Esquema do experimento, baseado em duas redes neurais.
[Imagem: Joseph G. Makin et al. - 10.1038/s41593-020-0608-8]
Implante neural
Pesquisadores da Universidade da Califórnia em São Francisco desenvolveram um sistema de inteligência artificial capaz de transformar pensamentos em pequenas frases, limitadas a um conjunto conhecido de palavras.
O sistema ainda é invasivo, exigindo um implante neural colocado diretamente no cérebro, mas a equipe acredita que este é um passo rumo a restabelecer a capacidade de fala em pacientes acometidos por paralisias ou derrames.
A equipe baseou seu trabalho em pacientes de epilepsia grave que participam de um estudo médico que exigiu que cada um deles recebesse um implante neural, acoplado diretamente ao cérebro para tentar controlar as convulsões.
É o mesmo grupo de pacientes que outra equipe usou no ano passado para desenvolver um programa capaz de traduzir sinais cerebrais diretamente em voz.
De fonemas a frases
Joseph Makin e seus colegas desenvolveram um programa de aprendizado de máquina que gravou os sinais cerebrais de quatro mulheres conforme elas verbalizavam um conjunto limitado de palavras - elas liam um conjunto de frases montadas a partir de um conjunto de 250 palavras.
O programa aprendeu a identificar os fonemas, e os padrões correspondentes foram usados para alimentar uma segunda rede neural, que aprendeu a usar esses fonemas para verbalizar palavras e formalizar sentenças.
"Memorizar a atividade cerebral dessas sentenças não ajudaria, então a rede precisa aprender o que há de semelhante nelas para poder generalizar para este exemplo final," explicou Makin.
O mapa dos eletrodos permitiu verificar quais partes do cérebro foram mais importantes para o aprendizado do programa.
[Imagem: Joseph G. Makin et al. - 10.1038/s41593-020-0608-8]
Limitações e possibilidades
O programa aprendeu bem, apresentando uma taxa de erro na tradução dos sinais cerebrais para as frases finais de apenas 3%. De forma curiosa, tentar interpretar as palavras individualmente teve uma taxa de erro significativamente mais alta, de quase inaceitáveis 38%.
A equipe gostou desses dois resultados porque eles indicam que o programa de inteligência artificial está mais focado no contexto: "Desta forma, a rede está claramente aprendendo fatos sobre quais palavras combinam, e não apenas qual atividade neural mapeia quais palavras," disse Makin.
Isso, por outro lado, pode ser visto como um problema para tornar o programa mais genérico porque cada palavra que for adicionada ao vocabulário utilizado aumentará muito o número de sentenças possíveis.
Mas Makin destaca que 250 palavras em diferentes combinações de frases já são um repertório de valor incalculável para um paciente que não consegue dizer sequer uma palavra. "Nós queremos implantar isto em um paciente com uma deficiência de fala real," disse o pesquisador.
Bibliografia:
Artigo: Machine translation of cortical activity to text with an encoder-decoder framework
Autores: Joseph G. Makin, David A. Moses, Edward F. Chang
Revista: Nature Neuroscience
DOI: 10.1038/s41593-020-0608-8
Link: https://www.biorxiv.org/content/10.1101/708206v1.full
FONTE: SITE INOVAÇÃO TECNOLOGICA
Comentários
Postar um comentário