Endofaziya (yoki „sukunat nutqi“, „yashirin nutq“, „ichki nutq“ yoki lotin tilidagi terminologiyada „endophasia“) – nutq faoiiyatining ovozsiz turi. Bu ovozsiz shaklda fikr yuritishdir: inson oʻz ovozini sukutda eshitishi, lablar, til yoki qoʻllar kabi harakatlar qilmasdan[1]. Mantiqan, tasavvur qilinadigan nutq til paydo boʻlganidan beri mavjud boʻlishi mumkin, ammo bu vaziyat asosan signalni qayta ishlash va miya faoliyatini oʻlchash maʼlumotlari orqali oʻrganish bilan bogʻliq[2]. Shuningdek, boshqa zarar bermaydigan miyaning-kompyuter[3][4] interfeysi qurilmalari orqali olingan maʼlumotlar ham bu jarayonni oʻrganishda muhim rol oʻynaydi[5].

Tarixi

tahrir

2008 yilda AQSh Mudofaa Rivojlantirish Agentligi (DARPA) Kaliforniya Universitetiga (Irvine) 4 million dollar grant berdi, bu sunʼiy telepatiya uchun asos yaratish maqsadida amalga oshirildi. DARPA maʼlumotlariga koʻra, loyiha „battalyonda foydalanuvchidan-foydalanuvchiga aloqa qilish imkonini beradi, bunda nutqni ogʻzaki ifoda etmasdan, asabiy signallarni tahlil qilish orqali amalga oshiriladi. Miyaning soʻzga xos signallari ovoz simlariga elektr impulslarini yuborishdan oldin paydo boʻladi. Ushbu tasavvur qilingan nutq signallari tahlil qilinib, aniq soʻzlarga tarjima qilinishi mumkin, bu esa yashirin shaxsdan-shaxsga aloqa qilish imkonini beradi.“ Andrea Moro oʻzining „Haqiqatdan uzoq tillar“(2016) asarida „fikrlarning ovozi“ va til birligi bilan tasavvur qilingan nutq oʻrtasidagi munosabatni muhokama qiladi, asosan Magrassi va boshqalar (2015)

DARPA dasturining uchta asosiy maqsadi bor:

Har bir soʻzga xos (elektroensefalografiya) shakllarini aniqlashga urinish.

Ushbu shakllar turli foydalanuvchilar oʻrtasida umumiy boʻlishini taʼminlash, shunda keng qamrovli qurilma oʻrgatish zarurati boʻlmasin.

Signalni dekodlash va cheklangan masofada uzatadigan namunani yaratish.

Aniqlash usullari

tahrir

Shaxslarning sukutli nutqini tahlil qilish jarayoni quyidagilardan iborat: avvalo, subyektlarning miyada toʻlqinlarini yozib olish, soʻngra kompyuter yordamida maʼlumotlarni qayta ishlash va subyektlarning yashirin nutqining mazmunini aniqlash.

Yozib olish

tahrir

Subyektning asabiy shakllari (miya toʻlqinlari) BCI qurilmalari yordamida yozib olinishi mumkin; hozirda, zarari yoʻq qurilmalardan, xususan, EEGdan foydalanish tadqiqotchilar uchun zarar beruvchi va qisman zarar beruvchi turlarga nisbatan koʻproq qiziqish uygʻotmoqda. Buning sababi, zarari yoʻq turlar subyekt salomatligiga eng kam xavf tugʻdiradi. EEG esa eng foydalanuvchilarga qulay yondashuvni taklif etadi va funktsional magnit rezonans tomografiyasi kabi boshqa noinvaziv BCI turlariga nisbatan ancha sodda asbob-uskunalarga ega.

Tahlil qilish

tahrir

Zarari boʻlmagan maʼlumotlarni qayta ishlashning birinchi qadami artefaktlarni, masalan, koʻz harakati va qoshni qimirlatish, shuningdek, boshqa elektromiyografik faoliyatni olib tashlashdir. Artefaktlar olib tashlangach, xom maʼlumotlarni tasavvur qilingan nutq mazmuniga tarjima qilish uchun bir qator algoritmlar qoʻllanadi. Qayta ishlash jarayoni shuningdek, haqiqiy vaqt rejimida amalga oshirilishi moʻljallanadi – maʼlumotlar yozib olinayotganda qayta ishlanadi, bu esa subyekt tasavvur qilayotgan mazmunni deyarli bir vaqtda koʻrish imkonini beradi.

Dekodlash

tahrir

Ovoz shaklida fikrlash, kerakli qayta ishlash bilan EEGdan olinishi mumkin boʻlgan aktivatsiya profiliga ega boʻlgan eshitish va til sohalarini jalb qilishi taxmin qilinadi. Maqsad, bu signallarni „inson qanday fikrda“ ekanligini ifodalovchi shablon bilan bogʻlashdir. Masalan, bu shablon fizik jihatdan aytilgan ovozga mos keluvchi ovozli qoplama (energiya) vaqt seriyasi boʻlishi mumkin. EEGdan stimulyatsiyaga bunday chiziqli xarita tuzish asabiy dekodlashning bir misolidir.


Biroq, asosiy muammo, bir xil xabarning turli fizik sharoitlarda (masalan, nutqchi yoki shovqin) koʻplab oʻzgarishlarga ega boʻlishidir. Shuning uchun bir xil EEG signali boʻlishi mumkin, lekin akustik nuqtai nazardan, uni qaysi stimulyatsiyaga bogʻlash aniq emas. Bu esa tegishli dekoderni oʻrgatishni qiyinlashtiradi.

Ushbu jarayonni xabarning yuqori darajali taqdimotlari orqali yondashish mumkin. Bunday taqdimotlarga bogʻlanishlar chiziqsiz boʻlib, sharoitga bogʻliq boʻlishi mumkin, shuning uchun qoʻshimcha tadqiqotlar zarur boʻlishi mumkin. Biroq, „ovozli“ strategiyani saqlab qolish mumkinligi maʼlum – masalan, tinglovchiga qaysi xabar haqida fikr yuritish kerakligini aniq aytib berish orqali, hatto passiv va no-aniq shaklda. Bunday sharoitlarda, tinglovchini ovoz shaklida fikrlashga undasa, nutq xabari akustik qoplamasini asabiy vaqt seriyasidan qisman dekodlash mumkin.

Muammolar

tahrir

Boshqa tasavvur qilingan harakatlarni, masalan, tasavvur qilingan jismoniy harakatlarni aniqlashda, miyaning yarim sharlari oʻrtasida kattaroq faoliyat yuzaga keladi. Ushbu asimmetrik faoliyat subyektning tasavvur qilingan harakatini aniqlashda muhim yordam beradi. Tasavvur qilingan nutqni aniqlashda esa, chap va oʻng yarim sharlarda faoliyat darajalari bir xil ravishda sodir boʻladi. Ushbu lateralizatsiyaning yoʻqligi, bu turdagi asabiy signallarni tahlil qilishda muhim qiyinchiliklarni koʻrsatadi[6].

Yana bir oʻziga xos qiyinchilik – yozib olingan maʼlumotlarda nisbatan past signal-shovqin nisbati (SNR) mavjudligi. SNR maʼlumotlar toʻplamida mavjud boʻlgan maʼlumotli signallarning miqdorini, bir xil toʻplamdagi tasodifiy yoki foydasiz signallar miqdori bilan solishtiradi. EEG maʼlumotlarida mavjud boʻlgan artefaktlar – shovqinning muhim manbalaridan biridir.

Masalani yanada murakkablashtiradigan narsa, EEG elektrodlarining joylashuvi har bir subyekt oʻrtasida farq qiladi. Buning sababi, inson boshining anatomik tafsilotlari farq qiladi; shuning uchun yozib olingan signallar har bir subyektda farqlanadi, shaxsning tasavvur qilingan nutq xususiyatlariga qaramay.

Manbalar

tahrir
  1. Brigham, K.; Vijaya Kumar, B. V.K., „Imagined Speech Classification with EEG Signals for Silent Communication: A Preliminary Investigation into Synthetic Telepathy[sayt ishlamaydi]“, June 2010
  2. Brigham, K.; Vijaya Kumar, B. V.K., „Subject Identification from Electroencephalogram (EEG) Signals During Imagined Speech[sayt ishlamaydi]“, September 2010.
  3. A. Porbadnigk; M. Wester; Schultz, T., „EEG-Based Speech Recognition: Impact of Temporal Effects (Wayback Machine saytida 2012-01-05 sanasida arxivlangan)“, 2009.
  4. Panachakel, Jerrin Thomas; Ramakrishnan, Angarai Ganesan (2021). "Decoding Covert Speech From EEG-A Comprehensive Review" (English). Frontiers in Neuroscience 15: 642251. doi:10.3389/fnins.2021.642251. ISSN 1662-453X. PMID 33994922. PMC 8116487. //www.pubmedcentral.nih.gov/articlerender.fcgi?tool=pmcentrez&artid=8116487. 
  5. Robert Bogue, „Brain-computer interfaces: control by thought (Wayback Machine saytida 2014-07-29 sanasida arxivlangan)“ Industrial Robot, Vol. 37 Iss: 2, pp.126 – 132, 2010
  6. Martin, Stéphanie; Brunner, Peter; Holdgraf, Chris; Heinze, Hans-Jochen; Crone, Nathan E.; Rieger, Jochem; Schalk, Gerwin; Knight, Robert T. et al. (2014-05-27). "Decoding spectrotemporal features of overt and covert speech from the human cortex". Frontiers in Neuroengineering 7: 14. doi:10.3389/fneng.2014.00014. ISSN 1662-6443. PMID 24904404. PMC 4034498. //www.pubmedcentral.nih.gov/articlerender.fcgi?tool=pmcentrez&artid=4034498.