L’antica arte della scrittura ha appena spinto il campo della brain computer-interface (BCI) al livello successivo. I ricercatori hanno ideato un sistema che consente a una persona di comunicare direttamente con un computer, immaginando di creare messaggi scritti a mano, cosa della quale avevamo parlato la scorsa settimana. Ma cerchiamo di capire qualcosa di più.
L’approccio consente la comunicazione a una velocità più del doppio rispetto rispetto ai precedenti esperimenti di questo tipo.
I ricercatori della Stanford University hanno condotto lo studio su un uomo di 65 anni con una lesione al midollo spinale a cui era stato impiantato un array di elettrodi nel cervello. Gli scienziati hanno recentemente descritto l’esperimento sulla rivista Nature.
“La grande novità di questo documento è l’altissima velocità”
afferma Cynthia Chestek , ingegnere biomedico dell’Università del Michigan, che non è stata coinvolta nello studio.
“È almeno a metà strada per la velocità di battitura abile, ed è per questo che questo articolo è stato pubblicato su Nature”
Per anni, i ricercatori hanno sperimentato modi per consentire alle persone di comunicare direttamente con i computer usando solo i loro pensieri, senza comandi verbali, movimenti delle mani o movimenti degli occhi. Questo tipo di tecnologia offre un metodo di comunicazione straordinario per le persone che sono “bloccate” da un ictus o una malattia del tronco cerebrale e incapaci di parlare.
Gli approcci di BCI di successo, in genere coinvolgono una persona che immagina di spostare un cursore su una tastiera digitale per selezionare le lettere. Nel frattempo, gli elettrodi registrano l’attività cerebrale e gli algoritmi di apprendimento automatico decifrano i modelli associati a quei pensieri, traducendoli nelle parole digitate. Il più veloce di questi precedenti esperimenti di digitazione cerebrale consente alle persone di digitare circa 40 caratteri, o 8 parole, al minuto.
Che possiamo farlo è impressionante, ma nella vita reale la velocità di comunicazione è piuttosto lenta. I ricercatori di Stanford sono stati in grado di raddoppiare quella velocità con un sistema che decodifica l’attività cerebrale associata alla scrittura a mano.
Nel nuovo sistema, il paziente, paralizzato da circa un decennio, immagina i movimenti della mano che farebbero scrivere le frasi.
“Gli chiediamo di provare effettivamente a scrivere, di provare a far muovere di nuovo la sua mano, e riporta questa illusione somatosensoriale di sentirsi effettivamente come se la sua mano si stesse muovendo”
afferma Frank Willett , un ricercatore di Stanford che ha collaborato all’esperimento.
Un array di microelettrodi impiantato nella corteccia motoria del cervello del partecipante registra l’attività elettrica dei singoli neuroni mentre cerca di scrivere.
“Non ha mosso la mano o provato a scrivere per più di dieci anni e abbiamo ancora questi bellissimi schemi di attività neurale”
dice Willett.
Un algoritmo di apprendimento automatico decodifica quindi i modelli cerebrali associati a ciascuna lettera e un computer visualizza le lettere su uno schermo. Il partecipante è stato in grado di comunicare a circa 90 caratteri, o 18 parole, al minuto.
In confronto, le persone abili vicine all’età del partecipante allo studio possono digitare su uno smartphone a circa 23 parole al minuto, dicono gli autori. Gli adulti possono digitare su una tastiera completa a una media di circa 40 parole al minuto.
I ricercatori di Stanford hanno raggiunto l’impresa riproponendo un algoritmo di apprendimento automatico originariamente sviluppato per il riconoscimento vocale. L’algoritmo di deep learning, chiamato rete neurale ricorrente, si è addestrato nel corso di poche ore a riconoscere l’attività neurale del partecipante quando ha immaginato frasi scritte a mano in inglese.
Le reti neurali sono in genere addestrate e a riconoscere il parlato e le immagini utilizzando decine di migliaia di ore di dati audio e milioni di immagini, afferma Willett. Quindi la sfida con l’esperimento della scrittura a mano era quella di ottenere un’elevata precisione con una quantità limitata di dati.
Per superare questo problema, il team ha applicato tecniche di aumento dei dati, afferma Willett.
“Abbiamo avuto solo l’opportunità di raccogliere forse 100-500 frasi diverse che potevamo chiedere al partecipante di scrivere”
afferma Willett.
“Quindi abbiamo preso quelle frasi e le abbiamo suddivise in singole lettere e le abbiamo riorganizzate in un numero infinito di frasi diverse, e abbiamo scoperto che questo tecnica ha davvero aiutato gli algoritmi ad apprendere”.
È stato anche difficile decifrare tutto quando l’uomo stava scrivendo una lettera. Per aiutare in questo, Willett e il suo team hanno preso in prestito uno strumento di riconoscimento vocale, un modello di Markov, che ha aiutato a etichettare i dati rilevanti. Una volta che i dati sono stati etichettati con il modello, è stato possibile insegnare più facilmente alla rete neurale quali modelli di attività neurale doveva associare a ciascuna lettera.
Willett afferma che è l’arte unica della scrittura a mano che lo rende un modo più veloce di comunicare utilizzando la BCI.
“Il motivo per cui funziona molto meglio della semplice digitazione… è perché a ogni lettera scritta a mano è associata una traiettoria della penna diversa e uno schema molto diverso di movimenti delle dita e azioni motorie. Ciò evoca un modello unico di attività neurale facile da distinguere”
afferma.
Al contrario, i sistemi point-and-click, in cui il partecipante immagina di spostare un cursore su uno schermo, comportano movimenti lineari su tasti diversi. Ciò evoca modelli simili di attività neurale che non sono facilmente distinguibili e rallentano il sistema, afferma Willett.
Le tecniche e gli algoritmi presentati nell’esperimento sono applicabili ad altre aree di ricerca, come il collegamento del cervello alle mani protesiche, afferma Chestek dell’Università del Michigan. “Indipendentemente dal fatto che questo sia il modo migliore per comunicare, l’approccio generale è davvero promettente per il controllo motorio”, afferma.
Gli algoritmi, nella loro forma attuale, devono essere addestrati e personalizzati per ciascun partecipante. Devono anche essere ricalibrati nel tempo perché i neuroni tendono a cambiare e l’array di elettrodi può spostarsi leggermente. Come passo successivo, Willett dice che spera di ridurre la quantità di tempo di addestramento iniziale e trovare un modo per ricalibrare automaticamente gli algoritmi.
Fonte
https://spectrum.ieee.org/the-human-os/biomedical/devices/braincomputer-interface-smashes-previous-record-for-typing-speed
Seguici su Google News, LinkedIn, Facebook e Instagram per ricevere aggiornamenti quotidiani sulla sicurezza informatica. Scrivici se desideri segnalarci notizie, approfondimenti o contributi da pubblicare.
