Implantes Cerebrais e Modelo de IA Usados para Traduzir Pensamentos em Texto

Pesquisadores da Universidade da Califórnia, San Francisco, criaram recentemente um sistema de IA que pode produzir texto analisando a atividade cerebral de uma pessoa, essencialmente traduzindo seus pensamentos em texto. O sistema de IA recebe sinais neurais de um usuário e os decodifica, e pode decifrar até 250 palavras em tempo real com base em um conjunto de entre 30 a 50 frases.

Conforme relatado pelo Independent, o modelo de IA foi treinado em sinais neurais coletados de quatro mulheres. As participantes do experimento tiveram eletrodos implantados em seus cérebros para monitorar a ocorrência de convulsões epilépticas. As participantes foram instruídas a ler frases em voz alta, e seus sinais neurais foram alimentados ao modelo de IA. O modelo foi capaz de discernir atividade neural correlacionada com palavras específicas, e os padrões se alinharam com as palavras reais aproximadamente 97% do tempo, com uma taxa de erro média de cerca de 3%.

Isso não é a primeira vez que sinais neurais foram correlacionados com frases, neurocientistas vêm trabalhando em projetos semelhantes por mais de uma década. No entanto, o modelo de IA criado pelos pesquisadores mostra uma precisão impressionante e opera mais ou menos em tempo real. O modelo utiliza uma rede neural recorrente para codificar a atividade neural em representações que podem ser traduzidas em palavras. Como os autores dizem em seu artigo:

“Tirando proveito dos recentes avanços na tradução de máquina, treinamos uma rede neural recorrente para codificar cada sequência de comprimento de frase de atividade neural em uma representação abstrata, e então decodificar essa representação, palavra por palavra, em uma frase em inglês.”

De acordo com o ArsTechnica, para melhor entender como as ligações foram feitas entre sinais neurais e palavras, os pesquisadores experimentaram desabilitando diferentes partes do sistema. A desabilitação sistemática tornou claro que a precisão do sistema era devida à representação neural. Também foi encontrado que desabilitar as entradas de áudio do sistema fez com que os erros aumentassem, mas o desempenho geral ainda foi considerado confiável. Obviamente, isso significa que o sistema pode ser potencialmente útil como um dispositivo para aqueles que não podem falar.

Quando diferentes porções da entrada do eletrodo foram desabilitadas, foi encontrado que o sistema estava prestando mais atenção a certas regiões cerebrais associadas ao processamento e produção da fala. Por exemplo, uma porção decente do desempenho do sistema foi baseada em regiões cerebrais que prestam atenção ao som da própria voz ao falar.

Embora os resultados iniciais pareçam promissores, a equipe de pesquisa não tem certeza de como bem o modelo irá escalar para vocabulários maiores. É importante que o princípio possa ser generalizado para vocabulários maiores, pois o falante médio de inglês tem um vocabulário ativo de aproximadamente 20.000 palavras. O método de decodificador atual opera interpretando a estrutura estática de uma frase e usando essa estrutura para fazer palpites educados sobre as palavras que correspondem a um determinado padrão de atividade neural. À medida que o vocabulário cresce, a precisão geral pode ser reduzida, pois mais padrões neurais podem tender a parecer semelhantes.

Os autores do artigo explicam que, embora eles esperem que o decodificador eventualmente aprenda a discernir padrões regulares e confiáveis na linguagem, eles não têm certeza de quanto dados são necessários para treinar um modelo capaz de generalizar para a linguagem inglesa cotidiana. Uma forma potencial de lidar com esse problema é suplementar o treinamento com dados coletados de outras interfaces cérebro-computador que utilizam algoritmos e implantes diferentes.

A pesquisa feita pelos pesquisadores da Universidade da Califórnia é apenas um desenvolvimento recente em uma onda crescente de pesquisa e desenvolvimento em relação a interfaces neurais e computadores. A Royal Society lançou um relatório no ano passado que previa que as interfaces neurais que ligam as pessoas a computadores eventualmente permitirão que as pessoas leiam a mente umas das outras. O relatório cita a startup Neuralink criada por Elon Musk e tecnologias desenvolvidas pelo Facebook (META ) como evidência dos avanços futuros em computação orientada ao ser humano. A Royal Society observa que as interfaces homem-computador serão uma opção poderosa no tratamento de doenças neurodegenerativas, como a doença de Alzheimer, nos próximos dois décadas.