Τεχνητή νοημοσύνη: Τον γύρο του κόσμου κάνει η πρώτη ασθενής που ξαναβρήκε τη φωνή της με τη βοήθεια της AI

τεχνητή νοημοσύνη

Στα 30 της χρόνια ένα βαρύ εγκεφαλικό της στέρησε τη φωνή της. Τώρα, στα 48 της, η Αν Τζόνσον ξαναβρήκε τη χαμένη της φωνή χάρη στην Τεχνητή Νοημοσύνη.

Το 2005, η Αν Τζένσον υπέστη εγκεφαλικό που την άφησε σοβαρά παράλυτη και ανίκανη να μιλήσει. Ήταν 30. Στην καλύτερη περίπτωση, μπορούσε να κάνει ήχους όπως “ωχ” και “αχ”, αλλά ο εγκέφαλός της εξακολουθούσε να εκπέμπει σήματα. Τώρα, σε ένα επιστημονικό ορόσημο, 18 χρόνια μετά το εγκεφαλικό, μια πειραματική τεχνολογία βασισμένη στην τεχνητή νοημοσύνη μετάφρασε τα σήματα του εγκεφάλου της σε ηχητικές λέξεις, επιτρέποντάς της να επικοινωνεί μέσω ενός ψηφιακού avatar.

Παγκοσμίως είναι η πρώτη φορά που επιτυγχάνεται κάτι τέτοιο. Τα αποτελέσματα αυτού του επιστημονικού project δημοσιεύτηκαν στο διεθνές περιοδικό Nature και εγκαινιάζουν μια νέα εποχή στην αποκατάσταση της ομιλίας.

Η χρήση υπολογιστών στην επικοινωνία δεν είναι μια νέα ιδέα, αλλά η δημιουργία άμεσων διεπαφών (interface) μεταξύ της τεχνολογίας και του ανθρώπινου μυαλού, χωρίς την ανάγκη πληκτρολογίων, ποντικιών και οθονών, είναι ένας τομέας έρευνας αιχμής που έχει σημαντικές εφαρμογές σε ασθενείς. Οι νευρολογικές παθήσεις και το τραύμα στο νευρικό σύστημα αφαιρούν την ικανότητα σε ασθενείς να μιλούν, να κινούνται και να αλληλεπιδρούν με τους γύρω τους και το περιβάλλον τους.

Οι διεπαφές εγκεφάλου-υπολογιστή (BCI) που υποστηρίζονται από την τεχνητή νοημοσύνη μπορεί να τις αποκαταστήσουν και να βελτιώσουν δραστικά την ποιότητα ζωής για ασθενείς με νόσοςτου κινητικού νευρώνα (πλαγία αμυοτροφική σκλήρυνση – ALS), εγκεφαλικά επεισόδια ή κάποια άλλα σύνδρομα, καθώς και για τους 500.000 ανθρώπους παγκοσμίως που τραυματίζονται στον νωτιαίο μυελό κάθε χρόνο. Τα εμφυτεύματα που συνδέουν τον εγκέφαλο με τον υπολογιστή (Brain – Computer – Interfaces BCIs) θεωρούνται μια από τις πιο υποσχόμενες τεχνολογίες στον τομέα της νευροεπιστήμης και της αποκατάστασης εγκεφαλικών βλαβών.

 

«Στόχος μας είναι να αποκαταστήσουμε την πλήρη επικοινωνία, που είναι πραγματικά ο πιο φυσικός τρόπος για να μιλάμε με άλλους. Και πλέον είμαστε πιο κοντά στο να το επιτύχουμε αυτό για τους ασθενείς» δήλωσε στον Guardian ο καθηγητής Εντουαρντ Τσανγκ, ο οποίος ηγήθηκε της εργασίας στο Πανεπιστήμιο της Καλιφόρνιας, στο Σαν Φρανσίσκο (UCSF).

Μικροσκοπικά ηλεκτρόδια στο κεφάλι της Αν, τα οποία συνδέουν τον εγκέφαλό της με έναν υπολογιστή μετατρέπουν τα σήματά του σε ήχο. Μέχρι τώρα η Αν επικοινωνούσε χρησιμοποιώντας τεχνολογία παρακολούθησης της κίνησης των ματιών, η οποία της επέτρεπε να «λέει» το πολύ 14 λέξεις το λεπτό.

Η ομάδα επαναλάμβανε στην ασθενή πολλές φορές κάποιες φράσεις για να «εκπαιδεύσουν» τον αλγόριθμο του συστήματος, ώστε να ανιχνεύει τα μοναδικά εγκεφαλικά σήματα που αντιστοιχούσαν στους διαφορετικούς ήχους.

Ο υπολογιστής «έμαθε» 39 διαφορετικούς ήχους και στη συνέχεια, ένα σύστημα παρόμοιο με το Chat GPT, μετέτρεψε τα σήματα σε κατανοητές προτάσεις. Επειτα οι προτάσεις αυτές αναπαράγονταν από ένα άβαταρ το οποίο μιλούσε με τη φωνή της Αν – όπως αυτή ακουγόταν στο βίντεο του γάμου της.

Αν και η τεχνολογία δεν έχει ακόμη τελειοποιηθεί αφού σε μία δοκιμή 500 προτάσεων αποκωδικοποιούσε λανθασμένα περίπου το 28% των λέξεων και παρήγαγε κείμενο με ρυθμό 78 λέξεις το λεπτό, σε σύγκριση με τις 110-150 λέξεις που συνήθως εκφωνούνται σε φυσική συνομιλία. Επιπλέον, το σύστημα συνδέεται με καλώδιο στον υπολογιστή, με ένα βύσμα που προεξέχει από το κρανίο της Αν. Η επιστημονική ομάδα μελετά και την ασύρματη εκδοχή του.

Σε κάθε περίπτωση, το νέο σύστημα υπερτερεί της «ηλεκτρονικής φωνής», ενώ με τις απαραίτητες αναβαθμίσεις μπορεί να αποτελέσει μια πολύ ποιοτική λύση για ασθενείς όπως η Αν, που έχουν χάσει τη φωνή τους εξαιτίας εγκεφαλικού επεισοδίου ή άλλων παθήσεων.

«Το να δώσουμε στους ασθενείς τη δυνατότητα να επικοινωνούν μέσω του υπολογιστή ή του κινητού τηλεφώνου τους θα είχε εξαιρετικό αποτέλεσμα στην ανεξαρτησία και τις κοινωνικές τους αλληλεπιδράσεις», δήλωσε στον Guardian ο δρ Ντέιβιντ Μόουζες, επίκουρος καθηγητής νευρολογικής χειρουργικής στο UCSF και ένας από τους συγγραφείς της έρευνας.

Scroll to Top