Учени са установили точни модели на мозъчна активност, свързани с вътрешната реч - тихият монолог в главата на човек, и могат успешно да го декодират по команда със 74% точност.
Резултатите от изследването, публикувани в списание Cell Press, биха могли да позволят на хора, които не могат да говорят на глас, да общуват, използвайки технологии за интерфейс мозък - компютър (BCI), които започват да предават вътрешни мисли, когато човек мислено каже парола.
Екип изследователи от Станфордския университет за първи път успешно измериха мозъчната активност, докато човек мисли за разговор. Това е особено важно за пациенти с тежки говорни и двигателни нарушения, тъй като интерфейси с изкуствен интелект, които декодират вътрешна реч, ще им позволят да общуват с други хора.
През последните години интелигентните компютърни интерфейси (ИКИ) станаха широко използвани при пациенти с двигателни увреждания. Използвайки сензори, имплантирани в двигателните области на мозъка, ИКИ декодират сигнали, свързани с движението, и ги преобразуват в действия, като например движение на протезна ръка.
ИМК също можеха да декодират опитите за реч при пациенти с парализа, но тъй като възпроизвеждането на звуци е свързано с мускулна активност, опитите за говорене с ИМК понякога се оказват уморителни за хора с нарушен мускулен контрол. Затова и учените се оказват изправени пред въпроса дали е възможно декодиране на вътрешната реч с помощта на BCI.
Екипът е записал активността на моторните неврони, използвайки микроелектроди, имплантирани в моторната кора (областта на мозъка, отговорна за речта) при пациенти с ALS (тежка парализа) или инсулт на мозъчния ствол. Участниците в проучването са били помолени да си представят, че говорят думи или да се опитат да говорят.
Установено е, че опитът за реч и вътрешната реч имат сходни модели на невронна активност, но вътрешната реч има по-слабо ниво на активиране. Затова и се обучават модели с изкуствен интелект с използване на данни от вътрешната реч за интерпретиране на въображаеми думи. При тестовете точността на интерпретацията достигна 74%. Учените планират да подобрят устройствата, като увеличат броя на сензорите и подобрят алгоритмите, което ще позволи методът да бъде въведен в клиничната практика в бъдеще.
