За последнее десятилетие ученые создали несколько сложных систем «мозг — компьютер», которые позволяли преобразовывать мозговую активность людей, лишившихся способности говорить из-за различных заболеваний, в речь. Однако до сих пор удавалось расшифровать лишь небольшое количество слов. Теперь в США создали алгоритм, благодаря которому удалось распознать до 54 процентов «речи».
Несколько месяцев назад инженеры из Калифорнийского университета в Дэвисе (США) представили устройство, которое расшифровывало речь пациента, неспособного членораздельно разговаривать из-за бокового амиотрофического склероза. Ему имплантировали электроды в область коры головного мозга, ответственную за двигательную активность, которая, как известно, участвует в произнесении слов. Чтобы система «мозг — компьютер» могла работать, пациент должен был изо всех сил стараться «проговаривать» слова, артикулируя их. Однако это решение было очень неудобным и утомительным для больного.
Исследователи из Стэнфорда, используя ту же технологию имплантации электродов в мозг, пошли другим путем. Сначала они попросили четырех испытуемых читать слова и пытаться «произносить» их вслух. Затем больные просто думали об этих словах. Команда ученых, регистрируя мозговую деятельность с помощью электроэнцефалограммы, обнаружила, что нейроны моторной области коры головного мозга тоже активны, хотя с меньшей интенсивностью.
С помощью искусственного интеллекта исследователи обучили систему «мозг — компьютер» распознавать фонемы (наименьшие единицы речи), сопоставляя «произнесенные» и «представленные» слова. Затем ИИ собрал фонемы в слова и предложения из словаря, содержащего 125 000 записей.
Участникам эксперимента предложили представить, что они произносят целые предложения, используя готовый набор слов. Компьютерная система смогла декодировать внутреннюю речь в режиме реального времени с погрешность от 26 до 54 процентов. Это самая высокая точность расшифровки внутренней речи на сегодня.
Это исследование, результаты которого ученые опубликовали в журнале Cell, стало важным вкладом в изучение нейронных механизмов, лежащих в основе внутренней речи. Однако для усовершенствования технологии еще потребуется дополнительная работа.