوحة المصدر التي تكون الجمل من الكلمات.

كان أداء DeWave في ترجمة الأفعال أفضل.

ومن ناحية أخرى، تُترجم الأسماء كأزواج من الكلمات التي تعني نفس الشيء بدلًا من الترجمات الدقيقة، مثل: ‘الرجل’ بدلًا من ‘المؤلف’.

يقول المؤلف الأول ‘يِكن دوان Yiqun Duan’ عالم كمبيوتر من جامعة لندن للتكنولوجيا: “نعتقد أن السبب وراء ذلك هو أن الدماغ عندما يعالج هذه الكلمات، ويمكن أن تنتج الكلمات المتشابهة دلاليًا أنماطًا متشابهة من الموجات الدماغية. على الرغم من التحديات، فإن نموذجنا يعطي نتائج ذات معنى، محاذاة للكلمات الرئيسية وتشكيل جمل مماثلة”.

ويكشف حجم العينة الكبير نسبيًا الذي تم اختباره حقيقة أن توزيعات موجات EEG للأشخاص تختلف اختلافًا كبيرًا، مما يشير إلى أن البحث أكثر موثوقية من التقنيات السابقة التي اختُبرت فقط على عينات صغيرة جدًا.

هناك المزيد من العمل الذي يجب القيام به، وتكون الإشارة مشوشة عندما تُستقبل إشارات ال (EEG) من خلال غطاء بدلًا من الأقطاب المزروعة في الدماغ.

دوّن الفريق: “إن ترجمة الأفكار مباشرة من الدماغ هي مهمة قيِّمة لكنها صعبة وتتطلب بذل جهود متواصلة. بالنظر إلى التقدم السريع لنماذج اللغات الكبيرة، فإن أساليب الترميز المماثلة التي تربط بين نشاط الدماغ واللغة الطبيعية تستحق اهتمامًا متزايدًا”.