فهرست عنوانها
همچنان که قدرت کامپیوترهای مدرن همزمان با مغز انسان رشد میکند، کم کم شاهد تحقق مفاهیمی هستیم که قبلاً فقط در فیلمها و رمانهای علمی و تخیلی مشاهده میکردیم. حالا مفاهیمی مثل ارسال مستقیم سیگنال به مغز انسانها عملی شدهاند که قابلیت دیدن، شنیدن یا حس کردن بعضی ورودیهای خاص را فراهم میکنند. تصور کنید که بتوان با ذهن یک کامپیوتر یا ماشین را دستکاری کرد. موضوع فقط راحتی نیست – برای اشخاصی که کم تواناییهای جسمی شدید دارند، توسعه یک رابط انسان – ماشین (brain-computer interface یا BCI) میتواند مهم ترین پیشرفت در دهههای اخیر باشد. در این مطلب به بررسی طرز کار این رابطها، محدودیتهای آنها و پیشرفتهای احتمالی آنها در آینده میپردازیم.
مغز الکترونیک
دلیل اینکه BCI میتواند کار کند به طرز کار مغز انسان مربوط است. مغز ما پر از نرون است. نرونها سلولهای عصبی هستند که توسط دندریت و اکسونها به هم متصل شده اند. هر زمان که فکر میکنیم، حرکت میکنیم، چیزی را حس میکنیم یا به خاطر میآوریم، نرونهای ما فعال میشوند. این کار توسط سیگنالهای الکترونیکی کوچکی انجام میشود که با سرعت 250 مایل بر ساعت از نرونی به نرون دیگر حرکت میکنند (منبع: Walker). این سیگنالها به دلیل اختلاف پتانسیل الکتریکی یونهای روی غشای هر نرون ایجاد میشوند.
گرچه مسیر طی شده توسط سیگنالها توسط چیزی به اسم میلین عایق شده اما بعضی از سیگنالهای الکتریکی در این مسیر فرار میکنند. دانشمندان میتوانند این سیگنالها را شناسایی کرده، معنا و مفهوم آنها را تفسیر کرده و از آنها برای هدایت و راهنمایی وسایل مخلتف استفاده کنند. البته میتوان به یک روش دیگر هم کار کرد. مثلاً محققان میتوانند تشخیص دهند که وقتی سلولهای عصبی بینایی، رنگ قرمز را میبینند چه سیگنالهایی به مغز ارسال میکنند. به این ترتیب میتوان یک دوربین آماده کرد که هر زمان رنگ قرمز را میبیند، دقیقاً همین سیگنال را به مغز ارسال کند تا یک شخص نابینا بتواند بدون نیاز به چشم، همه چیز را ببیند.
ورودی و خروجی BCI
یکی از مهم ترین چالشهایی که محققان رابطهای مغز و کامپیوتر امروزه با آن روبرو هستند، عملکرد خود این رابطها است. ساده ترین و غیرتهاجمی ترین روش، استفاده از یک مجموعه الکترود – دستگاهی به اسم الکتروانسفالوگراف یا نوار مغز (EEG) – است که به پوست سر متصل میشود. این الکترودها قابلیت خواندن سیگنالهای مغز را دارند اما استخوان جمجمه یکسری از سیگنالهای الکتریکی را مسدود میکند و در انتقال سیگنالها اختلال ایجاد میکند.
محققان میتوانند برای دستیابی به سیگنالی با وضوح بالاتر، الکترودها را مستقیماً روی ماده خاکستری مغز یا روی سطح مغز و زیر استخوان جمجمه جاسازی کنند. به این ترتیب امکان دریافت مستقیم سیگنالهای الکتریکی فراهم شده و میتوان الکترودها را در قسمت خاصی از مغز که سیگنالهای مورد نظر در آنجا تولید میشوند قرار دارد. اما این روش معایب مختلفی دارد. برای نصب این الکترودها به جراحی تهاجمی نیاز است و تجهیزاتی که برای مدتی طولانی در مغز نصب میشوند میتوانند باعث ایجاد بافت اسکار روی ماده خاکستری مغز شوند که در نهایت مانع انتقال سیگنالها میشود.
صرف نظر از محل قرار گیری الکترودها، مکانیزم کلی به یک شکل است. الکترودها تفاوت ولتاژ بین نرونها را اندازه گیری میکنند. سپس این سیگنال تقویت و فیلتر میشود. در سیستمهای BCI فعلی، سیگنال تقویت شده توسط یک نرمافزار تفسیر میشود. البته احتمالاً نوار مغز آنالوگ را هم مشاهده کرده اید که سیگنالها را توسط قلمی که به صورت پیوسته الگوهای آنها را روی کاغذ رسم میکند، نمایش میدهد.
در رابطه با BCI ورودی، این فرایند معکوس است یعنی کامپیوتر یک سیگنال مثل سیگنالی که توسط یک دوربین ویدیویی ایجاد شده را به ولتاژهای لازم برای فعال کردن نرونها تبدیل میکند. سپس این سیگنالها به ایمپلنی که در قسمت مناسبی از مغز درج شده ارسال میشوند و اگر همه چیز طبق انتظار پیش برود، نرونها فعال شده و شخص میتواند تصویری که دوربین ثبت میکند را مشاهده کند.
روش بعدی برای ارزیابی فعالیت مغز، استفاده از تصویرسازی شدت سیگنال مغناطیسی (MRI) است. سیستم MRI یک دستگاه پیچیده بزرگ است که تصاویری با کیفیت بسیار بالا از فعالیت مغز تولید میکند اما نمیتواند جایگزین BCI دائم یا نیمه دائم شود. محققان از MRI برای ارزیابی بعضی از فعالیتهای مغز یا تعیین محل نصب الکترودهای مغز جهت ارزیابی یک عملکرد خاص استفاده میکنند. مثلاً اگر محققان بخواهند الکترودهایی نصب کنند که کاربر بتواند با استفاده از آنها یک بازوی رباتیک را کنترل کند، ممکن است اول شخص را در MRI قرار داده و از او بخواهند که درباره حرکت دادن بازوی خودش فکر کند. MRI نمایش میدهد که هنگام حرکت دادن بازو کدام بخش از مغز فعال میشود و به تشخیص بهترین محل نصب الکترود کمک میکند.
اما کاربردهای BCI در زندگی واقعی چیست؟ در ادامه مطلب به بررسی پاسخ این سوال میپردازیم.
انعطاف پذیری مغزی
تا سالها، مغز انسانهای بزرگسال یک عضو ثابت و غیرمتغیر تلقی میشد. وقتی کودک و در سن رشد هستیم، مغز ما کم کم شکل گرفته و با تجربیات جدید تطبیق پیدا میکند اما در نهایت به وضیعتی غیر قابل تغییر میرسد – یا حداقل قبلاً این طور تصور میشد.
محققان در ابتدای دهه 90 میلادی نشان دادند که حتی در سن بالا هم مغز انسان انعطاف پذیری خود را حفظ میکند. به این موضوع انعطاف پذیری مغزی گفته میشود و این یعنی مغز میتواند به شکل خارق العادهای با شرایط جدید تطبیق پیدا کند. یاد گرفتن چیزی جدید یا مشارکت در فعالیتهای ابتکاری و تازه ارتباطهای جدیدی بین نرونها ایجاد کرده و مانع از ایجاد مشکلات مغزی مرتبط با سن میشود. اگر یک شخص بزرگسال دچار آسیب مغزی شود، سایر بخشهای مغز قادرند عملکرد قسمت آسیب دیده را برعهده بگیرند.
برای BCI، این یعنی یک بزرگسال میتواند کار کردن با BCI را یاد بگیرد و مغز او میتواند ارتباطاتی جدید شکل داده و خودش را با کاربرد جدید نرونها تطبیق دهد. در مواقعی که از ایمپلنت استفاده میشود، این ویژگی باعث میشود که مغز بتواند خودش را با این تهاجم به ظاهر غریبه تطبیق داده و کانکشنهای جدیدی شکل دهد که با ایمپلنت مثل یک بخش از مغز طبیعی رفتار میکند.
کاربردهای BCI
یکی از جذاب ترین حوزههای مطالعه BCI، طراحی دستگاههایی است که توسط افکار انسان کنترل میشوند. شاید کاربردهای چنین فناوری چندان حیاتی به نظر نرسند مثل کنترل کردن یک بازی ویدیویی توسط قدرت ذهن. اما وقتی استفاده از ریموت کنترل تا این حد به راحت تر شدن کار با تلویزیون کمک میکند، تصور کنید که قابلیت کنترل آن توسط ذهن چقدر کار شما را راحت تر میکند.
البته یک هدف بزرگتر هم وجود دارد یعنی طراحی دستگاههایی که به افراد کم توان جسمی امکان بدهند کارهای خودشان را به صورت مستقل انجام دهند. حتی یک سیستم ساده مثل کنترل کردن مکان نمای کامپیوتر از طریق فرمانهای ذهنی هم میتواند تغییر چشمگیری در کیفیت زندگی ایجاد کند. اما چطور میتوانیم ولتاژهای اندازه گیری شده را به حرکات یک بازوی رباتیک تبدیل کنیم؟
در اولین تحقیقات از میمونهایی استفاده شد که در مغز آنها الکترود نصب شده بود. این میمونها از یک جویاستیک برای حرکت دادن یک بازوی رباتی استفاده میکردند. در نهایت این کنترلها را تغییر دادند تا بتوان به جای جویاستیک، بازو را با سیگنالهایی که از الکترودها ساطع میشوند، کنترل کرد.
کار سخت تر، تفسیر سیگنالهای مغز برای حرکت شخصی است که خود او قادر نیست بازوی رباتی را حرکت دهد. برای انجام چنین کاری شخص باید آموزش ببیند که از وسیله استفاده کند. با درج یک ایمپلنت یا EEG شخص میتواند بستن دست راست خودش را تصور کند. نرمافزار هم میتواند پس از امتحان کردنهای پی در پی، سیگنالهای مربوط به فکر کردن به بستن دست را یاد بگیرد. نرمافزار متصل به دست رباتی طوری برنامه ریزی شده که سیگنال بسته شدن دست را دریافت کرده و آن را با هدف بسته شدن دست رباتیک تفسیر کند. در این مرحله، وقتی شخص به بستن دست فکر کند، سیگنالها ارسال شده و دست بسته میشود.
یک روش مشابه، دستکاری مکان نمای کامپیوتر است که در آن شخص به حرکت رو به جلو، عقب، چپ و یا راست مکان نما فکر میکند. کاربران میتوانند پس از تمرین کافی کنترل لازم بر مکان نما را به دست آورند تا یک دایره بکشند، به نرمافزارهای کامپیوتری دسترسی پیدا کنند و یک تلویزیون را کنترل کنند (منبع: Ars Technica). در واقع کاربران میتوانند با افکارشان “تایپ” کنند.
پس از تکمیل مکانیزم اصلی تبدیل افکار به اعمال رباتی یا کامپیوتری، کاربردهای این فناوری تقریباً نامحدود هستند. کاربران کم توان جسمی میتوانند به جای دست رباتیک، یکسری بند رباتیک داشته باشند که به اندامشان متصل میشود و میتوانند با آن حرکت کرده و به صورت مستقیم با محیط تعامل برقرار کنند. حتی میتوان این کار را بدون وجود بخش رباتیک دستگاه انجام داد. میتوان سیگنالها را به اعصاب کنترلی مناسب در دست ارسال کرد و بخش آسیب دیده نخاع را دور زد تا کاربر بتواند دستش را حرکت دهد.
در ادامه راجع به پیشرفت چشم مصنوعی و ایمپلنتهای گوش صحبت میکنیم.
ورودی حسی
مهم ترین و قدیمی ترین راه استفاده از BCI، ایمپلنتهای گوشی است. در افراد عادی، امواج صوتی وارد گوش شده و از چند عضو بسیار ظریف عبور کرده و در نهایت این ارتعاشات به صورت سیگنالهای الکتریکی به عصبهای شنیداری میرسند. اگر گوش انسان آسیب شدیدی ببیند، شخص قادر به شنیدن هیچ صدایی نخواهد بود اما ممکن است عصبهای شنیداری باز هم درست کار کنند و فقط سیگنال به آنها نرسد.
ایمپلنت گوشی قادر است بخش معیوب را دور بزند، امواج صوتی را به سیگنال الکتریکی تبدیل کرده و آنها را از طریق الکترودها مستقیماً به عصبهای شنوایی ارسال کند. در نتیجه شخص ناشنوا میتواند قدرت شنوایی پیدا کند. شاید این شخص نتواند مثل یک انسان معمولی بشنود اما امکان درک صحبتهای دیگران برای او فراهم میشود.
فرایند پردازش اطلاعات تصویری توسط مغز بسیار پیچیده تر از اطلاعات صوتی است در نتیجه هنوز در این زمینه به پیشرفت زیادی نرسیدیم. با این حال اصول کار تقریباً به یک صورت است. الکترودها درون یا نزدیک بخشی از مغز که مسئول پردازش اطلاعات تصویری دریافت شده از شبکیه است، نصب میشوند. سپس عینکی که یک دوربین به آن متصل شده به کامپیوتر و ایمپلنت متصل میشود. پس از طی کردن دوره آموزشی شبیه به آنچه برای حرکات فکری کنترل شده از راه دور انجام میشود، شخص نابینا میتواند قدرت بینایی پیدا کند. بینایی چنین فردی هم کامل و بی نقص نخواهد بود اما این فناوری نسبت به زمانی که در دهه 70 شروع به کار کرد، پیشرفتهای قابل توجهی پیدا کرده است. Jens Naumann شخصی بود که ایمپلنت نسل دوم را دریافت کرد. او قبل از این کاملاً نابینا بود اما حالا میتواند به صورت مستقل در متروی شهر نیویورک گشت و گذار کند و حتی در محوطه پارکینگ رانندگی کند (منبع: CBC News). از نظر تحقق فناوریهایی که در داستانهای علمی تخیلی مشاهده میکردیم، ترمینالهایی که این دوربینها را به مغز Naumann متصل میکنند شبیه به همان چیزیست که مهندس نابینای فیلم جنگ ستارگان یعنی Geordi La Forge استفاده میکرد و هر دوی آنها در اصل از یک فناوری استفاده میکنند. اما Naumann قادر به دیدن بخشهای نامرئی طیف الکترومغناطیس نیست!
در ادامه به بررسی محدودیتهای رابطهای مغز و کامپیوتر پرداخته و یکسری از ابتکارات جالب توجه در این حوزه را مرور میکنیم.
کنترل افکار
وقتی میتوانیم سیگنالهای حسی را به مغز اشخاص ارسال کنیم، آیا این دستاور امکان کنترل ذهن افراد را فراهم میکند و باید نگران آن باشیم؟ پاسخ این سوال منفی است. حتی ارسال یک سیگنال حسی ساده به مغز هم بسیار سخت است. فناوری فعلی قادر به ایجاد سیگنالهای لازم جهت تحریک اشخاص به انجام اقداماتی خاص به صورت ناخودآگاه نیست. بعلاوه، اگر قرار باشد شخصی ذهن شما را کنترل کند اول باید به شما دسترسی پیدا کند و یک عمل جراحی پیچیده برای نصب این الکترودها روی مغز شما انجام دهد که کار سادهای نیست.
محدودیتهای BCI و نوآوریهای این حوزه
گر چه پیش از این به درکی ابتدایی از عملکرد BCI رسیدیم اما هنوز این سیستمها کامل و بی نقص نیستند. این مشکل چند دلیل دارد از جمله:
- مغز انسان فوق العاده پیچیده است. نمیتوان گفت که همه افکار و اعمال حاصل نقل و انتقال ساده سیگنالهای برقی است. حدود 100 میلیارد نرون در مغز انسان وجود دارد (منبع: Greenfield). هر نرون دائماً در حال ارسال و دریافت سیگنال در شبکهای پیچیده از سیگنالهای مختلف است. یکسری فرایند شیمایی هم در این سیستم دخیل هستند که EEG قادر به تشخیص آنها نیست.
- این سیگنال ضعیف است و امکان ایجاد تداخل در آن وجود دارد. EEG قادر است پتانسیلهای ولتاژ ضعیف را ارزیابی کند. کار سادهای مثل پلک زدن شخص میتواند سیگنالهای بسیار قوی تری ایجاد کند. اصلاح و بهبود EEG و ایمپلنتها میتواند در آینده تا حدودی به غلبه بر این مشکل کمک کند اما در حال حاضر سیگنالهای مغزی که توسط فناوری ثبت میشود شبیه به یک اتصال موبایلی ضعیف است.
- تجهیزات مورد استفاده برای این کار چندان قابل حمل نیست. گرچه این تجهیزات نسبت به قبل بهتر شده اند اما بعضی از رابطهای مغز و کامپیوتر نیاز به اتصال سیمی به یکسری تجهیزات دارند و برای اتصالات بی سیم هم شخص باید کامپیوتری سنگین را همراه داشته باشد. مثل هر فناوری انتظار میرود که این تجهیزات هم در آینده به مرور سبک تر و بی سیم تر شوند.
ابتکارات در حوزه رابطهای مغز و کامپیوتر
در حوزه BCI چند شرکت پیشگام هستند که اکثر آنها هنوز در مرحله تحقیق قرار دارند اما چند محصول تجاری در این حوزه طراحی و ارائه شده است.
- Neural Signals در حال طراحی فناوری است که میتواند قدرت تکلم را برگرداند. ایمپلنتی در بخشی از مغز که به توانایی گفتار ارتباط دارد نصب میشود (ناحیه بروکا) و سیگنالها را به یک کامپیوتر و بعد به یک اسپیکر ارسال میکند. شخص پس از آموزش دیدن میتواند یاد بگیرید که به 39 پدیده به زبان انگلیسی فکر کند و از طریق کامپیوتر و اسپیکر عمل تکلم را بازسازی کند.
- ناسا هم یک سیستم مشابه طراحی کرده هر چند این سیستم به جای مغز، سیگنالهای الکتریکی را از اعصاب ناحیه زبان و گلو دریافت میکند. این سیستم موفق شده با تایپ کردن ذهنی کلمه NASA در گوگل، یک جستجوی اینترنتی انجام دهد (منبع: New Scientist).
- شرکت Cyberkinetics در حال بازاریابی و تبلیغ سیستم BrainGate است. این سیستم یک رابط کاربری عصبی است که به اشخاص کم توان امکان میدهد یک ویلچر، یک پروتز رباتی یا اشاره گر کامپیوتر را جابجا کند.
- محققان ژاپنی یک سیستم BCI ابتدایی طراحی کرده اند که به کاربر امکان میدهد شخصیت خودش در بازی آنلاین Second Life را کنترل کند (منبع: Ars Technica).