Özet: Araştırmacılar, yapay zekâ ve beyin-bilgisayar arayüzü teknolojilerini kullanarak İngilizce kelimeleri insan olmayan primatların beyinlerinden kaydedilmiş nöral sinyallerinden yeniden oluşturdular.
Kaynak: Brown Üniversitesi
Brown Üniversitesi’nden bir araştırmacı takımı bir beyin-bilgisayar arayüzünü kullanarak insan olmayan primatların beyinlerinden kaydedilmiş nöral sinyallerinden İngilizce kelimeleri yeniden oluşturdular. Araştırmacılar, Nature Communications Biology’de yayınlanan araştırmanın işitme kaybı yaşayan insanlara yardım edecek beyin implantları
geliştirmeye yönelik bir adım olabileceğini söylüyor.
Arto Nurmikko (Brown Mühendislik Fakültesi’nde bir profesör, Brown Carney Beyin Bilimi Enstitüsü’nde araştırma görevlisi ve çalışmanın kıdemli yazarı), “Primatların belirli sözcükleri duymalarıyla ilişkili ikincil işitme korteksindeki nöral uyarıların karışık desenlerini kaydettik.” dedi. “Daha sonra bu nöral veriyi, bu sözcüklerin seslerini yüksek duyarlılıkla yeniden oluşturmak için kullandık.”
“Asıl amaç, sesin primat beyinde nasıl işlendiğini daha iyi anlamak.” Nurmikko “Bu da nihayetinde yeni tip nöral protezlere öncülük edebilir.” diye ekledi.
Sesin birincil işlenmesinde rol oynayan beyin sistemleri insanlarda ve insan olmayan primatlarda benzerlik gösterir. Birincil işitme korteksinde gerçekleşen işlemenin birinci kademesinde, sesler yükseklik veya ton gibi özelliklerine göre sınıflandırılırlar. Sinyal daha sonra ikincil işitme korteksine doğru harekete geçer ve daha başka işlemlere tabi tutulur. Örneğin birisi söylenilen kelimeleri dinlediği zaman, sesler fonemlere, kelimeleri birbirinden ayırt etmemizi sağlayan en basit özelliklere göre sınıflandırılır. Bundan sonra bilgi, konuşmanın insan tarafından anlaşılmasını sağlayan işlem için beynin diğer bölgelerine gönderilir.
Fakat sesin işlenmesinin ilk aşaması insan ve insan olmayan primatlarda benzer
olduğu için, muhtemelen kelimelerin ne anlama geldiklerini anlamasalar da primatların duydukları kelimeleri nasıl işlediklerini öğrenmekte fayda vardır.
Çalışma için 96 kanallı mikro elektrot dizilerine sahip bezelye büyüklüğündeki iki implant nöron aktivitelerini kaydederken, rhesus makakları İngilizce kelimelerin ve makak çağrılarının kayıtlarını dinledi. Bu durumda, makaklar oldukça basit olan bir veya iki heceli kelimeleri duyuyordu: “tree”, “good”, “north”, “cricket” ve “program”.
Araştırmacılar, nöral kayıtları, belirli kelimelerle ilişkilendiren nöral yapıları tanımak için özel olarak geliştirilen bilgisayar algoritmaları kullanarak işlediler. Böylelikle nöral veriler, bilgisayar ürünü konuşmaya geri çevrilebildi. Son olarak, araştırma takımı yeniden oluşturulmuş konuşmanın makağın duyduğu asıl kelimelere ne kadar benzer olduğunu ölçmek için çeşitli metrikler kullandı. Araştırma, kaydedilen nöral verilerin, bir insan dinleyicinin anlayabileceği yüksek duyarlılıkta yeniden yapılanmalar ürettiğini ortaya koydu. Araştırmacılar, bu kadar karmaşık işitsel bilgileri kaydetmek için çoklu elektrot dizilerinin kullanılmasının bir ilk olduğunu söyledi.
“Dana önceden tekli elektrot kullanılarak ikincil işitme korteksinden veri toplandı fakat bildiğimiz kadarıyla bu, beynin bu kısmında yapılan ilk çoklu elektrot kaydı.” dedi Nurmikko. “Esas olarak bize gerekli olan veri zenginliğini ve yüksek veri çözünürlüğünü verebilecek 200 mikroskobik dinleme kaydımız var.”
Doktora öğrencisi Jihun Lee’nin deneylerini yönettiği araştırmanın amaçlarından biri de herhangi bir kod çözme algoritmasının diğerlerinden daha iyi performans gösterip göstermediğini test etmekti. Hesaplamalı sinirbilim uzmanı olan Wilson Truccolo ile iş birliği yapılan çalışma, bilgisayarlı dil çevirisinde sıklıkla kullanın bir tür yapay öğrenme algoritması olan tekrarlayan
sinir ağlarının (RNN’ler) en yüksek duyarlılıktaki yeniden yapılanmaları ürettiğini göstermiştir. RNN’ler, beynin diğer bölgelerinden elde edilmiş nöral verileri çözmede etkili olduğu bilinen geleneksel algoritmalardan büyük ölçüde daha iyi performans gösterdi.
Brown’da araştırma ortağı ve araştırmanın yard
ımcı başyazarı olan Christopher Heelan, RNN’lerin başarısının karmaşık işitsel bilgilerin çözümlenmesinde önemli olan esnekliklerinden kaynaklandığını düşünüyor.
Bir araştırma takımı, bir beyin-bilgisayar arayüzü kullanarak, kelimeleri söylenirken dinleyen rhesus makaklarının beyin aktivitesinden İngilizce kelimeleri yeniden oluşturdu. Resimde primatın duyduğu kelime seslerinin yanı
sıra her bir kelimeye karşılık gelen nöronal ani yükselişlerin spektral analizi gösterilmektedir.
Resim Nurmikko Laboratuvarı’na aittir.
Araştırma için hesaplama araç takımını geliştiren Heelan, “Nöral çözümlemede kullanılan geleneksel algoritmalar beynin bilgiyi nasıl kodladığına dair güçlü varsayımlarda bulunuyor ve bu da bu algoritmaların nöral verileri modelleme yeteneğini kısıtlıyor.” dedi. “Sinir ağları daha zayıf varsayımlarda bulunur ve deneysel görev ve nöral veriler arasındaki karmaşık ilişkileri anlamalarını sağlayan daha fazla parametreye sahiptir.”
Sonuç olarak, araştırmacılar, bu tür bir araştırmanın insanların duyma yetilerini geri kazanmalarında yardımcı olabilecek nöral implantlarının geliştirilmesinde yardımcı olabileceğini umut ediyorlar.
Nurmikko, “İşitme organına uğramadan direkt beyne ulaşacak sistemler geliştirmeyi amaçlıyoruz.” dedi. “Bu çalışmada nöral aktiviteyi kaydetmek için kullandığımız mikroelektrotlar, günün birinde insanlara belirli sesleri duyma algılarını verebilecek şekilde küçük miktarlarda elektrik akımı göndermek için kullanılabilir.”
Fonlama: Bu çalışma U.S. Defense Advanced Research Projects Agency
(N66001-17-C-4013) ve Brown’a verilen gizli bir bağış tarafından
desteklenmiştir. Makaledeki yardımcı yazarlar Ronan O’Shea, Laurie Lynch
ve David Brandman’dır.
Çeviren: Zeynep Şevval Bayraktar
Kaynak: Neurosciencenews