Για πρώτη φορά βουβός μπορεί να «μιλήσει» χάρη στην τεχνητή νοημοσύνη!

[vc_row][vc_column][vc_single_image image=”142662″ img_size=”full”][vc_column_text]

Ανεπανάληπτη καινοτομία καταγράφηκε στα χρονικά της ιατρικής. Ασθενής που δεν μπορεί να μιλήσει λόγω εγκεφαλικού επεισοδίου μπόρεσε να επικοινωνήσει με τους γύρω του χάρη σε σύστημα που μετατρέπει τις σκέψεις του σε λέξεις που εμφανίζονται σε μια οθόνη.

Το σύστημα που παρουσιάζεται στο New England Journal of Medicine βασίζεται σε εγκεφαλικό εμφύτευμα που καταγράφει τη δραστηριότητα των περιοχών του εγκεφάλου που ελέγχουν την ομιλία. Τα δεδομένα μεταδίδονται σε έναν υπολογιστή που τρέχει αλγόριθμο μηχανικής μάθησης, ένα είδος τεχνητής νοημοσύνης που εκπαιδεύτηκε να μεταφράζει τα ηλεκτρικά σήματα σε λέξεις.

Μέχρι σήμερα, παρόμοια συστήματα είχαν επιτρέψει σε ασθενείς να ελέγχουν με τη σκέψη ρομποτικούς βραχίονες και να χειρίζονται έτσι αντικείμενα. Η προσέγγιση που εφαρμόστηκε στη νέα μελέτη απαιτεί την εμφύτευση ηλεκτροδίων στον εγκέφαλο και είχε δοκιμαστεί παλαιότερα σε ασθενείς με επιληψία που χρειάζονταν ηλεκτρόδια στο κεφάλι για να μπλοκάρουν τις επιληπτικές κρίσεις.[/vc_column_text][vc_column_text]

[/vc_column_text][vc_column_text]Η νέα μελέτη είναι η πρώτη που εφαρμόζει την ιδέα σε ασθενή που αδυνατεί να μιλήσει. Πρόκειται για άνδρα 30-40 ετών (η ταυτότητά του δεν δημοσιοποιήθηκε) που έμεινε παράλυτος και βωβός έπειτα από εγκεφαλικό επεισόδιο πριν από 15 χρόνια.

«Από ό,τι γνωρίζουμε, είναι η πρώτη επιτυχής επίδειξη της άμεσης αποκωδικοποίησης πλήρων λέξεων από την εγκεφαλική δραστηριότητα ατόμου με παράλυση που αδυνατεί να εκφέρει λόγο», λέει ο Έντουαρντ Τσανγκ του Πανεπιστημίου της Καλιφόρνια στο Σαν Φρανσίσκο, επικεφαλής της μελέτης.

Για να μπορεί να επικοινωνήσει έστω και στοιχειωδώς, ο ασθενής φορούσε ένα καπέλο από το οποίο εξείχε ένας δείκτης, με τον οποίο επέλεγε γράμματα σε μια οθόνη κουνώντας ελαφρά το κεφάλι. Μπορούσε έτσι να γράψει γύρω στις 5 λέξεις την ώρα.

Χάρη στο νέο σύστημα, η ταχύτητα αυξήθηκε στις 18 λέξεις – πολύ κάτω από τις 120 με 180 λέξεις το λεπτό που χρησιμοποιούμε στις κανονική συνομιλία, αρκετές όμως για να διευκολύνουν τη ζωή του.

Σε πρώτη φάση, ο εθελοντής υποβλήθηκε σε χειρουργική επέμβαση για την προσωρινή αφαίρεση ενός τμήματος του κρανίου. Η ομάδα του δρ Τσανγκ εμφύτευσε ηλεκτρόδια στην επιφάνεια του εγκεφάλου πάνω από τις περιοχές που ελέγχουν τις κινήσεις του λάρυγγα και του στόματος στην κανονική ομιλία.

Στην επόμενη φάση, που διήρκεσε αρκετούς μήνες, ο εθελοντής καλούταν να φανταστεί ότι πρόφερε τις λέξεις που του έδειχναν οι ερευνητές. Την ίδια ώρα, τα σήματα των ηλεκτροδίων μεταδίδονταν σε έναν αλγόριθμο μηχανικής μάθησης, ένα σύστημα τεχνητής νοημοσύνης που μαθαίνει από παραδείγματα. Σταδιακά το σύστημα έμαθε να μεταφράζει τα εγκεφαλικά σήματα σε γραπτό κείμενο.

Στο τέλος της περιόδου εκπαίδευσης, ο ασθενής κλήθηκε να απαντήσει σε απλές ερωτήσεις όπως «Πώς είσαι σήμερα» ή «Μήπως διψάς». Το εμφύτευμα του επέτρεπε να απαντά «Είμαι πολύ καλά» ή «Όχι, δεν διψάω». Η ακρίβεια των προβλέψεων του αλγόριθμου έφτασε το εντυπωσιακό νούμερο του 92%.

Σε εντιτόριαλ που συνοδεύει τη μελέτη, οι νευροεπιστήμονες του Χάρβαρντ Λι Χόκμεργκ και Σίντνεϊ Κας χαρακτήρισαν το πείραμα «πρωτοπόρο». Αναγνώρισαν ότι το σύστημα χρήζει βελτιώσεων, θα μπορούσε όμως να αποδειχθεί πολύτιμο σε μια ποικιλία παθήσεων που εμποδίζουν την ομιλία.

Στη σημερινή μορφή του, το σύστημα αναγνωρίζει ένα μάλλον περιορισμένο λεξιλόγιο μόλις 50 λέξεων, και χρειάζεται τρία με τέσσερα δευτερόλεπτα για να επεξεργαστεί και να εμφανίσει κάθε λέξη στην οθόνη.

Σύμφωνα όμως με τους ερευνητές, υπάρχει περιθώριο βελτιώσεων όσον αφορά την ταχύτητα και το λεξιλόγιο, και τελικά το σύστημα θα μπορούσε να μιλά αντί να γράφει στην οθόνη.[/vc_column_text][/vc_column][/vc_row][vc_row][vc_column][vc_column_text]

I am text block. Click edit button to change this text. Lorem ipsum dolor sit amet, consectetur adipiscing elit. Ut elit tellus, luctus nec ullamcorper mattis, pulvinar dapibus leo.

[/vc_column_text][/vc_column][/vc_row][vc_row][vc_column][vc_column_text]Πηγή: protothema.gr[/vc_column_text][/vc_column][/vc_row]