மூளை இம்ப்ளாண்டுகள் மூலம் குரங்குகள் சிந்தனையால் மட்டுமே மெய்நிகர் உலகங்களை வழிநடத்தின

மூளை-கணினி கட்டுப்பாட்டின் விரிவான வடிவம்

மூளை-கணினி இடைமுகங்கள் பொருத்தப்பட்ட ரீசஸ் மக்காக்கள், நரம்பியல் செயல்பாட்டை மட்டும் பயன்படுத்தி மெய்நிகர் சூழல்களில் வழிநடத்த முடிந்ததை ஆராய்ச்சியாளர்கள் காட்டியுள்ளனர். இது தற்போதைய பல BCI அமைப்புகள் வழங்குவதை விட இயற்கையான இயந்திரக் கட்டுப்பாட்டின் வழிகளைச் சுட்டிக்காட்டுகிறது. இந்த வேலை தனித்துவமாக இருப்பதற்குக் காரணம், அந்த விலங்குகள் கர்சர் போன்ற பொருளை நகர்த்தியதில்லை என்பதல்ல; மாறாக, மேலும் செறிவான மெய்நிகர் சூழல்களில், ஒரு உயிருள்ள உடல் அல்லது சக்கர நாற்காலி எதிர்காலத்தில் இயக்கப்படக் கூடிய முறையை மேலும் ஒத்த அவதார்-பாணி இயக்கத்தையும் உட்பட, அவை வழிநடத்த முடிந்தன.

வழங்கப்பட்ட மூலப்பொருளின் படி, மூன்று குரங்குகளின் ஒவ்வொன்றுக்கும் 96 எலக்ட்ரோடுகளைக் கொண்ட மூன்று தனித்தனி இம்ப்ளாண்டுகள், மொத்தம் ஒவ்வொரு விலங்குக்கும் சுமார் 300 எலக்ட்ரோடுகள் பொருத்தப்பட்டன. சென்சார்கள் பொதுவாக BCI ஆராய்ச்சியில் பயன்படுத்தப்படும் primary motor cortex-இல் மட்டுமல்லாமல், உயர்மட்ட இயக்கத் திட்டமிடலுடன் தொடர்புடைய dorsal மற்றும் ventral premotor பகுதிகளிலும் வைக்கப்பட்டன. அந்தப் பகுதிகளில் இருந்து வரும் சிக்னல்கள் ஒரு AI மாடலால் decode செய்யப்பட்டு, 3D மானிட்டரில் காட்டப்பட்ட பொருள்கள் மற்றும் அவதார்களின் கட்டுப்பாட்டாக மாற்றப்பட்டன.

சென்சார்களின் இடம் ஏன் முக்கியம்

முந்தைய BCI ஆராய்ச்சியின் பெரும்பகுதி, ஒரு மனிதப் பங்கேற்பாளரை ஒரு குறிப்பிட்ட உடல் செயலைக் கற்பனை செய்யச் சொல்லுவதில் கவனம் செலுத்தியது. உதாரணமாக, ஒரு விரலை அசைப்பதை நினைத்துக்கொள்வது போல, ஒரு கர்சரை நகர்த்தவோ அல்லது திரையில் ஒரு பொருளைத் தேர்வுசெய்யவோ செய்வது. இந்த அணுகுமுறை செயல்படலாம், ஆனால் அது பெரும்பாலும் இயல்பற்றதும் மனதளவில் களைப்பூட்டுவதுமானதாக விவரிக்கப்படுகிறது. வழங்கப்பட்ட மூல உரையில் ஆராய்ச்சியாளர் Peter Janssen-ன் பார்வை குறிப்பிடப்பட்டுள்ளது; புதிய இம்ப்ளாண்ட் இடம், பயனரிடம் விசித்திரமான தனிப்பட்ட இயக்கத்தை கற்பனை செய்யச் சொல்லுவதற்கு பதிலாக, இயக்கத் திட்டமிடலின் மேலும் அமூர்த்தமான மற்றும் இயல்பான அடுக்கைத் தொடக்கக்கூடும்.

இந்த விளக்கம் உறுதியானால், அது முக்கியமான மாற்றமாக இருக்கும். மூளை-கணினி இடைமுகம் மேலும் பயனுள்ளதாகும், அது மூளை இயல்பாக பிரதிபலிக்கும் நோக்கத்தை வெளிப்படுத்தச் சொல்லும் போது; ஒரே உடல் உறுப்பின் தவறான மாற்று மொழியைப் பயனர் கற்றுக்கொள்ள வேண்டியதில்லை. அறிக்கையிடப்பட்ட பரிசோதனைகளில், விலங்குகள் நிலையான பார்வையிலிருந்து ஒரு நிலப்பரப்பில் நகரும் ஒரு கோளைக் கட்டுப்படுத்தின, மேலும் மூன்றாம் நபர் பார்வையில் அனிமேஷன் செய்யப்பட்ட குரங்கு அவதார்களையும் இயக்கின. பின்னர் நடந்த சோதனைகளில் மெய்நிகர் கட்டிடங்களுக்குள் வழிநடத்துதல், கதவுகளைத் திறத்தல், மற்றும் அறைகளுக்கிடையே நகர்தல் ஆகியனவும் இருந்தன என்று ஆராய்ச்சியாளர்கள் கூறினர்.

இந்த முன்னேற்றம் முக்கியமானது, ஏனெனில் BCI ஒரு பரிமாண சுட்டிக்காட்டும் பணிகளுக்கு மட்டும் கட்டுப்படவில்லை என்பதை இது காட்டுகிறது. இது பொதுவான வழிநடத்தலைப் போல தோற்றமளிக்கத் தொடங்குகிறது.

மெய்நிகர் சூழல்களிலிருந்து நிஜ உலக இயக்கத்திற்குத் தாவுதல்

மூலத்தில் விவரிக்கப்பட்ட நீண்டகால பயன்பாடுகள் நடைமுறையானவை; நாடகமயமானவை அல்ல. Janssen மற்றும் அவரது குழு, இந்த அணுகுமுறை எதிர்காலத்தில் பக்கவாதம் உள்ளவர்கள் மெய்நிகர் இடங்களை மேலும் இயல்பாக ஆராய்வதற்கோ அல்லது நிஜ உலகில் மின்சார சக்கர நாற்காலிகளை கட்டுப்படுத்துவதற்கோ உதவும் என நம்புகின்றனர். இது ஒரு முக்கிய வேறுபாடு. குறிக்கோள், VR-இல் விலங்குகள் கவர்ச்சியாகத் தோன்றும் காட்சிகளை உருவாக்குவது மட்டும் அல்ல. நோக்கம், எண்ணிய இயக்கத்துடன் தொடர்புடைய நரம்பியல் சிக்னல்களை குறைந்த பயிற்சி சுமையுடன், உதவிச் சிஸ்டம்கள் மேலும் செயல்படக்கூடிய வகையில் decode செய்ய முடியுமா என்பதை அறிதல்.

தெளிவான வரம்புகள் உள்ளன. மனித சோதனைகள் இன்னும் வெகுதூரத்தில் உள்ளன, மேலும் மனிதர்களில் சமமான இம்ப்ளாண்ட் இடங்களை அடையாளம் காண இன்னும் கூடுதல் வேலை தேவைப்படும் என்று மூலத்தில் குறிப்பிடப்பட்டுள்ளது, ஏனெனில் அந்த மூளைப் பகுதிகள் உடனடி மருத்துவ மாற்றத்துக்கு போதுமான துல்லியத்துடன் இன்னும் வரைபடமிடப்படவில்லை. இருப்பினும், இந்தக் கருத்து மனிதர்களில் சாத்தியமானதாக இருக்கும் என்றும், மனித பங்கேற்பாளர்களுக்கு நேரடியாக அறிவுறுத்த முடிந்தால் அது இன்னும் எளிதாகலாம் என்றும் ஆராய்ச்சியாளர்கள் நம்புகின்றனர்.

அதனால், இந்த பரிசோதனை நரம்பியல், AI, மற்றும் உதவித் தொழில்நுட்பத்தின் சந்திப்பில் அமர்கிறது. இங்கு AI நரம்பியல் இடைமுகத்தை மாற்றவில்லை; அது மொழிபெயர்ப்பாளர் போல செயல்பட்டு, மூளைச் செயல்பாட்டின் சிக்கலான வடிவங்களை பயன்படக்கூடிய கட்டளைகளாக மாற்றுகிறது. decode செய்யும் மாதிரிகள் மேம்படும்போது, கடுமையான BCI பணிகளிலிருந்து விலகி, இயந்திரத்தை இயக்குவதை விட நோக்கத்தை வெளிப்படுத்துவதைப் போல உணரும் அமைப்புகளுக்குச் செல்லும் வாய்ப்பும் அதிகரிக்கும்.

• மூன்று ரீசஸ் மக்காக்கள், ஒவ்வொரு விலங்குக்கும் சுமார் 300 implanted electrodes உடன், இயக்க மற்றும் premotor மூளைப் பகுதிகளில் பொருத்தப்பட்டன.
• ஒரு AI மாடல் நரம்பியல் சிக்னல்களை மெய்நிகர் சூழல்களில் இயக்கமாக decode செய்தது.
• பக்கவாதம் உள்ளவர்களுக்கு எதிர்காலத்தில் இன்னும் இயல்பான சக்கர நாற்காலி கட்டுப்பாடு அல்லது மெய்நிகர் ஆராய்ச்சியை இந்த அணுகுமுறை ஆதரிக்கலாம் என்று ஆராய்ச்சியாளர்கள் நம்புகின்றனர்.

இந்த ஆய்வின் ஆழமான முக்கியத்துவம், குரங்குகள் ஒரு டிஜிட்டல் உலகில் நகர்ந்தன என்பதில் அல்ல. கட்டுப்பாடு ஒரே உடல் உறுப்பின் கட்டாயமான மனப் பிரதிநிதித்துவத்திலிருந்து அல்லாமல், நகர வேண்டும் என்ற உயர்மட்ட பிரதிநிதித்துவ எண்ணத்திலிருந்தே வந்திருக்கலாம் என்பதே முக்கியம். எதிர்கால ஆய்வு இதை உறுதிப்படுத்தினால், BCI-கள் பயன்படுத்துவதில் அந்நியமாக இருக்காமல், அன்றாட வாழ்க்கையில் மிகவும் பயனுள்ளதாக மாறலாம்.

இந்தக் கட்டுரை New Scientist வெளியிட்ட செய்தியின் அடிப்படையில் அமைந்தது. மூலக் கட்டுரையைப் படிக்கவும்.