طور باحثون من جامعة كاليفورنيا (UCLA) الأمريكية نظام واجهة دماغ وحاسوب غير جراحي، مدعوم بالذكاء الاصطناعي، يتيح للمستخدمين التحكم في ذراع روبوتية أو مؤشر شاشة بسرعة ودقة عالية.
ويعمل النظام على تحويل إشارات الدماغ المسجلة بتقنية تخطيط النشاط الكهربائي للدماغ (EEG) إلى أوامر حركية، مع كاميرا مدمجة مدعومة بالذكاء الاصطناعي تفسر نوايا المستخدم لحظيا.
أجرى الباحثون دراسة لاختبار النظام، حيث تمكن المشاركون، بمن فيهم شخص مصاب بالشلل، من إنجاز المهمات بسرعة أكبر بكثير مقارنة بالاعتماد على واجهة الدماغ والحاسوب وحدها، وأتموا أنشطة كان من الصعب تنفيذها بدون دعم الذكاء الاصطناعي.
ونشرت نتائج الدراسة في مجلة Nature Machine Intelligence، وأظهرت مستوى جديدا من الأداء في أنظمة واجهات الدماغ والحاسوب غير الجراحية.
وصمم الفريق خوارزميات مخصصة لفك إشارات النشاط الكهربائي للدماغ (EEG) التي تعكس نية الحركة، ودمجها في منصة ذكاء اصطناعي تعتمد على الكاميرا لتفسير اتجاه الحركة لحظيا، مما ساعد المصابين بالشلل ومن يعانون مشكلات حركية في أداء المهمات بسرعة أكبر.
وقال جوناثان كاو الباحث الرئيسي في الدراسة، وأستاذ الهندسة الكهربائية وهندسة الحاسوب: «باستخدام الذكاء الاصطناعي وواجهات الدماغ والحاسوب، نطمح إلى تطوير طرق أقل خطورة وتدخلا لمساعدة مرضى الاضطرابات الحركية مثل الشلل أو التصلب الجانبي الضموري (ALS)، وهدفنا تطوير أنظمة تساعد هؤلاء المرضى على استعادة استقلاليتهم في مهامهم اليومية».
كما اختبر الباحثون النظام على أربعة مشاركين: ثلاثة أصحاء ورابع مصاب بالشلل من الجزء السفلي من الجسم، وارتدى المشاركون قبعة خاصة لقياس النشاط الكهربائي للدماغ لتسجيل الإشارات EEG.
وترجمت الخوارزميات هذه الإشارات إلى حركات للمؤشر والذراع الروبوتية، بينما ساعد نظام الذكاء الاصطناعي المزود بالكاميرا في توجيه الحركات لإتمام مهمتين رئيسيتين، هما تحريك مؤشر الشاشة لإصابة ثمانية أهداف متتالية وتشغيل الذراع الروبوتية لنقل أربعة مكعبات من مواقعها الأصلية إلى مواقع محددة.
ونجح المشاركون في إنجاز المهمتين بسرعة أكبر بمساعدة الذكاء الاصطناعي، وكان أبرزهم المشارك المصاب بالشلل الذي أكمل مهمة الذراع الروبوتية في نحو ست دقائق، ولم يتمكن من إتمامها من دونه.
وأشار يوهانس لي، المؤلف المشارك وطالب الدكتوراه في الهندسة الكهربائية والحاسوب، إلى أن الخطوات القادمة تشمل تطوير أنظمة أكثر تقدما لتحريك الأذرع الروبوتية بسرعة ودقة أعلى، مع تكييف طريقة اللمس بحسب طبيعة الجسم المراد الإمساك به، وجمع بيانات تدريبية أوسع لتحسين التعاون في مهام أعقد وتعزيز دقة فك إشارات EEG.
