متا از نسخه دوم سیستم هوش مصنوعی Brain2Qwerty رونمایی کرده؛ فناوری پیشرفتهای که میتواند فعالیتهای مغزی انسان را بدون نیاز به جراحی یا کاشت تراشه، به متن قابلفهم تبدیل کند. این پروژه که بر پایه تحلیل امواج مغزی و مدلهای زبانی هوش مصنوعی توسعه یافته، میتواند مسیر ارتباطی جدیدی برای بیماران مبتلا به ALS، سندروم قفلشدگی و اختلالات شدید عصبی ایجاد کند؛ بیمارانی که توانایی صحبتکردن یا حرکتدادن بدن خود را از دست دادهاند.
ترجمه امواج مغزی بدون جراحی تهاجمی
برخلاف بسیاری از پروژههای رابط مغز و کامپیوتر که به کاشت تراشه در مغز نیاز دارند، سیستم Brain2Qwerty v2 کاملاً غیرتهاجمی طراحی شده است. این فناوری از دستگاه MEG برای ثبت میدانهای الکتریکی بسیار ضعیف ناشی از فعالیت نورونها استفاده میکند. متا اعلام کرده هدف اصلی این پروژه، ایجاد امکان برقراری ارتباط برای افرادی است که به دلیل آسیبهای عصبی یا بیماریهای تحلیلبرنده، قادر به صحبتکردن نیستند.
آموزش مدل با هزاران جمله و اسکن مغزی
فرایند توسعه این سیستم در مرکز شناخت، مغز و زبان باسک در اسپانیا انجام شده است. محققان از ۹ داوطلب سالم خواستند طی ۱۰ جلسه تحقیقاتی، بیش از ۲۵۰۰ جمله را تایپ کنند. همزمان، دستگاه MEG فعالیت مغزی آنها را ثبت میکرد تا هوش مصنوعی بتواند ارتباط میان الگوهای مغزی و حروف تایپشده را یاد بگیرد.
جهش بزرگ دقت؛ از ۴۸ درصد به ۷۸ درصد
نسخه جدید Brain2Qwerty توانسته به دقت کلمهای ۷۸ درصد برسد؛ عددی که نسبت به دقت ۴۸ درصدی نسخه اول، پیشرفت بزرگی محسوب میشود. طبق نتایج منتشرشده، در بسیاری از جملات رمزگشاییشده، حداکثر تنها یک کلمه اشتباه وجود داشته است. پژوهشگران همچنین تأکید کردند که هرچه دادههای آموزشی بیشتری در اختیار مدل قرار بگیرد، دقت رمزگشایی امواج مغزی نیز افزایش پیدا میکند.
استفاده از فناوری مشابه ChatGPT و Llama
متا برای توسعه این سیستم از همان فناوری تشخیص الگو و مدلهای زبانی مورد استفاده در ChatGPT و Llama بهره گرفته است. فرایند تبدیل افکار به متن در Brain2Qwerty شامل سه مرحله است:
تبدیل سیگنالهای مغزی به توکنهای حروف
مرتبسازی حروف و تشکیل کلمات توسط سیستم Aligner
تبدیل کلمات پراکنده به جملات معنادار با کمک مدل زبانی بزرگ
انتشار متنباز برای توسعه جهانی
متا اعلام کرده کدهای نسخه اول و دوم Brain2Qwerty را بهصورت متنباز منتشر میکند تا محققان سراسر جهان بتوانند روی توسعه ابزارهای تشخیص و درمان اختلالات عصبی کار کنند. این اقدام میتواند سرعت پیشرفت تحقیقات پزشکی مبتنی بر هوش مصنوعی را افزایش دهد.