Wetenschap – een hersenscanner die gedachten – in ieder geval een beetje – kennis leest

Austin (dpa) – Met behulp van hersenscanners en kunstmatige intelligentie zijn Amerikaanse onderzoekers in ieder geval in staat geweest om bepaalde soorten gedachten van gewillige mensen op te pikken. De decoder die ze ontwikkelden, was in staat om in bepaalde experimentele situaties zogenaamde fMRT-beelden te gebruiken om grofweg te reproduceren wat er in de hoofden van de deelnemers omging, schrijft het team in het tijdschrift “Nature Neuroscience”.

Onderzoekers hopen dat deze hersen-computerinterface, waarvoor geen operatie nodig is, ooit mensen kan helpen die hun spraakvermogen hebben verloren, bijvoorbeeld als gevolg van een beroerte. Deskundigen zijn echter sceptisch.

De auteurs van de studie van de Universiteit van Texas benadrukken dat hun technologie niet kan worden gebruikt om in het geheim gedachten te lezen.

Hoe het werkt?

Brain-computer interfaces (BCI) zijn gebaseerd op het principe van het lezen van menselijke gedachten via technische circuits, ze verwerken en vertalen in beweging of taal. Zo kunnen mensen met verlamming via mind control hun exoskelet aansturen, of kunnen mensen met het locked-in syndroom communiceren met hun buitenwereld. Veel van de koppelingssystemen die momenteel worden onderzocht, vereisen echter de chirurgische implantatie van elektroden.

In de nieuwe aanpak vormt de computer woorden en zinnen op basis van hersenactiviteit. De onderzoekers trainden deze spraakdecoder door drie proefpersonen 16 uur lang verhalen te laten horen terwijl ze in een functionele magnetic resonance imaging (fMRI) scanner lagen. Met deze fMRI kunnen veranderingen in de doorbloeding van hersengebieden zichtbaar worden gemaakt, wat weer een indicatie is van neuronale activiteit.

In de volgende stap hoorden de deelnemers nieuwe verhalen terwijl hun hersenen opnieuw werden gescand in een fMRI-buis. De eerder getrainde spraakdecoder was nu in staat om reeksen woorden te genereren uit de fMRT-gegevens, die volgens de onderzoekers de inhoud van wat werd gehoord grotendeels correct reproduceerden.

Het systeem vertaalde de in de fMRI geregistreerde informatie niet in afzonderlijke woorden. In plaats daarvan gebruikte het door training herkende koppelingen en kunstmatige intelligentie (AI) om gemeten hersenactiviteiten toe te wijzen aan zinnen die het meest waarschijnlijk in nieuwe verhalen voorkomen.

Rainer Goebel, hoofd van de afdeling Cognitieve Neurowetenschappen aan de Universiteit van Maastricht in Nederland, legt deze aanpak uit in een onafhankelijke classificatie: “Het centrale idee van het werk was om een ​​AI-taalmodel te gebruiken om het aantal mogelijke uitspraken te berekenen dat kan afstemmen op een patroon van hersenactiviteit.”

Nog steeds buggy

Op een persconferentie over het onderzoek legde co-auteur Jerry Tang de resultaten van de tests uit: De decoder antwoordde “Ik heb mijn rijbewijs nog niet” als “Je bent nog niet eens begonnen met leren autorijden.” Volgens Tang illustreert het voorbeeld een probleem: “De vorm is erg slecht met voornaamwoorden, maar we weten nog niet waarom.”

Over het algemeen is de decoder succesvol omdat veel van de geselecteerde zinnen in de nieuwe verhalen, dat wil zeggen de ongetrainde verhalen, woorden uit de originele tekst bevatten of op zijn minst een vergelijkbare betekenis hebben, aldus Rainer Goebel.

“Maar er waren ook een paar bugs, wat jammer is voor een volledige brein-computerinterface, want voor kritieke toepassingen – bijvoorbeeld communiceren met vergrendelde patiënten – is het vooral belangrijk om geen valse gegevens te maken.” Er werden meer fouten gegenereerd wanneer proefpersonen werd gevraagd om zelfstandig een verhaal te bedenken of een korte stomme animatiefilm te bekijken en de decoder werd gevraagd om de gebeurtenissen erin af te spelen.

Twijfel bij experts

Voor Goebel zijn de resultaten van het systeem over het algemeen te slecht om geschikt te zijn als betrouwbare interface: “Ik durf te voorspellen dat op fMRI gebaseerde BCI’s in de toekomst (helaas) ook beperkt zullen blijven tot onderzoekswerk met een klein aantal proefpersonen – zoals in Deze studie zal blijven.”

Christoph Reichert van het Leibniz Instituut voor Neurobiologie is ook sceptisch: “Als je naar voorbeelden van gerenderde en gereconstrueerde tekst kijkt, wordt al snel duidelijk dat deze techniek nog ver verwijderd is van het betrouwbaar creëren van ‘ingebeelde’ tekst uit hersengegevens.” mogelijk als de meettechnieken worden verbeterd.

Er zijn ook ethische bedenkingen: afhankelijk van toekomstige ontwikkelingen kan het nodig zijn maatregelen te nemen om de intellectuele privacy te beschermen, schrijven de auteurs zelf.Tests met de decoder toonden echter aan dat proefpersonen moesten meewerken voor training en latere toepassing.

“Als ze in hun hoofd aan het tellen waren tijdens het decoderen, het benoemen van dieren of het bedenken van een ander verhaal, werd het proces gesaboteerd”, beschrijft Jerry Tang. De decoder presteerde ook slecht als het model met een andere persoon werd getraind.

© dpa-infocom, dpa: 230501-99-518956/3