ИИ декодирует смысл речи из активности мозга и переносится на новых людей без дообучения
Исследователи в июле 2026 года выложили на arXiv метод, который расшифровывает смысл воспринимаемой речи прямо из инвазивных записей мозга. Ключевая идея — свести нейронные ответы нескольких людей в общее латентное пространство. Для нового пациента модель работает без переобучения и обгоняет базовые методы.
معالج بواسطة الذكاء الاصطناعي من arXiv cs.LG؛ بتحرير Hamidun News
في يوليو 2026، قدم باحثون على arXiv إطار عمل لفك التشفير الدلالي عبر الأفراد (cross-subject)، يعيد بناء معنى الكلام المُدرَك من تسجيلات دماغية جراحية (invasive) وينتقل إلى شخص جديد دون أي خطوة إعادة تدريب.
ما الذي فعله الباحثون بالضبط
درّب الفريق نظامًا لترجمة النشاط العصبي إلى تضمينات دلالية سياقية (contextual semantic embeddings) — وهي نفس التمثيلات المتجهية للمعنى التي تستخدمها نماذج اللغة. جُمعت البيانات بطريقة تخطيط كهربية القشرة (ECoG): توضع الأقطاب الكهربائية مباشرة على سطح القشرة الدماغية بينما يستمع الشخص إلى الكلام الطبيعي ويفهمه.
الأسلوب الأساسي هو فضاء كامن مشترك (shared latent space). تُجمَّع استجابات الدماغ لدى عدة مشاركين في فضاء واحد مشترك باستخدام shared response model (SRM)، ويتعلم فك المُشفِّر (decoder) التنبؤ بالتضمينات الدلالية انطلاقًا من الإشارات المُحاذاة (aligned)، لا من الإشارات "الخام" لشخص بعينه. هذا التحول مهم: فالنظام لا يتنبأ بكلمات حرفية بل بمتجهات معنى، ولذلك يعتمد على استجابات لمحتوى الكلام مشتركة بين جميع الأشخاص، لا على الخصائص الفردية للإشارة.
- البيانات: تسجيلات ECoG جراحية أثناء فهم الكلام الطبيعي
- طريقة المحاذاة: shared response model (فضاء كامن مشترك)
- هدف فك المُشفِّر: تضمينات دلالية سياقية، لا كلمات منفردة
- بالنسبة لمشارك جديد: إسقاط فردي + فك مُشفِّر مُدرَّب مسبقًا دون إعادة تدريب
- النتيجة: أداء أعلى باستمرار من الطرق المرجعية الأساسية، وانخفاض أقل في الدقة على دماغ "غير مألوف"
لماذا يصعب التعميم بين الأشخاص
المشكلة الرئيسية في فك التشفير العصبي الجراحي هي أن الأدمغة غير قابلة للمقارنة حرفيًا: فلكل شخص تهيئة أقطاب كهربائية خاصة به، وتشريح خاص به، ونمط إشارات عصبية خاص به. النموذج المُدرَّب على مشارك واحد يفقد دقته عادة بشكل حاد عند تطبيقه على شخص آخر.
يتجاوز المؤلفون هذه المشكلة كالتالي: بالنسبة لمشارك held-out (لم يكن ضمن بيانات التدريب)، يُقدَّر فقط إسقاطه الفردي في فضاء مشترك محدد مسبقًا، بينما يُستخدم فك المُشفِّر نفسه كما هو جاهزًا. وبحسب الورقة البحثية، يقلّص هذا بشكل ملحوظ الفجوة في الجودة بين دماغ "مألوف" ودماغ "غريب" مقارنة بالطرق المرجعية الأساسية، ويقلل من انخفاض الدقة عند الانتقال من المشارك الأصلي إلى مشارك جديد.
"تبيّن أن محاذاة النشاط العصبي في فضاء كامن مشترك عند فك التشفير في
فضاء التضمينات الدلالية تُعد استراتيجية فعالة لتحسين التعميم عبر الأفراد (cross-subject)"، بحسب ملخص الورقة البحثية على arXiv.
ما الذي يعنيه هذا
يرسم هذا النهج طريقًا نحو واجهات عصبية لا تحتاج إلى معايرة لأسابيع مع كل مريض جديد: إذ يُنقل الفضاء المشترك وفك المُشفِّر الدلالي، بينما يُكيَّف مع الشخص إسقاط دقيق فقط. وبالنسبة للأطراف الاصطناعية الطبية للكلام، قد يعني هذا انطلاقًا أسرع وبيانات أقل لكل مستخدم — وإن كان الأمر لا يزال حتى الآن نموذجًا بحثيًا أوليًا، وليس جهازًا سريريًا.
أسئلة شائعة
ما هو فك التشفير عبر الأفراد (cross-subject)؟
هو إعادة بناء المعلومات من النشاط الدماغي بحيث يعمل النموذج ليس فقط على الشخص الذي دُرِّب عليه، بل أيضًا على أشخاص جدد. في هذا العمل، الهدف هو فك تشفير معنى الكلام المُدرَك من تسجيلات ECoG الجراحية.
هل يلزم إعادة تدريب النموذج مع كل شخص جديد؟
لا. بالنسبة لمشارك جديد، يقدّر المؤلفون فقط إسقاطه الفردي في الفضاء الكامن المشترك، ويطبّقون فك المُشفِّر المُدرَّب مسبقًا دون إعادة تدريب.
هل تريد التوقف عن قراءة الذكاء الاصطناعي والبدء باستخدامه؟
AI News هو موجز منسق لأخبار الذكاء الاصطناعي. تعلمك Hamidun Academy استخدام الذكاء الاصطناعي في عملك.
أهم ما في عالم الذكاء الاصطناعي — مرة كل أسبوع
سبع قصص مهمة فعلاً هذا الأسبوع، مختارة بعناية. بلا ضجيج ولا بيانات صحفية.
تم! تحقق من بريدك للتأكيد.