كيف تحول واجهة دماغ وحاسوب غير جراحية إشارات الدماغ إلى نص؟

تحول واجهة الدماغ والحاسوب غير الجراحية النشاط العصبي إلى نص عبر قياس إشارات ضعيفة من خارج الجمجمة، واستخراج أنماط مرتبطة باللغة أو الحركة المقصودة، ثم استخدام نموذج يفك ترميزها إلى حروف أو كلمات أو جمل محتملة. هذه العملية لا تقرأ تيار الأفكار بحرية، بل تتعلم علاقة إحصائية بين تسجيلات عصبية ومهمة محددة، وغالباً ما يكون التدريب مخصصاً لكل شخص وفي ظروف مضبوطة.

ما واجهة الدماغ والحاسوب غير الجراحية؟

تنشئ واجهة الدماغ والحاسوب مساراً بين نشاط عصبي مقاس وجهاز خارجي. تعني صفة «غير جراحية» أن المستشعرات تبقى خارج الجسم ولا تُزرع داخل الدماغ أو فوقه. تتجنب هذه الطريقة جراحة الأعصاب، لكن الجلد والجمجمة والحركة وضوضاء البيئة تضعف الإشارة وتطمس تفاصيلها.

ليس النص هو الخرج الوحيد الممكن. قد تختار الواجهة رموزاً، أو تحرك مؤشراً، أو تتعرف إلى تخيل الحركة، أو تتحكم في وسيلة مساعدة. ويُعد تحويل الإشارة إلى نص أصعب، لأن اللغة تتيح عدداً هائلاً من التسلسلات، ولأن الجملة المعقولة ليست بالضرورة ما أراد المستخدم قوله.

الخطوة الأولى: قياس الإشارة

يستخدم تخطيط كهربائية الدماغ (EEG) أقطاباً على فروة الرأس لقياس تغيرات الجهد. يتميز بإمكان تصغيره وانخفاض كلفته نسبياً وبدقة زمنية في حدود أجزاء الألف من الثانية، لكن قدرته على تحديد المكان محدودة، كما تتشوه الإشارات في طريقها عبر الأنسجة والعظم.

أما تخطيط الدماغ المغناطيسي (MEG) فيسجل الحقول المغناطيسية البالغة الضعف والمرتبطة بالنشاط المتزامن للخلايا العصبية. يقدم توقيتاً دقيقاً ومعلومة مكانية أفضل، لكن الأنظمة التقليدية تحتاج إلى مئات المستشعرات الحساسة وعزل مغناطيسي، وكثيراً ما تحتاج إلى تبريد شديد. لذلك تبقى أجهزة مختبرية لا سماعات يومية.

الخطوة الثانية: تحديد المهمة

يحتاج نموذج فك الترميز إلى أمثلة مزدوجة: تسجيل عصبي وهدف معروف. قد يُطلب من الشخص كتابة جمل معروضة، أو محاولة الكلام، أو تخيل حركة اليد، أو التركيز على حروف مضيئة. تسمح هذه التسميات للنموذج بتعلم الأنماط التي ترافق كل فعل.

ويحدد تصميم المهمة معنى النتيجة. فالمنظومة التي تتدرب أثناء كتابة جمل معروفة قد تلتقط التخطيط اللغوي والاستعداد لحركة الأصابع والتغذية الحسية والتوقيت. لا يعني ذلك أنها تعلمت استرجاع أي فكرة خاصة. وصف هذه التجارب بأنها «قراءة للأفكار» يمحو هذا الفرق الحاسم.

الخطوة الثالثة: تنظيف التسجيل وتمثيله

تمتلئ البيانات الخام بآثار رمش العين وعضلات الوجه والرقبة ونبض القلب وحركة الرأس وتيار الكهرباء وانجراف المستشعرات. ترشح سلسلة المعالجة التشويش المعروف، وتستبعد القنوات التالفة، وتضبط النوافذ الزمنية، ثم تحول الباقي إلى سمات يستطيع النموذج تحليلها.

قد تتعلم النماذج الحديثة هذه السمات مباشرة من التسجيل المستمر. وتحسب طرق أخرى قوة التردد أو الأنماط المكانية أو الاستجابة لحدث معين. في الحالتين يمكن أن تبدو النتيجة أفضل مما هي إذا تسربت إجابة عبر تلميح غير مقصود، مثل توقيت ضغط المفاتيح أو صوت الجملة المعروضة.

الخطوة الرابعة: فك ترميز الإشارة العصبية

تعني عملية فك ترميز الإشارات العصبية استنتاج الخرج. يستقبل النموذج سلسلة من تمثيلات الإشارة ويقدر تسلسلاً من الحروف أو الوحدات اللغوية. ولأن الحدث العصبي والكلمة لا يتطابقان واحداً لواحد في الزمن، يجب أن يتعلم النموذج المحاذاة أيضاً.

تبني بعض الأنظمة سلماً هرمياً: تستدل من الإشارة على الحروف، ومن الحروف على الكلمات، ثم تستخدم سياق الجملة للمفاضلة بين الاحتمالات. الناتج احتمالي، أي إنه يرتب إجابات ممكنة ولا يكشف جملة حرفية محفوظة كاملة في موضع واحد من الدماغ.

الخطوة الخامسة: استخدام السياق اللغوي بحذر

يستطيع النموذج اللغوي إصلاح تنبؤ ضعيف عبر تفضيل تراكيب شائعة. عندما تؤيد الإشارة عدة كلمات بدرجات متقاربة، قد يجعل السياق إحداها أرجح بكثير، وهذا يحسن مقاييس الخطأ المعتادة.

لكن السلاسة تحمل خطراً خاصاً. قد يستبدل النموذج اسماً نادراً أو رقماً أو دواء أو أداة نفي بكلمة مألوفة. تبدو الجملة الناتجة واثقة رغم أنها لا تمثل قصد المستخدم. لذلك تحتاج وسيلة التواصل المساعدة إلى إظهار عدم اليقين، وإتاحة تأكيد الكلمات المهمة أو تصحيحها، وقياس الأخطاء التي تغير المعنى لا متوسط الدقة وحده.

مثال عملي: Brain2Qwerty

يوضح بحث Brain2Qwerty من Meta الإمكانات والحدود معاً. في النسخة الثانية المعلنة، كتب تسعة متطوعين أصحاء جملاً مطلوبة بينما سجل MEG نشاط أدمغتهم. فكت المنظومة التسجيل المستمر بدقة كلمات بلغت 61% في المتوسط و78% لدى أفضل مشارك. ولم تعد تحتاج إلى التوقيت الدقيق لضغطات المفاتيح، فتخلصت من تلميح لا يستطيع شخص عاجز عن الحركة تقديمه. يشرح تقرير نيو تقنية عن Brain2Qwerty التجربة وقيودها.

لم تكن التجربة فكاً للأفكار الحرة. عرف المشاركون الجمل وكتبوها بأيديهم، وقدم كل شخص نحو عشر ساعات من بيانات التدريب، واعتمد العمل على ماسح MEG ضخم. كما تعني دقة 61% أن نحو أربع كلمات من كل عشر كانت خاطئة في المتوسط، وهي نسبة لا تناسب محادثة سريرية موثوقة.

كيف نختبر الأداء بإنصاف؟

• بيانات معزولة: يجب ألا تظهر جمل الاختبار أو مقاطعها في التدريب.
• جلسات جديدة: ينبغي أن تتحمل المنظومة تغير موضع المستشعرات والإرهاق واختلاف الإشارة من يوم إلى آخر.
• المستخدمون المقصودون: نجاحها مع أشخاص أصحاء يكتبون لا يثبت نجاحها مع من فقد الكلام أو الحركة.
• مراجع عادلة: تُقارن بالتخمين من نص المهمة، وبالنموذج اللغوي وحده، وبنماذج أبسط للإشارة.
• قيمة التواصل: تُقاس السرعة وزمن الاستجابة وعبء التصحيح ونوع الأخطاء وبقاء المعنى المقصود.
• التكرار المستقل: تعيد فرق أخرى التجربة على مجموعات أوسع ومعدات مختلفة.

متى تصبح التقنية مقنعة سريرياً؟

سيكون الاختبار الأقوى مع أشخاص لا يستطيعون التواصل بالحركة، ومن دون تسريب توقيت المفاتيح أو نص المطلوب. يجب أن تعمل المنظومة عبر أيام مختلفة، وتتحمل حركة الرأس الطبيعية، وتقدم سرعة عملية، وتكشف عدم اليقين. ويحتاج المستخدم إلى وسائل بسيطة للتأكيد والتصحيح، ولا سيما في العبارات الحساسة.

الخصوصية والقدرة على التحكم لا تقلان أهمية عن الدقة. ينبغي جمع التسجيل لغرض واضح وبموافقة، وحماية البيانات العصبية، ومنح المستخدم سلطة تشغيل فك الترميز وإيقافه ومشاركة الناتج. الغاية هي نقل تواصل مقصود، لا الادعاء بأن كل تغير مقاس يكشف محتوى ذهنياً خاصاً.

النموذج الذهني

تخيل المنظومة كقناة اتصال مشوشة. تلتقط المستشعرات أثراً ناقصاً، ويقدر نموذج فك الترميز الفعل المقصود الأكثر احتمالاً، ثم يضيف النموذج اللغوي السياق. تستطيع كل مرحلة إضافة معلومة أو خطأ. الإنجاز ليس تخاطراً ذهنياً، بل تحويل منضبط لأدلة فسيولوجية ضعيفة إلى واجهة قابلة للاستخدام والتصحيح.