เมื่อวันที่ 29 สิงหาคมที่ผ่านมา Neuralink ของ Elon Musk ได้รับความสนใจเป็นอย่างมากในด้านของอินเทอร์เฟซสมอง-เครื่องจักร (BMI) อย่างไรก็ตาม ชิปฟิล์มบางขนาดเล็กรุ่นใหม่จากสวิตเซอร์แลนด์ได้เข้ามาบดบัง Neuralink ไปแล้ว โดยไม่เพียงมีขนาดเล็กลงเท่านั้น แต่ยังมีประสิทธิภาพที่เหนือกว่าอีกด้วย

ชิปที่พัฒนาโดยนักวิจัยจาก école Polytechnique Fédérale de Lausanne (EPFL) ถือเป็นความก้าวหน้าครั้งสำคัญในสาขาการเชื่อมต่อสมองกับเครื่องจักร (BMI) BMI คือเทคโนโลยีที่สามารถอ่านกิจกรรมของสมองและแปลงเป็นผลลัพธ์ในโลกแห่งความเป็นจริง เช่น ข้อความบนหน้าจอ ชิปที่มีชื่อว่า Micromachine Brain Interface (MiBMI) มีขนาดกะทัดรัดเป็นพิเศษ ประกอบด้วยชิปบาง 8 ชิ้นที่มีพื้นที่รวมเพียง XNUMX ตารางมิลลิเมตรในทางตรงกันข้าม อุปกรณ์ Neuralink ของ Elon Musk มีขนาดใหญ่กว่า โดยวัดได้ประมาณ 23 x 8 มิลลิเมตร

นอกจากนี้ชิป EPFL มีการใช้พลังงานต่ำมาก ลดการรบกวน และเป็นระบบที่บูรณาการอย่างสมบูรณ์ที่สามารถประมวลผลข้อมูลแบบเรียลไทม์ซึ่งแตกต่างจาก Neuralink ที่ต้องฝังอิเล็กโทรด 64 อันไว้ในสมองและประมวลผลข้อมูลผ่านแอปพลิเคชันอุปกรณ์ภายนอก

มาห์ซา ชอรัน หัวหน้าห้องปฏิบัติการเทคโนโลยีประสาทแบบบูรณาการของ EPFL กล่าวว่า “MiBMI ช่วยให้เราสามารถแปลงกิจกรรมทางสมองที่ซับซ้อนเป็นข้อความที่อ่านได้ด้วยความแม่นยำสูงและใช้พลังงานต่ำ ความก้าวหน้าครั้งนี้ทำให้เราเข้าใกล้โซลูชันที่ปลูกถ่ายได้จริงมากขึ้น ซึ่งสามารถปรับปรุงความสามารถในการสื่อสารของผู้ที่มีความบกพร่องทางการเคลื่อนไหวอย่างรุนแรงได้อย่างมีนัยสำคัญ”

เช่นเดียวกับดัชนีมวลกายอื่นๆ MiBMI จะตรวจสอบกิจกรรมไฟฟ้าในสมองและแปลงเป็นเอาต์พุตตามข้อมูลการตรวจสอบสมองในอดีต MiBMI สามารถอ่านสัญญาณสมองที่เกิดขึ้นเมื่อมีคนจินตนาการถึงการวาดตัวอักษรและแปลงสัญญาณเหล่านี้เป็นข้อความ

ตามข้อมูลของ IT Home ชิป MiBMI ยังไม่ได้รับการทดสอบกับผู้ทดลองจริง แต่มีอัตราความแม่นยำในการแปลงกิจกรรมประสาทเป็นข้อความจริงถึง 91%โดยใช้การบันทึกข้อมูลประสาทแบบเรียลไทม์ที่รวบรวมจากการทดสอบอินเทอร์เฟซสมองครั้งก่อนเพื่อการฝึกอบรม

ในระหว่างการวิจัย นักวิทยาศาสตร์ EPFL ได้ระบุเครื่องหมายทางประสาทเฉพาะชุดหนึ่งที่กระตุ้นเมื่อผู้ป่วยจินตนาการถึงการเขียนแต่ละตัวอักษร เครื่องหมายเหล่านี้เรียกว่า "รหัสประสาทเฉพาะ" (DNC)

ปัจจุบัน MiBMI สามารถถอดรหัสอักขระที่แตกต่างกันได้ 31 ตัว ซึ่งนักวิจัยอ้างว่าเป็นสถิติใหม่สำหรับระบบบูรณาการประเภทนี้ พวกเขาเชื่อว่าในที่สุดระบบนี้อาจถอดรหัสอักขระที่แตกต่างกันได้มากถึง 100 ตัว

นอกจากนี้ นักวิจัยยังกำลังศึกษาการใช้งานระบบอื่นๆ ที่อาจขยายออกไปนอกเหนือจากการประมวลผลข้อความ การศึกษาที่เกี่ยวข้องได้รับการตีพิมพ์ในนิตยสาร IEEE Solid-State Circuits ฉบับล่าสุด