Forscher:innen der Universität Texas in Austin haben einen semantischen Decoder erfunden, der Gehirnaktivitäten in Text umwandeln kann. Das System muss dafür mit Sprachmodellen und Magnetresonanztomografie angelernt werden. Es könnte Menschen, deren Sprachzentrum – etwa nach einem Schlaganfall – beschädigt ist, ermöglichen, zu kommunizieren. Die dazugehörige Studie erschien in der Zeitschrift Nature Neuroscience.
Nicht invasives System: Ohne Operation wieder „sprechen“ können
Die Autor:innen heben in einer Pressemitteilung hervor, das System zur Sprachdecodierung erfordere im Gegensatz zu vielen vergleichbaren Erfindungen keinerlei chirurgische Implantate. Außerdem sei es das erste nicht invasive System, das nicht einzelne Wörter und Sätze, sondern kontinuierliche Sprache entschlüsseln könne. Zudem hat man die Missbrauchsrisiken aus der Vorstudie überprüft.
„Gedanken lesen“ funktioniert nicht mit Zwang
Die Verfasser:innen gingen in der Preprint-Studie erwähnten Missbrauchsszenarien nach. Nun, in der finalen Studie, können sie Entwarnung geben. Der Doktorand Jerry Tang erklärt: „Wir wollen sicherstellen, dass die Menschen diese Art von Technologien nur dann nutzen, wenn sie es wollen und wenn es ihnen hilft.“
Glücklicherweise funktioniere die Decodierung nur bei kooperativen Teilnehmer:innen. Ergebnisse von untrainierten Personen waren unverständlich. Leisteten sie gedanklichen Widerstand, waren die Resultate ebenfalls unbrauchbar.
Neues Verfahren funktioniert auch mobil
Die Versuchsanordnung des Preprints haben die Forscher:innen noch erweitert. In der ursprünglichen Variante lagen die Probanden 16 Stunden lang in einem Kernspintomografen (FMRI) und hörten Podcasts und Hörbücher an, um das System anzulernen. Nun fanden die Wissenschaftler:innen heraus, dass man die Gehirnaktivität auch über Nahinfrarotspektroskopie (FNIRS) messen kann.
Dieses Bildgebungsverfahren kann auch mit mobilen Scannern eingesetzt werden. Der Aufwand wäre geringer und kostengünstiger. FNIRS-Systeme messen, wo mehr und wo weniger Blut im Gehirn fließt. Autor Alex Huth erklärte, das sei „genau die gleiche Art von Signal“, die FMRI messe. Huth fasst zusammen: „Unser Ansatz sollte sich also genau auf FNIRS übertragen lassen“, obwohl die Auflösung bei FNIRS geringer sei.