Uma rede neural artificial pode interpretar sinais do cérebro de uma pessoa que está imaginando que está escrevendo com uma caneta e convertê-los em texto. O dispositivo converte palavras com precisão de 90 caracteres por minuto, mais do que o dobro do registro anterior para digitação com um sistema de rastreamento de cabeça ou olho.
Esses rastreadores permitem que as pessoas movam o cursor do mouse e digitem mensagens lentamente, mas Jaimie Henderson, da Universidade de Stanford, na Califórnia, diz que eles consomem muito para o operador. “Se você está usando o rastreamento ocular para trabalhar com um computador, então seus olhos estão presos ao que quer que você esteja fazendo”, diz ele. “Você não pode olhar para cima ou olhar em volta ou fazer outra coisa. Ter esse canal de entrada adicional pode ser muito importante.”
Para resolver este problema, ele e seus colegas implantaram dois pequenos conjuntos de sensores logo abaixo da superfície do cérebro de um homem de 65 anos que tem uma lesão na medula espinhal que o deixou paralisado abaixo do pescoço desde 2007. Cada conjunto de sensores foi capaz de detectar sinais de cerca de 100 neurônios – uma fração dos 100 bilhões de neurônios estimados no cérebro humano.
Enquanto o homem se imaginava escrevendo letras e palavras em um pedaço de papel, os sinais eram enviados a uma rede neural artificial. O membro da equipe Krishna Shenoy, também da Universidade de Stanford, diz que os sensores não têm como alvo neurônios exatos porque muitos milhares ou milhões podem estar envolvidos no movimento da mão, mas com as duas matrizes monitorando cerca de 200 neurônios, há pistas suficientes nos dados para o rede neural artificial para construir um intérprete confiável de sinais cerebrais.
Freqüentemente, uma rede neural é treinada com vários milhares de dados de exemplo, que neste caso seria uma gravação de um sinal do cérebro ao escrever uma determinada letra. Isso funciona bem quando grandes conjuntos de dados já existem ou são fornecidos por sistemas automatizados, mas, neste caso, gerar um arquivo tão grande não era prático porque o homem teria que pensar em escrever milhares de cartas. Em vez disso, a equipe pegou exemplos de sinais do cérebro do homem enquanto escrevia certas cartas e gerou cópias adicionais com ruído aleatório adicionado para construir um conjunto de dados sintéticos.
O modelo que a equipe criou não será traduzido para outra pessoa porque a rede neural é treinada apenas em dados de um indivíduo, com sensores colocados em um local irrepetível.
Com esse sistema, o homem conseguia digitar 90 caracteres por minuto, se aproximando da média de pessoas de sua idade ao usar um smartphone, que é de 115 caracteres por minuto. A saída teve uma precisão de 94,1 por cento, que aumentou para mais de 99 por cento quando uma ferramenta de autocorreção foi usada.
As interfaces cérebro-computador anteriores foram capazes de interpretar grandes sinais, como aqueles para movimentos do braço, mas até agora não foram capazes de captar aqueles para movimentos finos e hábeis, como caligrafia.
A equipe espera desenvolver o trabalho de criação de um decodificador de fala para ser usado por alguém que não pode mais falar, mas provavelmente ainda terá as vias neurais para fazer isso.
Publicado em 16/05/2021 00h20
Artigo original: