Naukowcy zdołali zdekodować aktywność mózgu bezpośrednio z sygnałów magnetoencefalografii, przewidując na tej podstawie cechy języka. Zespół wykorzystał zaawansowane sieci neuronowe i framework NeuralSet, aby przeanalizować dane MEG i odtworzyć, jakie struktury językowe przetwarzał mózg osoby badanej. To połączenie neuronaukowych pomiarów z metodami deep learning stanowi znaczący krok naprzód w rozumieniu, jak mózg koduje i przetwarza język w czasie rzeczywistym.
Magnetoencefalografia to technika, która mierzy słabe pola magnetyczne wytwarzane przez aktywność elektryczną neuronów - jest zdecydowanie bardziej precyzyjna niż popularna fMRI, oferując także znacznie wyższą rozdzielczość czasową. Wcześniejsze próby dekodowania aktywności mózgu za pomocą AI powiodły się przede wszystkim na danych fMRI lub pośredniczych modelach sztucznej inteligencji, ale teraz naukowcy pokazali, że sygnały MEG zawierają wystarczająco bogatą informację o procesach językowych, by mogły być wykorzystane bezpośrednio do przewidywania. To odkrycie ma znaczenie fundamentalne dla nauki o mózgu - zmienia naszą wiedzę o tym, które aspekty przetwarzania języka można wyczytać z elektrycznej aktywności neuronów.
Potencjalne zastosowania tego przełomu sięgają daleko poza czystą naukę. Osiągnięcie otwiera drzwi dla przyszłych interfejsów mózg-komputer zdolnych do przenoszenia myśli albo poleceń bezpośrednio z mózgu do urządzenia, bez konieczności mówienia czy pisania. Dla osób z niemową spowodowaną urazami mózgu czy chorobami neurodegeneracyjnymi mogłoby to stanowić szansę na odzyskanie zdolności komunikacji. Tego rodzaju badania przyciągają też rosnące zainteresowanie firm technologicznych i inwestorów, którzy widzą w nich potencjał dla nowej generacji intuitywnych interfejsów człowiek-maszyna.