Компанията Neuralink на Илон Мъск демонстрира как човек с тежко нарушение на речта може да управлява изкуствения интелект Grok, да пише съобщения на iPhone и да разговаря по телефона с помощта на мозъчен имплант. Новите функции позволяват общуване без движения на ръцете и без да се произнасят думите на глас.

На 29 октомври компанията публикува видеодемонстрация на експерименталната система, която се тества в рамките на клиничното проучване VOICE. Участникът в програмата е използвал мозъчни сигнали, свързани с опитите да произнесе думи, за да дава команди на компютъра и да общува с околните. От Neuralink са обърнали специално внимание на възможността да се разговаря, без да е необходимо всеки път ръчно да се включва разпознаването на речта.

Една от най-необичайните функции позволява на потребителите да взаимодействат с AI агента Grok директно чрез невроинтерфейс. Потребителят само трябва мислено да произнесе фразата „Hey Neuralink“, а след това да формулира задача. Системата разпознава съответната мозъчна активност, преобразува сигналите в команда и предава заявката на агента, който може самостоятелно да изпълнява действия на компютъра. Засега Neuralink разглежда подобно взаимодействие като експериментален прототип.

Друго нововъведение решава проблема, който пречеше на естественото общуване. В миналото потребителят трябваше отделно да стартира и спира програмата, която преобразува мозъчните сигнали в думи. Сега разработчиците са научили системата автоматично да определя кога човек се опитва да говори и кога мълчи. Този механизъм може да спести на хората с тежка парализа извършването на допълнителни действия, благодарение на което разговорите им придобиват много по-естествен характер.

Neuralink също така е научила своето мобилно приложение Bloom да предава синтезиран глас директно в телефонен разговор на iPhone. Първо имплантът разпознава невронните сигнали, свързани с предполагаемите думи, след което програмата превръща получения текст в реч и насочва звука към аудиоканала на разговора. Събеседникът чува фрази, формирани от системата, въпреки че човекът от другата страна на линията физически не произнася нищо.

По време на теста участникът в програмата VOICE успя да разговаря със съпругата си по този начин. Според Neuralink, съпрузите някога са се запознали благодарение на телефонни разговори, затова възможността отново да общуват с глас е придобила особено значение за семейството. Инженерите също така тестваха допълнително гласово приветствие, което при необходимост предупреждава събеседника за използването на помощна технология за комуникация.

Освен телефонните разговори разработчиците са добавили и функция за въвеждане на текст в приложенията на iPhone чрез мозъчни сигнали. Специална клавиатура позволява диктуването на съобщения без обичайната клавиатура, а обновеният механизъм за редактиране помага за по-бързо коригиране на неправилно разпознатите думи. Отделна функция дава възможност за стартиране на гласово общуване директно от екрана за заключване на телефона, без предварително да се отваря основното приложение.

За настройка на разпознаването Neuralink е подготвила визуализация на мозъчната активност в реално време. На екрана се показват интензивността и разпределението на сигналите, които имплантът регистрира. Потребителят може мислено да пробва различни начини за произношение на думите и да наблюдава кои опити дават по-изразен сигнал. Разработчиците разчитат да използват такава обратна връзка за подобряване на работата на алгоритмите.

По-голямата част от новите възможности инженерите създадоха и тестваха по време на 72-часова работна сесия директно в дома на участника в проекта VOICE. Вместо да провеждат тестове изключително в лаборатория, специалистите наблюдаваха ежедневното използване на невроинтерфейса, получаваха забележки от самия пациент и неговото семейство и веднага доработваха програмите. Някои прототипи продължиха да се усъвършенстват през следващите седмици.

В основата на системата лежи имплантът N1, който отчита електрическата активност на невроните в областите на мозъка, свързани с движенията и речта. Специални алгоритми откриват закономерности, възникващи при опит за изговаряне на думи, и преобразуват сигналите в текст или компютърни команди. Не става въпрос за свободно „четене“ на каквито и да било мисли. Програмата се обучава да разпознава определени намерения на потребителя, свързани с речта или управлението на устройства.

Проектът VOICE е насочен преди всичко към подпомагане на хора, които са загубили способността си да говорят нормално поради латерална амиотрофична склероза (ЛАС), инсулт, травма на гръбначния мозък и други тежки заболявания. При ЛАС постепенно се увреждат нервните клетки, управляващи мускулите, поради което човек може да загуби способността си да се движи и да говори, като същевременно запазва възможността да формулира мисли. Невроинтерфейсът позволява предаването на речеви команди, заобикаляйки засегнатите мускули.

В навечерието на демонстрацията Neuralink представи и предварителни показатели за разпознаване на речта в програмата VOICE. Според компанията един от участниците още през първата седмица е достигнал скорост от 75 думи в минута при процент на грешки 5,8% и речник с обем 125 000 думи. Резултатът показва потенциалната скорост на новия начин на общуване, но засега не е ясно колко стабилно работи системата при продължителна ежедневна употреба.

Всички показани функции засега остават експериментални. Neuralink не е публикувала подробни резултати от тестовете за автоматично определяне на речевите намерения, скоростта на работа на новите инструменти и стабилността на разпознаването при различни условия. Имплантите на компанията също така не са получили разрешение от FDA за търговско приложение. Ето защо видеодемонстрацията потвърждава преди всичко възможностите на конкретни прототипи, а не готовността на технологията за масово използване.

Основната промяна се състои в самия подход към невроинтерфейсите. Ранните системи позволяваха предимно на хора с парализа да движат курсора, да избират букви и да управляват отделни устройства. Neuralink се опитва да направи следващата стъпка, превръщайки импланта в пълноценно средство за ежедневно общуване, способно да работи с телефонни приложения и изкуствен интелект. Доколко близо са се доближили разработчиците до тази цел, ще покажат по-нататъшните клинични изпитвания.