مرداد
اخبار
متا از فکر تا متن رسید: هوش مصنوعی‌ای که بدون جراحی ذهن را می‌خواند
تیم هوش مصنوعی متا در پاریس از سامانه‌ای به نام Brain2Qwerty رونمایی کرده که برای اولین‌بار توانسته جمله‌های کامل را فقط از روی امواج مغزی، بدون هیچ جراحی یا کاشت تراشه، به متن نوشتاری تبدیل کند؛ دستاوردی که می‌تواند آینده‌ی ارتباط برای میلیون‌ها بیمار فلج را تغییر دهد.
لیست مطالب
۱. متا چه فناوری تازه‌ای معرفی کرده است؟
گروه هوش مصنوعی متا در پاریس، به سرپرستی ژان-رمی کینگ، نتایج پروژه‌ای به نام Brain2Qwerty را منتشر کرده‌اند که هدفش رمزگشایی متن نوشتاری مستقیماً از فعالیت الکتریکی و مغناطیسی مغز است. برخلاف بسیاری از پروژه‌های مشهور رابط مغز و رایانه که به کاشت الکترود در بافت مغز نیاز دارند، این سامانه کاملاً غیرتهاجمی است؛ یعنی کاربر تنها یک کلاه حسگر روی سر می‌گذارد و نیازی به هیچ عمل جراحی نیست. این تفاوت، Brain2Qwerty را از نظر ایمنی و در دسترس‌بودن، در جایگاهی کاملاً متفاوت نسبت به فناوری‌های تهاجمی قرار می‌دهد.
این پژوهش در واقع ادامه‌ی مسیری است که متا از چند سال پیش با پروژه‌های اولیه‌ی رمزگشایی گفتار و تصویر از روی فعالیت مغزی آغاز کرده بود، اما نسخه‌ی تازه برای اولین‌بار توانسته به سطحی از دقت برسد که رسانه‌های علمی و فناوری در سراسر دنیا آن را به‌عنوان یک نقطه‌عطف در حوزه‌ی رابط مغز و رایانه‌ی غیرتهاجمی معرفی کرده‌اند. انتشار نتایج در نشریه‌ی داوری‌شده‌ی Nature Neuroscience نیز به اعتبار علمی این ادعا افزوده است، چرا که برخلاف بسیاری از خبرهای پرسروصدای حوزه‌ی هوش مصنوعی، این یافته‌ها پیش از انتشار توسط داوران مستقل علمی بررسی شده‌اند.
برای پیگیری چنین خبرهایی هرروز، صفحه‌ی اخبار هوش مصنوعی مرچت‌جی‌پی‌تی بهترین مرجع فارسی‌زبان است؛ جایی که مهم‌ترین تحولات این حوزه به‌سرعت و به زبان ساده پوشش داده می‌شود.
۲. Brain2Qwerty چگونه کار می‌کند؟
در طراحی این سامانه، ۳۵ داوطلب سالم در حالی که روی صفحه‌کلید جمله‌هایی را تایپ می‌کردند، فعالیت مغزی‌شان با دو روش الکتروانسفالوگرافی (EEG) و مگنتوانسفالوگرافی (MEG) ثبت شد. در مجموع حدود ۱۹۳ هزار کاراکتر و پنج هزار جمله برای بخش MEG جمع‌آوری شد؛ حجمی که برای آموزش یک مدل یادگیری عمیق کافی بود.
معماری مدل هوش مصنوعی
هسته‌ی این پروژه یک مدل حدود ۴۰۰ میلیون پارامتری و سه‌مرحله‌ای است: مرحله‌ی اول یک شبکه‌ی عصبی پیچشی (CNN) با مکانیزم توجه مکانی و لایه‌های اختصاصی برای هر داوطلب است که الگوهای خام سیگنال مغزی را استخراج می‌کند؛ مرحله‌ی دوم یک ترنسفورمر است که زمینه‌ی جمله را در نظر می‌گیرد تا حدس‌های کاراکتر به کاراکتر منسجم‌تر شوند؛ و مرحله‌ی سوم یک مدل زبانی کاراکتری ۹-گرمی از پیش آموزش‌دیده است که خروجی نهایی را از نظر آماری تصحیح می‌کند. این ترکیب دقیقاً شبیه به روندی است که مدل‌های زبانی بزرگ مانند مدل‌های زیربنایی اوپن‌ای‌آی برای درک و تولید متن به‌کار می‌گیرند، با این تفاوت که ورودی اینجا سیگنال مغزی است، نه متن یا صدا.
۳. تفاوت EEG و MEG در خواندن امواج مغزی
یکی از یافته‌های مهم این پژوهش، فاصله‌ی چشمگیر عملکرد میان دو فناوری ثبت سیگنال مغزی است. الکتروانسفالوگرافی (EEG) ارزان، قابل‌حمل و در دسترس‌تر است، اما دقت آن به‌مراتب پایین‌تر بود. در مقابل، مگنتوانسفالوگرافی (MEG) که سیگنال‌های مغناطیسی ضعیف مغز را با حسگرهای بسیار حساس ثبت می‌کند، نتایج به‌مراتب بهتری داد؛ اما این دستگاه‌ها بزرگ، گران و محدود به مراکز تحقیقاتی تخصصی هستند. همین شکاف نشان می‌دهد که مسیر رسیدن از آزمایشگاه به یک محصول قابل‌حمل و مقرون‌به‌صرفه، هنوز طولانی است.
۴. نتایج و دقت مدل در آزمایش‌ها
در ارزیابی نهایی، مدل مبتنی بر MEG به‌طور میانگین نرخ خطای کاراکتری (CER) حدود ۲۹ درصد داشت و بهترین داوطلبان توانستند این رقم را تا ۱۸ درصد پایین بیاورند؛ یعنی در حدود هشتاد تا هشتادودو درصد از کاراکترها به‌درستی بازسازی شدند. در نقطه‌ی مقابل، مدل مبتنی بر EEG با میانگین خطای ۶۵ درصد، عملکردی به‌مراتب ضعیف‌تر داشت؛ به بیان دیگر، MEG بیش از دو برابر دقیق‌تر از EEG عمل کرد. این اعداد اگرچه هنوز با دقت صد‌درصدی فاصله دارند، اما در مقایسه با پژوهش‌های پیشین در حوزه‌ی رمزگشایی غیرتهاجمی متن، یک جهش محسوب می‌شوند و می‌توان آن‌ها را مانند رقابت مدل‌های زبانی بزرگ بر سر معیارهای محک‌زنی نگاه کرد، رقابتی مشابه آنچه در مقایسه‌ی مدل‌های هوش مصنوعی بر سر دقت و عملکرد شاهد آن هستیم.
۵. رابط‌های مغزی غیرتهاجمی در برابر تهاجمی
در سال‌های اخیر، شرکت‌هایی مانند نورالینک با کاشت مستقیم الکترود در بافت مغز، به دقت‌های بسیار بالاتری در رمزگشایی افکار و کنترل دستگاه‌ها دست یافته‌اند؛ اما این روش نیازمند عمل جراحی مغز و خطرات پزشکی مرتبط با آن است. Brain2Qwerty نشان می‌دهد که می‌توان بدون این ریسک، بخش بزرگی از این کارایی را با روش‌های غیرتهاجمی به دست آورد. اگرچه دقت فعلی هنوز به سطح رابط‌های تهاجمی نمی‌رسد، اما مسیر توسعه نشان می‌دهد که این فاصله به‌مرور کوچک‌تر خواهد شد؛ روندی که پتانسیل و در عین حال محدودیت‌های واقعی فناوری‌های نوظهور هوش مصنوعی را به‌خوبی نشان می‌دهد، موضوعی که در مطلب پتانسیل واقعی و محدودیت‌های هوش مصنوعی هم به‌تفصیل بررسی شده است.
۶. کاربرد این فناوری برای بیماران فلج و ALS
بزرگ‌ترین امید این پژوهش، کمک به افرادی است که به‌دلیل قطع‌نخاع، بیماری ALS (اسکلروز جانبی آمیوتروفیک)، سکته‌ی مغزی یا سندرم قفل‌شدگی، توانایی صحبت‌کردن یا تایپ‌کردن را از دست داده‌اند. اگر این فناوری بتواند در آینده روی بیمارانی که حتی قادر به حرکت‌دادن انگشتان خود نیستند نیز اعتبارسنجی شود، می‌تواند به ابزاری امن، ارزان‌تر و در دسترس‌تر نسبت به ایمپلنت‌های جراحی برای ارتباط این بیماران با دنیای اطراف‌شان تبدیل شود. چنین کاربردهایی نمونه‌ی روشنی از اهمیت هوش مصنوعی نه فقط در کسب‌وکار، بلکه در بهبود کیفیت زندگی انسان‌هاست؛ موضوعی که در مطلب اهمیت هوش مصنوعی در دنیای امروز نیز از زوایای دیگر بررسی شده است.
۷. محدودیت‌ها و چالش‌های پیش رو
پژوهشگران متا خودشان به‌صراحت به محدودیت‌های فعلی این سامانه اشاره کرده‌اند. نخست، مدل به‌صورت آفلاین و پس از تکمیل کامل جمله عمل می‌کند، نه به‌شکل بلادرنگ و لحظه‌به‌لحظه. دوم، آموزش مدل به اطلاعات زمان‌بندی ضربه‌های صفحه‌کلید نیاز دارد که در بیماران واقعاً فلج، این داده در دسترس نیست؛ چون آن‌ها اصلاً انگشتی برای تایپ حرکت نمی‌دهند. سوم، تمام آزمایش‌ها روی داوطلبان سالمی انجام شده که واقعاً تایپ می‌کردند، نه بیماران هدف نهایی این فناوری. به همین دلیل، فاصله‌ی میان یک نتیجه‌ی امیدوارکننده در آزمایشگاه تا یک محصول پزشکی واقعی، هنوز قابل‌توجه است.
این فاصله‌ی میان یک دستاورد چشمگیر آزمایشگاهی و یک محصول واقعاً کاربردی، نکته‌ای است که همیشه باید هنگام قضاوت درباره‌ی جهش‌های خبری هوش مصنوعی در نظر گرفت؛ همان تمایزی که میان هیاهوی رسانه‌ای پیرامون یک دستاورد و کار مهندسی طاقت‌فرسایی که برای تبدیل آن به محصول قابل‌اعتماد لازم است وجود دارد. برای درک بهتر این تفاوت میان ادعا و واقعیت مهندسی در پروژه‌های هوش مصنوعی، مطلب توهم هوش مصنوعی؛ توسعه‌دهنده‌ی تنها در برابر مهندس واقعی نگاه خواندنی‌ای به این موضوع دارد.
۸. نگرانی‌های حریم خصوصی ذهن
هر چه هوش مصنوعی در خواندن سیگنال‌های مغزی دقیق‌تر شود، نگرانی‌های تازه‌ای درباره‌ی «حریم خصوصی ذهن» مطرح می‌شود. داده‌های عصبی، حساس‌ترین نوع داده‌ی زیستی هستند؛ چون به‌طور بالقوه می‌توانند افکار، احساسات یا حتی نیت‌های فرد را افشا کنند. کارشناسان معتقدند با گسترش این فناوری‌ها، قانون‌گذاری اختصاصی برای حفاظت از «داده‌ی عصبی» به همان اندازه‌ی قوانین حفاظت از داده‌های شخصی در فضای دیجیتال ضروری خواهد شد؛ در غیر این‌صورت، خطر سوءاستفاده از این اطلاعات فوق‌حساس افزایش می‌یابد.
۹. آینده‌ی رابط مغز و هوش مصنوعی
Brain2Qwerty تنها یک نمونه از رقابت گسترده‌تری است که شرکت‌های بزرگ فناوری برای ورود به حوزه‌ی نورو-تکنولوژی آغاز کرده‌اند. با پیشرفت مدل‌های یادگیری عمیق و ارزان‌ترشدن حسگرهای زیستی، بسیاری از پژوهشگران پیش‌بینی می‌کنند ظرف یک دهه‌ی آینده، نسخه‌های قابل‌حمل و دقیق‌تری از این فناوری وارد کاربردهای بالینی واقعی شوند. برخی حتی معتقدند در بلندمدت، رابط‌های مغزی غیرتهاجمی می‌توانند نه فقط برای بیماران، بلکه برای تعامل روزمره‌ی انسان با دستیارهای هوش مصنوعی نیز به‌کار بروند؛ سناریویی که تا همین چند سال پیش بیشتر شبیه داستان‌های علمی‌تخیلی به‌نظر می‌رسید تا یک مسیر پژوهشی واقعی.
تا رسیدن به آن روز، آموختن نحوه‌ی درست تعامل با ابزارهای هوش مصنوعی موجود، از جمله نوشتن دستورهای دقیق برای مدل‌های زبانی، همچنان مهارتی کاربردی و ارزشمند است؛ برای شروع می‌توانید نگاهی به راهنمای نوشتن پرامپت برای مبتدیان بیندازید یا سری به بخش آموزش‌های چت‌جی‌پی‌تی بزنید تا با تازه‌ترین قابلیت‌های این ابزارها بیشتر آشنا شوید.
پرسش‌های متداول
آیا Brain2Qwerty برای عموم مردم در دسترس است؟
خیر؛ این سامانه هنوز در مرحله‌ی پژوهشی است و صرفاً روی داوطلبان سالم در محیط آزمایشگاهی آزمایش شده است.
آیا این فناوری نیاز به جراحی دارد؟
نه. برخلاف رابط‌های مغزی تهاجمی، Brain2Qwerty کاملاً غیرتهاجمی است و کاربر فقط یک کلاه حسگر روی سر می‌گذارد.
دقت این هوش مصنوعی چقدر است؟
در بهترین حالت با MEG، نرخ خطای کاراکتری به ۱۸ درصد رسید؛ یعنی حدود هشتاد درصد از کاراکترها به‌درستی بازسازی شدند.
چه زمانی این فناوری برای بیماران واقعی استفاده می‌شود؟
هنوز زمان دقیقی مشخص نیست؛ اعتبارسنجی روی بیماران واقعاً فلج و توسعه‌ی نسخه‌های قابل‌حمل‌تر، از مراحل ضروری پیش رو هستند.
آیا مدل‌های مشابهی از سایر شرکت‌ها هم وجود دارد؟
بله؛ چند آزمایشگاه دانشگاهی و شرکت‌های فناوری دیگر نیز روی رابط‌های مغز و رایانه کار می‌کنند، اما اغلب یا از روش‌های تهاجمی استفاده می‌کنند یا هنوز به دقت گزارش‌شده‌ی این پژوهش نرسیده‌اند.
نسخهٔ فوری این مطلب در تلگرام: اینجا بخوانید
