Pikiran Menjadi Teks: Kecerdasan Buatan (AI) Mendekodekan Otak Manusia

AI semakin banyak digunakan untuk menafsirkan aktivitas otak menjadi aliran teks yang berkelanjutan. Ini berpotensi mengubah komunikasi untuk orang yang menderita penyakit saraf yang parah. Dalam konteks metode neuroimaging, AI sangat menjanjikan untuk menganalisis aktivitas otak.

Dalam kemajuan terbaru, decoder semantik berbasis AI mendemonstrasikan cara baru untuk menerjemahkan aktivitas otak ke dalam rangkaian teks yang tak ada habisnya. Inovasi ini akan membiarkan atau mengubah ide 'non-invasif' menjadi teks untuk pertama kalinya. Ini dapat membantu orang yang kesulitan berkomunikasi setelah stroke atau penyakit neuron motorik. 

Untuk mengekstrak informasi yang relevan dari data yang kompleks dan berisik, diperlukan metode pemrosesan data tingkat lanjut untuk interpretasi aktivitas otak. Algoritme AI dapat membantu mengotomatiskan dan merampingkan prosedur ini. Ini memungkinkan para peneliti untuk menarik kesimpulan yang lebih tepat dan dapat diandalkan mengenai aktivitas otak.

Dalam hal ini, decoder dapat merekonstruksi ucapan dengan baik saat responden mendengarkan atau membayangkan sebuah cerita. Ini adalah lompatan besar dalam inovasi dibandingkan dengan sistem decoding bahasa sebelumnya yang mencakup implan bedah. 

Ilmuwan terkenal telah mendukung kemajuan terbaru karena mengatasi rintangan kritis. Alexander Huth, seorang ahli saraf di University of Texas, menambahkan, "Untuk metode non-invasif, ini adalah lompatan nyata dibandingkan dengan apa yang telah dilakukan sebelumnya, yang biasanya satu kata atau kalimat pendek."

fMRI memantau variasi aliran darah ke berbagai bagian otak, yang dapat digunakan untuk menyimpulkan aktivitas saraf. Namun, dibandingkan dengan penembakan neuron yang sebenarnya di otak, proses ini relatif lambat. fMRI memiliki resolusi temporal detik, yang berarti tidak dapat mendeteksi perubahan cepat dalam aktivitas otak. Menurut The Guardian, ini membuat analisis aktivitas otak sebagai reaksi terhadap "ucapan alami" menjadi sulit karena memberikan "campuran informasi" yang tersebar dalam beberapa detik.

Pengenalan model bahasa besar, seperti ChatGPT OpenAI, telah menandai kemajuan besar dalam kecerdasan buatan. Model-model ini dilatih pada volume data teks yang sangat besar, memungkinkan mereka untuk merespons berbagai input dengan cara yang mirip manusia. Ini memungkinkan peneliti untuk memeriksa makna semantik ucapan dalam kasus ini. Artinya, untuk memahami pola aktivitas saraf yang terkait dengan rangkaian kata. 

Menyusul penemuan tersebut, tim peneliti bermaksud untuk memperluas kegunaan teknik ini di sistem pencitraan otak lain yang lebih portabel, seperti spektroskopi inframerah-dekat fungsional (fNIRS). Namun, masalah keamanan mungkin muncul sebagai akibat dari inovasi terbaru.