يظل الدماغ البشري العضو الأكثر غموضًا في أجسامنا. من الذاكرة والوعي إلى الأمراض العقلية والاضطرابات العصبية ، لا يزال هناك الكثير من البحث والدراسة التي يجب القيام بها قبل أن نفهم تعقيدات عقولنا. ولكن إلى حد ما ، نجح الباحثون في الاستفادة من أفكارنا ومشاعرنا ، سواء كان ذلك تقريبًا محتوى أحلامنا, مراقبة تأثير السيلوسيبين على شبكات الدماغ التي تعطلت بسبب الاكتئاب ، أو القدرة على التنبؤ بنوعها سنجدها جذابة.
وصفت دراسة نُشرت في وقت سابق من هذا العام إنجازًا مشابهًا لفك تشفير نشاط الدماغ. ايان دالي، الباحث من جامعة ساسكس في إنجلترا ، استخدم مسح الدماغ للتنبؤ بالقطعة الموسيقية التي كان يستمع إليها الناس بدقة 72 بالمائة. وصف دالي عمله ، الذي استخدم شكلين مختلفين من "أجهزة فك التشفير العصبية" في أ الورق في الطبيعة.
بينما كان المشاركون في دراسته يستمعون إلى الموسيقى ، سجل دالي نشاطهم الدماغي باستخدام تخطيط كهربية الدماغ (EEG) - الذي يستخدم شبكة من الأقطاب الكهربائية والأسلاك لالتقاط الإشارات الكهربائية للخلايا العصبية التي تطلق في الدماغ - والتصوير بالرنين المغناطيسي الوظيفي (الرنين المغناطيسي الوظيفي) ، والذي يُظهر تغيرات في أكسجة الدم وتدفقه والتي تحدث استجابةً للنشاط العصبي.
يمتلك كل من EEG و fMRI نقاط قوة معاكسة: فالأول قادر على تسجيل نشاط الدماغ على مدى فترات زمنية قصيرة ، ولكن فقط من سطح الدماغ ، لأن الأقطاب الكهربائية تجلس على فروة الرأس. يمكن لهذا الأخير التقاط نشاط أعمق في الدماغ ، ولكن فقط على مدى فترات زمنية أطول. باستخدام كليهما أعطى دالي أفضل ما في العالمين.
راقب مناطق الدماغ ذات النشاط العالي أثناء التجارب الموسيقية مقابل التجارب بدون موسيقى ، وحدد القشرة السمعية اليمنى واليسرى ، والمخيخ ، والحُصين باعتبارها مناطق حرجة للاستماع إلى الموسيقى والاستجابة العاطفية لها - على الرغم من أنه لاحظ أن هناك الكثير من الاختلاف بين مختلف المشاركين من حيث النشاط في كل منطقة. هذا أمر منطقي ، حيث قد يكون لدى شخص ما استجابة عاطفية لقطعة موسيقية معينة بينما يجد آخر نفس القطعة مملة.
باستخدام كل من EEG و fMRI ، سجل دالي نشاطًا دماغيًا من 18 شخصًا أثناء استماعهم إلى 36 أغنية مختلفة. قام بتغذية بيانات نشاط الدماغ في شبكة عصبية عميقة طويلة المدى ثنائية الاتجاه (biLSTM) ، مما أدى إلى إنشاء نموذج يمكنه إعادة بناء الموسيقى التي يسمعها المشاركون باستخدام مخطط كهربية الدماغ.
تعد biLSTM ملف نوع الشبكة العصبية المتكررة يشيع استخدامه لتطبيقات معالجة اللغة الطبيعية. إنها تضيف طبقة إضافية إلى شبكة ذاكرة منتظمة طويلة المدى ، وتعكس هذه الطبقة الإضافية تدفق المعلومات وتسمح لتسلسل الإدخال بالتدفق للخلف. وبالتالي ، تتدفق مدخلات الشبكة للأمام وللخلف (ومن هنا تأتي القطعة "ثنائية الاتجاه") ، وهي قادرة على استخدام المعلومات من كلا الجانبين. هذا يجعلها أداة جيدة لنمذجة التبعيات بين الكلمات والعبارات - أو ، في هذه الحالة ، بين النوتات الموسيقية والتسلسلات.
استخدم دالي البيانات من شبكة biLSTM لإعادة بناء الأغاني تقريبًا بناءً على نشاط EEG للأشخاص ، وكان قادرًا على معرفة أي قطعة موسيقية كانوا يستمعون إليها بدقة 72 بالمائة.
ثم سجل بيانات من 20 مشاركًا جديدًا باستخدام مخطط كهربية الدماغ فقط ، مع مجموعة بياناته الأولية التي توفر نظرة ثاقبة لمصادر هذه الإشارات. بناءً على هذه البيانات ، انخفضت دقته في تحديد الأغاني إلى 59 بالمائة.
ومع ذلك ، يعتقد دالي أن طريقته يمكن استخدامها للمساعدة في تطوير واجهات الدماغ والحاسوب (BCIs) لمساعدة الأشخاص الذين أصيبوا بسكتة دماغية أو الذين يعانون من حالات عصبية أخرى يمكن أن تسبب الشلل ، مثل ALS. إن BCIs التي يمكنها ترجمة نشاط الدماغ إلى كلمات ستسمح لهؤلاء الأشخاص بالتواصل مع أحبائهم ومقدمي الرعاية بطريقة قد تكون مستحيلة بخلاف ذلك. بينما الحلول موجودة بالفعل في شكل يزرع الدماغ، إذا تمكنت تكنولوجيا مثل دالي من تحقيق نتائج مماثلة ، فسيكون ذلك أقل توغلاً للمرضى.
"الموسيقى هي شكل من أشكال التواصل العاطفي وهي أيضًا إشارة صوتية معقدة تشترك في العديد من أوجه التشابه الزمانية والطيفية والقواعدية مع الكلام البشري" ، دالي كتب في الورقة. "وبالتالي ، يمكن لنموذج فك التشفير العصبي القادر على إعادة بناء الموسيقى المسموعة من نشاط الدماغ أن يشكل خطوة معقولة نحو أشكال أخرى من نماذج فك التشفير العصبية التي لها تطبيقات لمساعدة الاتصال."
الصورة الائتمان: ألينا جروبنياك on Unsplash
- محتوى مدعوم من تحسين محركات البحث وتوزيع العلاقات العامة. تضخيم اليوم.
- بلاتوبلوكشين. Web3 Metaverse Intelligence. تضخيم المعرفة. الوصول هنا.
- المصدر https://singularityhub.com/2023/04/06/this-researcher-knew-what-song-people-were-listening-to-based-on-their-brain-activity/
