расшифровка: Meta представила ИИ для расшифровки мозговой активности с

Развитие технологий интерфейсов «мозг — компьютер»

Новая разработка компании Meta позволяет анализировать данные напрямую из сырых нейронных сигналов, обходясь без дорогостоящих и рискованных операций. Исследователи применяют сквозное глубокое обучение, которое помогает восстанавливать целостные предложения, учитывая семантический контекст через дообученную языковую модель. Понимание механизмов мозговой активности становится ключом к созданию доступных инструментов коммуникации для людей с ограниченными возможностями. Istorka

Система фиксирует слабые магнитные поля с помощью магнитоэнцефалографии (МЭГ), что делает процесс сбора данных комфортным для пользователя. Хотя текущие показатели точности в 61% уступают инвазивным аналогам, это значительный скачок по сравнению с прежними 8%, достигавшимися при использовании аналогичных внешних датчиков. Технический прорыв указывает на потенциал масштабирования системы при увеличении объемов обучающих выборок. Theunum

Детали эксперимента и открытость данных

В ходе тестирования Brain2Qwerty v2 ученые использовали данные девяти добровольцев, которые провели по 10 часов в МЭГ-сканере, набирая фразы на клавиатуре. Модель обучалась примерно на 22 000 предложений, демонстрируя способность системы к качественной интерпретации намерений человека. Важно отметить, что методика пока работает не в режиме реального времени, требуя обработки всей фразы целиком.

В рамках инициативы Digital Brain Project разработчики опубликовали код и наборы данных в открытом доступе, что позволяет сторонним лабораториям продолжать исследования. Meta также выделила фонд в размере $5 млн для поддержки нейронаучных разработок. Основные этапы текущего исследования включают:

Перспективы применения и ограничения

Несмотря на многообещающие результаты, разработка пока находится на стадии лабораторного прототипа. Основные препятствия для массового внедрения технологии включают:

• Зависимость от дорогостоящего оборудования, такого как МЭГ-сканеры, требующего серьезной инфраструктуры.
• Необходимость индивидуального дообучения модели под каждого конкретного пользователя для достижения максимальной точности.
• Отсутствие возможности декодирования потока мыслей в реальном времени, что ограничивает текущее использование набором заранее заданных фраз.

Разработчики подчеркивают, что целью проекта является снижение порога входа в нейротехнологии. В отличие от закрытых проприетарных решений, открытый подход дает шанс командам с ограниченным бюджетом разрабатывать собственные вспомогательные устройства. Масштабирование данных, по мнению исследователей Meta, может стать основным фактором, который позволит в будущем сократить разрыв в точности между инвазивными и неинвазивными системами.