Implan Otak dan Model AI Digunakan untuk Menerjemahkan Pikiran Menjadi Teks

Peneliti di University of California, San Francisco baru-baru ini menciptakan sistem AI yang dapat menghasilkan teks dengan menganalisis aktivitas otak seseorang, secara efektif menerjemahkan pikiran mereka menjadi teks. AI ini mengambil sinyal neural dari pengguna dan mendekodekannya, dan dapat memahami hingga 250 kata dalam waktu nyata berdasarkan satu set kalimat antara 30 hingga 50 kalimat.

Seperti yang dilaporkan oleh Independent, model AI ini dilatih pada sinyal neural yang dikumpulkan dari empat wanita. Peserta dalam eksperimen memiliki elektroda yang dipasang di otak mereka untuk memantau terjadinya kejang epilepsi. Peserta diminta untuk membaca kalimat dengan suara keras, dan sinyal neural mereka diberikan kepada model AI. Model ini dapat membedakan aktivitas neural yang berkaitan dengan kata-kata tertentu, dan pola-pola tersebut sesuai dengan kata-kata sebenarnya sekitar 97% dari waktu, dengan rata-rata tingkat kesalahan sekitar 3%.

Ini bukanlah pertama kalinya sinyal neural telah dikaitkan dengan kalimat, neuroscientist telah bekerja pada proyek-proyek serupa selama lebih dari satu dekade. Namun, model AI yang dibuat oleh peneliti menunjukkan akurasi yang mengesankan dan beroperasi dalam waktu nyata. Model ini menggunakan jaringan neural berulang untuk mengkodekan aktivitas neural menjadi representasi yang dapat diterjemahkan menjadi kata-kata. Seperti yang dikatakan oleh penulis dalam makalah mereka:

“Mengambil petunjuk dari kemajuan terbaru dalam terjemahan mesin, kami melatih jaringan neural berulang untuk mengkodekan setiap urutan kalimat panjang aktivitas neural menjadi representasi abstrak, dan kemudian untuk mendekode representasi ini, kata demi kata, menjadi kalimat bahasa Inggris.”

Menurut ArsTechnica, untuk lebih memahami bagaimana hubungan antara sinyal neural dan kata-kata dibuat, peneliti melakukan eksperimen dengan menonaktifkan bagian-bagian yang berbeda dari sistem. Penonaktifan sistematis membuat jelas bahwa akurasi sistem ini disebabkan oleh representasi neural. Juga ditemukan bahwa menonaktifkan input audio ke sistem membuat kesalahan melompat, tetapi kinerja keseluruhan masih dianggap dapat diandalkan. Jelas, ini berarti sistem ini dapat berpotensi berguna sebagai perangkat untuk mereka yang tidak dapat berbicara.

Ketika bagian-bagian yang berbeda dari input elektroda dinonaktifkan, ditemukan bahwa sistem ini memperhatikan wilayah-wilayah otak tertentu yang terkait dengan pemrosesan dan produksi ucapan. Misalnya, sebagian besar kinerja sistem ini didasarkan pada wilayah-wilayah otak yang memperhatikan suara suara sendiri ketika berbicara.

Meskipun hasil awal tampaknya menjanjikan, tim peneliti tidak yakin bagaimana baik model ini akan berkembang ke kosakata yang lebih besar. Penting bahwa prinsip ini dapat digeneralisasi ke kosakata yang lebih besar, karena rata-rata penutur bahasa Inggris memiliki kosakata aktif sekitar 20.000 kata. Metode dekoder saat ini beroperasi dengan menafsirkan struktur statis dari sebuah kalimat dan menggunakan struktur itu untuk membuat tebakan yang terdidik tentang kata-kata yang sesuai dengan pola aktivitas neural tertentu. Ketika kosakata tumbuh, akurasi keseluruhan dapat berkurang karena pola neural lebih mungkin terlihat serupa.

Penulis makalah menjelaskan bahwa meskipun mereka berharap dekoder akhirnya dapat mempelajari pola-pola yang teratur dan dapat diandalkan dalam bahasa, mereka tidak yakin berapa banyak data yang diperlukan untuk melatih model yang dapat digeneralisasi ke bahasa Inggris sehari-hari. Salah satu cara potensial untuk menangani masalah ini adalah dengan melengkapi pelatihan dengan data yang dikumpulkan dari antarmuka otak-komputer lain yang menggunakan algoritma dan implan yang berbeda.

Penelitian yang dilakukan oleh peneliti di University of California ini hanya salah satu perkembangan terbaru dalam gelombang penelitian dan pengembangan yang tumbuh tentang antarmuka neural dan komputer. Royal Society merilis laporan tahun lalu yang memprediksi bahwa antarmuka neural yang menghubungkan orang dengan komputer akhirnya akan memungkinkan orang untuk membaca pikiran satu sama lain. Laporan ini merujuk pada startup Neuralink yang dibuat oleh Elon Musk dan teknologi yang dikembangkan oleh Facebook (META ) sebagai bukti kemajuan yang akan datang dalam komputasi yang berorientasi pada manusia. Royal Society mencatat bahwa antarmuka komputer-manusia akan menjadi pilihan yang kuat dalam mengobati penyakit neurodegeneratif seperti Alzheimer selama dua dekade mendatang.