İmplant düşünceleri kaydetmiyor. Bunun yerine dudakların, dilin, çenenin ve ses kutusunun kas hareketlerini, doğrusu konuşmayı mümkün kılan tüm hareketleri denetim eden elektrik sinyallerini yakalar. Mesela, “Eğer bir P sesi ya da bir B sesi çıkarırsanız, bu dudakların bir araya getirilmesini gerektirir. Chang’ın laboratuvarında araştırma yazarı ve yüksek lisans talebesi olan Alexander Silva, “Böylece bu, dudakların kontrolünde rol oynayan elektrotların belirli bir kısmını harekete geçirecektir” diyor. Kafa derisi üstünde bulunan bir bağlantı noktası, ekibin bu sinyalleri bir bilgisayara aktarmasına olanak tanır; burada AI algoritmaları bunların kodunu çözer ve bir dil modeli, doğruluğu çoğaltmak için otomatik düzeltme kabiliyetleri sağlamaya destek sağlar. Ekip, bu teknolojiyle Ann’in beyin aktivitesini, 1.024 kelimelik bir kelime dağarcığı kullanarak %23 hata oranıyla dakikada 78 kelimelik bir hızla yazılı kelimelere çevirdi.
Chang’ın grubu ek olarak herhangi bir grup için bir ilk olacak şekilde beyin sinyallerini direkt konuşmaya dönüştürmeyi başardı. Ve yakaladığı kas sinyalleri, katılımcının avatar vesilesiyle üç değişik duyguyu (mutlu, mutsuz ve şaşkın) üç değişik yoğunluk seviyesinde ifade etmesine olanak sağlamış oldu. “Konuşma bir tek sözcükleri iletmekle ilgili değil, bununla beraber kim olduğumuzu da anlatmaktır. Sesimiz ve ifadelerimiz kimliğimizin bir parçasıdır” diyor Chang. Tecrübe etme katılımcısı danışman olmayı umuyor. Araştırmacılara “Bu benim ay atışım” dedi. Bu tür bir avatarın müşterilerinin kendilerini daha rahat hissetmelerini sağlayabileceğini düşünüyor. Ekip, onun konuşma sesini öykünmek etmek için düğün videosundan bir kayıt kullandı, böylece avatar bile ona benziyordu.
Stanford’dan araştırmacıların liderliğindeki ikinci ekip, neticelerini ilk kez Ocak ayında ön baskı olarak yayınladı. Araştırmacılar, Pat Bennett adındaki ALS’li bir katılımcıya, tek nöronlardan gelen sinyalleri kaydedebilen, her biri bir aspirin büyüklüğünde, oldukca daha minik dört implant verdi. Bennett, 25 oturum süresince heceleri, kelimeleri ve cümleleri okuyarak sistemi eğitti.
Araştırmacılar sonrasında, eğitim esnasında kullanılmamış cümleleri okutarak teknolojiyi kontrol ettiler. Bu cümleler 50 kelimelik bir sözlükten çekildiğinde hata oranı %9 civarındaydı. Ekip kelime dağarcığını İngilizce dilinin çoğunu kapsayan 125.000 kelimeye çıkardığında hata oranı ortalama %24’e terfi etti.
Source: www.technologyreview.com