فرادید؛ باز تولید آواز پرندگان، با بررسی فعالیت مغزی آنها، امکان پذیر است. محققان توانسته‌اند آواز‌های پیچیده‌ی مرغ آوازخوان را به فرکانس‌ها و در نهایت به صورت صدای اصلی بازتولید کنند.
به گزارش فرادید؛ این تحقیق که در مجله زیست شناسی فعلی منتشر شده که پایه و اساس ساختن پروتز‌های صوتی را برای افرادی که توانایی گفتار را از دست داده‌اند، ایجاد می‌کند.
تیموتی جنتنر، نویسنده ارشد، استاد روانشناسی و مغز و اعصاب در UC سن دیگو می‌گوید: "وضعیت فعلی هنر در پروتز‌های ارتباطی دستگاه‌های قابل کاشت است که به شما امکان می‌دهد تا متن را با نوشتن حداکثر 20 کلمه در دقیقه تولید کنید. حال پروتز صوتی را تصور کنید که به شما امکان می‌دهد به طور طبیعی با قدرت گفتار ارتباط برقرار کنید و تقریباً همانطور که فکر می‌کنید با صدای بلند آنچه را که فکر می‌کنید بیان کند. این هدف نهایی ما است و مرز بعدی بهبود عملکرد است. "
رویکردی که جنتنر و همکارانش از آن استفاده می‌کنند شامل پرندگان آوازخوانی مانند مرغ جولای استرالیایی (فنچ گورخری) است. ارتباط با پروتز‌های صوتی برای انسان ممکن است آسان نباشد، اما در حقیقت آواز‌های پرنده‌ی آوازخوان از جهات مختلف به گفتار انسان شبیه است. آنها پیچیده، اما رفتار‌های قابل فهم هستند.
ویکاش گیلجا، استاد مهندسی برق و کامپیوتر در UC سن دیگو که یکی از نویسندگان این مقاله است، می‌گوید: "در ذهن بسیاری از افراد، رفتن از مدل پرنده آوازخوان به سیستمی که در نهایت به انسان تبدیل خواهد شد، یک جهش بسیار بزرگ تکاملی است. با این حال، این مدلی‌ست که رفتار پیچیده‌ای به ما می‌دهد که در مدل‌های معمولی پستانداران که معمولاً برای تحقیقات پروتز عصبی استفاده می‌شوند، به آن دسترسی نداریم."
این تحقیق یک تلاش مشترک بین مهندسان و دانشمندان علوم اعصاب در UC سن دیگو و آزمایشگاه‌های Gilja و Gentner است برای توسعه فناوری‌های ضبط عصبی و استراتژی‌های رمزگشایی عصبی که از مهارت هر دو تیم در آزمایشات عصبی و رفتاری استفاده می‌کنند.
این تیم الکترود‌های سیلیکونی را در فنچ گورخری نر بالغ کاشت و فعالیت عصبی پرندگان را هنگام آواز خواندن کنترل کرد. به طور خاص، آنها فعالیت الکتریکی جمعیت‌های متعددی از سلول‌های عصبی را در قسمت حسی-حرکتی مغز ثبت کردند که در نهایت عضلات مسئول آواز را کنترل می‌کند.
محققان ضبط‌های عصبی را در الگوریتم‌های یادگیری ماشین تغذیه کردند. ایده این بود که این الگوریتم‌ها فقط بر اساس فعالیت عصبی پرندگان قادر به ساختن کپی کامپیوتری از آهنگ‌های واقعی فنچ گورخری هستند. اما ترجمه الگو‌های فعالیت عصبی به الگو‌های اصوات کار ساده‌ای نیست.
گنتنر، عضو این گروه تحقیقاتی می‌گوید: "الگو‌های عصبی صوتی بسیار زیادی وجود دارد که می‌توان یک راه حل واحد برای نحوه مستقیم نقشه برداری از یک سیگنال بر روی دیگری پیدا کرد."
برای رسیدن به این موفقیت، تیم از نمایش‌های ساده‌ای از الگوی آوازی پرندگان استفاده کرد. این‌ها اساساً معادلات ریاضیاتی هستند که تغییرات فیزیکی - یعنی تغییرات فشار و کشش - را که در اندام صوتی فنچ‌ها، هنگام آواز خواندن رخ می‌دهد، مدلسازی می‌کنند. محققان سپس الگوریتم‌های خود را آموزش دادند تا فعالیت عصبی را مستقیماً با این نمایش‌ها ترسیم کنند.
محققان می‌گویند، این روش کارآمدتر از نیاز به ترسیم فعالیت عصبی با آهنگ واقعی است. گیلجا می‌گوید: "با داشتن این نمایش ساده از رفتار صوتی پیچیده پرندگان، سیستم ما می‌تواند نگاشت‌هایی را بیاموزد که قوی‌تر هستند و برای طیف وسیعی از شرایط و رفتارها قابل تعمیم‌اند."
گام بعدی این تیم این است که نشان دهد سیستم آنها می‌تواند آواز پرندگان را از فعالیت عصبی در زمان واقعی بازسازی کند.
بخشی از چالش این است که تولید آواز پرندگان آوازخوان، مانند انسان، نه تنها شامل خروجی صدا بلکه نظارت مداوم بر محیط و بر بازخورد است. به عنوان مثال اگر هدفون را روی گوش انسان قرار دهید و وقتی صدای خود را می‌شنوند تأخیر ایجاد کنید و فقط بازخورد زمانی را مختل می‌کنید، انسان شروع به لکنت می‌کند. پرندگان نیز همین کار را می‌کنند. آنها در حال گوش دادن به آهنگ خود هستند.
جنتنر اینگونه توضیح می‌دهد که پرندگان تنظیماتی را بر اساس آنچه که خودشان از آواز خود شنیده‌اند و آنچه که امیدوارند بعد بخوانند تنظیم می‌کنند. یک پروتز صوتی موفق در نهایت باید بر روی مقیاس زمانی کار کند که به همان نسبت سریع باشد و همچنین به اندازه کافی پیچیده باشد که بتواند کل حلقه بازخورد را شامل شود، از جمله ایجاد تنظیمات برای خطاها.
جنتنر می‌گوید "با تلاش ما، که ثمره‌ی 40 سال تحقیق در مورد پرندگان است، می‌توان برای ساخت پروتز‌های گفتاری برای انسان اقدام کنیم. دستگاهی که شاید نتواند سیگنال‌های مغزی فرد را به مجموعه‌ای ابتدایی از کلمات کامل تبدیل کند، اما به او این توانایی را می‌دهد که هر صدایی را تولید کنند و در نتیجه هر کلمه‌ای را. "
منبع: UC San Diego
