Nature: создан речевой мозговой имплант на основе искусственного интеллекта

В результате успешного исследования, проведенного в двух различных случаях — после инсульта и в связи с боковым амиотрофическим склерозом (БАС), пациентам удалось вернуть свой голос. Эти открытия дают новый способ общения для людей, страдающих параличом, и дают им надежду на более полноценное взаимодействие с окружающим миром.

В последние годы технология мозгового интерфейса получила значительные успехи, хотя полное решение этой проблемы еще не было найдено. Для записи нейронной активности человека, когда он думает о выполнении определенной задачи или действии, используются электроды. Полученные данные помогают обучить оборудование или программное обеспечение на выполнение этих задач.

Например, протез руки может сгибаться в ответ на мысли о сгибании руки. Однако каждый человек имеет уникальную мозговую активность, поэтому процесс обучения механизма декодированию нервных сигналов необходимо проводить индивидуально для каждого пациента. Сложность языка делает создание мозгового интерфейса или нейропротеза, способного переводить мысли в произнесенные слова, непростой задачей.

Для восстановления речи учеными были использованы мозговые имплантаты и машинное обучение. Речь Энн была восстановлена нейрохирургом Эдвардом Чангом из Калифорнийского университета в Сан-Франциско и его коллегами, а речь Пэта Беннетта, страдающего от БАС, была восстановлена нейробиологом Фрэнком Уиллеттом из Стэнфордского университета и его командой. Исследователи использовали схожую методологию, имплантируя в мозг каждого пациента электродные массивы - 128 электродов у Беннетта и 253 у Энн.

Затем пациенты прошли процесс обучения, который включал обдумывание произнесения различных слов и предложений. Репертуар Энн состоял из 1024 слов, а также она думала о мимике. Для распознавания фраз не использовались слова, а фонемы — звуковые единицы, из которых состоят слова. Это значительно уменьшило количество данных, которые ИИ должен был обработать.

Данные, полученные в результате этого процесса, были использованы для создания виртуального аватара, способного говорить голосом пациента. Благодаря своему аватару, Энн смогла общаться почти так же быстро, как окружающие люди. Для Беннетта требовалось около 100 часов обучения, основанного на фонемах и повторении предложений, взятых из большой базы данных. После этого обучения система допускала ошибки всего в 9,1% при словарном запасе в 50 слов, и скорость декодирования речи Беннетта составляла около 62 слов в минуту.

Хотя уровень ошибок при словарном запасе в 125 000 слов составил 23,8%, исследователи подчеркивают, что это первый раз, когда такой большой словарный запас тестируется с использованием данной технологии. В целом, результаты исследования являются чрезвычайно обнадеживающими.

Источник: Nature.