Pesquisadores da Universidade do Texas em Austin, nos EUA, desenvolveram um sistema de inteligência artificial (IA) capaz de traduzir a atividade cerebral de uma pessoa em um fluxo contínuo de texto enquanto ela ouve uma história ou imagina contar uma história, de acordo com um estudo publicado na Nature Neuroscience.
A interface cérebro-computador, conhecida como sistema decodificador semântico, tem o potencial de ajudar pessoas mentalmente conscientes, mas fisicamente incapazes de falar, como vítimas de derrame, a se comunicarem novamente.
Um comunicado de imprensa publicado junto com o estudo indica que a ferramenta depende parcialmente de um modelo de transformador, semelhante aos usados no Google Bard e ChatGPT. O modelo também não requer implantes cirúrgicos, tornando a abordagem não invasiva, ao contrário de outros sistemas atualmente em desenvolvimento.
Em vez disso, o decodificador é treinado usando dados de ressonância magnética cerebral coletados enquanto um participante ouve horas de podcasts. Então, se o participante concordar em ter seus pensamentos decodificados, ele terá a tarefa de ouvir uma nova história ou se imaginar contando uma história. Usando as varreduras cerebrais geradas a partir disso, o sistema pode gerar um fluxo de texto correspondente que descreve o que foi dito ou pensado.
“Para um método não invasivo, este é um salto real na comparação com o que foi feito antes, que normalmente são palavras únicas ou frases curtas”, explicou Alex Huth, PhD, professor assistente de neurociência e ciência da computação na Universidade do Texas. “Estamos obtendo o modelo para decodificar linguagem contínua por longos períodos de tempo com ideias complicadas.”
A linguagem decodificada que o sistema produz destina-se a capturar a essência do que o participante pensou, em vez de criar uma transcrição palavra por palavra perfeita. No entanto, cerca de metade do tempo, o decodificador pode produzir um texto que capta de forma próxima ou precisa o significado pretendido.
Além de decodificar a atividade cerebral obtida enquanto os pacientes ouviam histórias e podcasts, o modelo também pode decodificar pensamentos relacionados à exibição de vídeos. Em outro experimento, a equipe de pesquisa pediu aos participantes do estudo que assistissem a quatro vídeos curtos e silenciosos enquanto estavam no scanner fMRI. O decodificador foi capaz de usar essas varreduras para criar descrições precisas de eventos específicos em cada vídeo.
Buscando abordar algumas preocupações sobre a privacidade mental à medida que as interfaces cérebro-computador avançam, os pesquisadores também investigaram se o uso bem-sucedido do decodificador exigia o consentimento e a cooperação do participante.
Eles descobriram que as saídas do sistema eram ininteligíveis e inutilizáveis quando a ferramenta era usada nas varreduras cerebrais daqueles em quem o decodificador não havia sido treinado e participantes do estudo que mais tarde resistiram à ferramenta pensando em outras coisas, como animais ou imaginando contar seus própria história.
“Levamos muito a sério as preocupações de que ele possa ser usado para propósitos ruins e trabalhamos para evitar isso”, disse Jerry Tang, estudante de doutorado em ciência da computação na Universidade do Texas. “Queremos garantir que as pessoas usem esse tipo de tecnologia apenas quando quiserem e que isso as ajude.”
Quando perguntado sobre o que poderia acontecer se a tecnologia futura avançasse para superar a necessidade de consentimento do participante, Tang indicou que a política e a regulamentação são cruciais.
“Acho que agora, enquanto a tecnologia está em um estado tão inicial, é importante ser proativo ao promulgar políticas que protejam as pessoas e sua privacidade”, disse Tang. “Regular para que esses dispositivos podem ser usados também é muito importante.”
Por enquanto, o uso da ferramenta não é prático fora de um ambiente de laboratório por causa de sua dependência de uma máquina fMRI, na qual os participantes devem passar até 15 horas deitados para que o modelo seja suficientemente treinado.
No entanto, a equipe de pesquisa observou que esse tipo de sistema pode ser transferido para sistemas de imagem cerebral mais portáteis, como a espectroscopia funcional de infravermelho próximo (fNIRS), embora a resolução da varredura seja menor e possa apresentar alguns desafios como resultado.
“O fNIRS mede onde há mais ou menos fluxo sanguíneo no cérebro em diferentes pontos no tempo, o que, ao que parece, é exatamente o mesmo tipo de sinal que o fMRI está medindo”, disse Huth. “Portanto, nosso tipo exato de abordagem deve se traduzir em fNIRS.”
