การสร้างเนื้อเยื่อสมองเทียมสามารถถอดรหัสสัญญาณอักษรเบรลล์ได้สำเร็จ โดยมีความแม่นยำถึง 83%

นักวิจัยจากมหาวิทยาลัย Bristol ในสหราชอาณาจักรได้รายงานว่า ใช้โมเดลสมองมนุษย์ที่เพาะเลี้ยงในห้องปฏิบัติการสามารถรับสัญญาณอักษรเบรลล์ที่ส่งออกมาจากเซ็นเซอร์สัมผัสได้สำเร็จ และตอบสนองในรูปแบบที่สามารถถอดรหัสได้โดยคอมพิวเตอร์ ซึ่งเป็นก้าวแรกสู่การพัฒนาคอมพิวเตอร์ชีวภาพที่มีประสิทธิภาพสูง การวิจัยพบว่า ตัวอักษรเบรลล์แต่ละตัวสร้างรูปแบบการทำงานที่เป็นเอกลักษณ์ในสมองเทียม คอมพิวเตอร์ถอดรหัสสามารถระบุอักษรที่ส่งออกมาจากสมองเทียมตัวเดียวได้ด้วยความแม่นยำประมาณ 61% และเมื่อสมองเทียมสามตัวทำงานร่วมกัน ความแม่นยำจะเพิ่มขึ้นเป็น 83%

ระบบประกอบด้วยสมองเทียมที่ติดตั้งอยู่บนอาร์เรย์อิเล็กโทรดหลายตัว ซึ่งอาร์เรย์เหล่านี้ถูกวางในอุปกรณ์เพื่อรักษาชีวิตของสมองเทียมและบันทึกการตอบสนองของมัน สมองเทียมแต่ละตัวมีเส้นผ่านศูนย์กลางน้อยกว่าหนึ่งมิลลิเมตร (ประมาณ 0.04 นิ้ว) ขาดโครงสร้างบางอย่างที่มีอยู่ในสมองจริง แต่มีเซลล์ประสาทประมาณ 10,000 เซลล์และเซลล์สนับสนุน อาร์เรย์นี้สามารถรับสัญญาณไฟฟ้าได้ ทีมวิจัยเริ่มต้นด้วยการใช้เซ็นเซอร์สัมผัสกับอักษรเบรลล์ 26 ตัว แปลงการอ่านค่าเป็นรูปแบบการกระตุ้นไฟฟ้าและส่งไปยังสมองเทียม จากนั้นตรวจสอบว่ากิจกรรมทางประสาทที่เกิดขึ้นแสดงถึงตัวอักษรที่ส่งไปหรือไม่

นักวิจัยใช้เครื่องจักรเรียนรู้แบบสนับสนุนเวกเตอร์ (Support Vector Machine) ซึ่งเป็นอัลกอริธึมการเรียนรู้ของเครื่องที่ง่ายในการจัดกลุ่มรูปแบบการทำงานตามตัวอักษร

ข้อดีของสมองเทียม

นักวิจัยยังไม่แน่ใจว่าทำไมสมองเทียมสามตัวถึงมีประสิทธิภาพดีกว่าสมองเทียมตัวเดียว หนึ่งในความเป็นไปได้คือ ความแตกต่างตามธรรมชาติระหว่างสมองเทียม เช่น การเชื่อมต่อในเครือข่าย สถานะการพัฒนา และการทำงานอย่างต่อเนื่อง ทำให้พวกมันสามารถเสริมซึ่งกันและกันได้ ผู้เขียนหลัก Liu Tianyi กล่าวว่า การรวมการตอบสนองของสมองเทียมหลายตัวอาจให้ข้อมูลที่สมองเทียมตัวเดียวไม่สามารถให้ได้ แต่ความแปรผันนี้ยังทำให้การสร้างระบบมาตรฐานที่คาดการณ์ได้ยากขึ้น Benjamin Ward-Cheerill ผู้เขียนร่วมกล่าวว่า ข้อมูลสัมผัสที่ได้รับหลังจากการประมวลผลในสมองเทียมยังคงมีข้อมูลเพียงพอในการจัดกลุ่มตัวอักษรเบรลล์อย่างแม่นยำ และการรวมสมองเทียมหลายตัวสามารถเพิ่มประสิทธิภาพได้อีก

เพื่อทดสอบความแข็งแกร่งของระบบ ทีมงานได้ใช้ฟิลเตอร์เสียงรบกวนที่แตกต่างกันกับสัญญาณอักษรเบรลล์ จากนั้นเปรียบเทียบสองวิธี โดยใช้เครื่องจักรเรียนรู้แบบสนับสนุนเวกเตอร์เดียวกัน: หนึ่งวิธีคือการถอดรหัสจากการตอบสนองของสมองเทียม อีกวิธีคือการถอดรหัสจากสัญญาณที่จงใจทำให้เบลอ สามสมองเทียมมีความสามารถในการระบุตัวอักษรในเสียงรบกวนเทียมได้ดีกว่า ในขณะที่การถอดรหัสโดยตรงนั้นง่ายต่อการถูกรบกวน

ทิศทางการวิจัยในอนาคต

นักวิจัยเน้นย้ำว่าการทดลองเหล่านี้ไม่ได้แสดงให้เห็นว่าสมองเทียมสามารถเรียนรู้ได้ตามเวลา พวกเขาเพียงแค่แสดงว่าสมองเทียมสามารถรับและตอบสนองต่อสัญญาณอักษรเบรลล์ได้ Liu Tianyi กล่าวว่าการวิจัยนี้ยังใช้ภารกิจสัมผัสเพียงอย่างเดียว แผนการเข้ารหัสที่ตายตัว และการวัดกิจกรรมทางประสาทที่ค่อนข้างง่าย ซึ่งไม่ได้แสดงถึงการเรียนรู้หรือการเปลี่ยนแปลงในระยะยาว ในอนาคต Liu Tianyi กล่าวว่าทีมงานหวังที่จะขยายไปยังการสำรวจพื้นผิว ขอบ และประเภทสัมผัสอื่น ๆ และในที่สุดเข้าสู่ภารกิจแบบปิดวงจร เพื่อให้สมองเทียมได้รับข้อมูลย้อนกลับจากการกระทำของตน ซึ่งจะทำให้นักวิจัยสามารถสำรวจว่ามันสามารถปรับตัวผ่านประสบการณ์ได้หรือไม่

การวิจัยนี้เผยแพร่เมื่อวันที่ 16 ตุลาคมในวารสาร Frontiers in Artificial Intelligence

ศักยภาพและความท้าทายของเทคโนโลยีสมองเทียม

การวิจัยนี้แสดงให้เห็นถึงศักยภาพของสมองเทียมในการถอดรหัสสัญญาณอักษรเบรลล์ และแสดงให้เห็นถึงแนวโน้มการใช้งานในด้านคอมพิวเตอร์ชีวภาพ แม้ว่าสมองเทียมสามตัวจะทำงานร่วมกันเพื่อเพิ่มความแม่นยำในการระบุ แต่ทีมวิจัยยังต้องแก้ไขความท้าทายในการสร้างระบบมาตรฐาน ทิศทางการวิจัยในอนาคตจะรวมถึงการสำรวจประเภทสัมผัสเพิ่มเติมและการใช้งาน ซึ่งไม่เพียงแต่จะช่วยพัฒนาเทคโนโลยีที่เกี่ยวข้อง แต่ยังอาจนำไปสู่ความเข้าใจที่ลึกซึ้งยิ่งขึ้นในด้านประสาทวิทยาศาสตร์ โดยเฉพาะในด้านความสามารถในการเรียนรู้และปรับตัว