O desafio da interface cérebro-computador da Neuralink o aguarda!
Os especialistas do Instituto de Inteligência Artificial Centrado no Homem GrapheneX-UTS da Universidade de Tecnologia de Sydney (UTS) desenvolveram um dispositivo transportável e não intrusivo, capaz de decodificar a cognição cerebral e convertê-la em forma escrita.
A tecnologia avançada pode permitir que indivíduos que sofrem de deficiências de fala resultantes de condições como derrames ou paralisia transmitam seus pensamentos e emoções a outras pessoas. Além disso, esta inovação tem potencial para facilitar as interações entre seres humanos e dispositivos eletrónicos, permitindo aos utilizadores controlar máquinas como braços robóticos ou robôs através de comandos verbais.
A referida investigação foi liderada pelo Professor CT Lin, que também atua como Diretor do GrapheneX-UTS High Ambition Institute, em colaboração com Yiqun Duan e Jinzhou Zhou, ambos afiliados da Faculdade de Engenharia e Tecnologia da Informação da Universidade de Tecnologia de Sydney. (UTS).
Durante o experimento, os participantes usaram um fone de ouvido que utilizava eletroencefalografia (EEG) para registrar os sinais elétricos emitidos por seus cérebros através do couro cabeludo enquanto examinavam silenciosamente várias passagens de texto.
A atividade elétrica dentro do córtex cerebral foi analisada em segmentos individuais, permitindo a extração de características e padrões específicos associados à cognição humana através da utilização de um modelo avançado de IA conhecido como DeWave, que foi criado pelos próprios investigadores. Ao processar grandes volumes de dados de eletroencefalograma (EEG), o DeWave é capaz de converter sinais de EEG em construções linguísticas, como frases e sentenças. Este processo permitiu a geração de texto escrito pelos sujeitos participantes do experimento apenas por meio de suas deliberações mentais, conforme demonstrado no vídeo que acompanha.
A conquista inovadora deste estudo traduziu com sucesso os sinais brutos do eletroencefalograma (EEG) para a forma linguística, sinalizando assim um avanço importante dentro da disciplina, conforme expresso pelo Professor Lin.
A abordagem inovadora de integração de técnicas de codificação discreta no processo de tradução cérebro-texto representa um avanço significativo no campo da decodificação neural. Além disso, esta integração abriu novas possibilidades para explorar as intersecções entre a neurociência e a inteligência artificial. A capacidade de aproveitar grandes modelos de linguagem aumenta ainda mais as aplicações potenciais desta tecnologia.
A inovação apresentada pelos investigadores propõe uma alternativa às abordagens convencionais, como os dispositivos de ressonância magnética (MRI), que são de grande escala, dispendiosos e pouco práticos para o uso diário, bem como a tecnologia de implantes neurais defendida pela iniciativa Neuralink de Elon Musk.
De acordo com a perspectiva dos especialistas, estas técnicas enfrentam dificuldades na segmentação de sinais cerebrais em palavras de forma independente, sem utilizar ferramentas suplementares como o rastreamento ocular. No entanto, a sua inovação é adaptável e pode funcionar eficazmente, independentemente de o rastreio ocular ser utilizado ou não.
Apesar da presença de aumento de ruído no sinal obtido nas gravações de EEG via fones de ouvido, os investigadores ainda conseguiram obter resultados notáveis que superaram os padrões existentes.
Embora o modelo de tradução exiba maior proficiência na identificação e classificação de verbos em comparação com substantivos, nossas observações revelaram uma inclinação para a utilização de termos sinônimos em vez de equivalentes exatos para substantivos. Por exemplo, o sistema pode optar por “o homem” em vez de “o autor”, como explicou Duan.
Nossa hipótese postula que o processamento cerebral de palavras semanticamente relacionadas pode resultar em oscilações neurais correspondentes. Embora existam obstáculos a superar, alcançamos resultados notáveis com a nossa abordagem, identificando termos-chave e construindo construções gramaticais comparáveis.
A precisão atual da tradução na métrica BLEU-1 é de aproximadamente 40%. A pontuação BLEU, que varia de 0 a 1, quantifica o grau de correspondência entre o resultado do sistema de tradução automática e um conjunto de traduções exemplares geradas por humanos, proporcionando assim uma visão sobre a fidelidade do conteúdo traduzido em relação ao seu material de origem.
Os investigadores aspiram elevar a tecnologia a um padrão equivalente aos sistemas convencionais de interpretação de linguagem ou reconhecimento de fala, aproximando-se de aproximadamente 90% de precisão.
*️⃣ Link da fonte: