در سال ۲۰۱۷، فیسبوک اعلام کرد که حداقل ۶۰ مهندس را برای ساخت واسط مغز و رایانه به کار گماشته است. هدف این پروژه امکان برقراری ارتباط کاربران با کامپیوتر و موبایل با سرعت حداقل ۱۰۰ کلمه بر ساعت بود، این سرعت بسیار بیشتر از سرعت تایپ با تلفن همراه است.
در ماه جولای گذشته، پژوهشگران مورد حمایت فیسبوک در دانشگاه سان فرانسیسکو کالیفرنیا یافته‌های مطالعه‌ی خود را منتشر کردند که نشان می‌داد می‌توان از واسط مغز و رایانه برای رمزگشایی صحبت به صورت بلادرنگ استفاده کرد، حداقل صحبت به صورت طیف محدودی از پاسخ‌ها به سوالات. این پژوهش از الکترودهای ایمپلنت شده استفاده کرده است.
در همان ماه، فیسبوک پستی را منتشر کرد که کمی درباره‌ی رویکرد آن به تکنولوژی غیرتهاجمی واسط مغز و رایانه توضیح می‌داد. این پست دستگاهی را توصیف کرد که نور فروسرخ نزدیک را به جمجمه می‌تاباند و برای سنجش اکسیژناسیون گروهی از سلول‌های مغزی از تغییرات جذب نور توسط بافت مغز استفاده می‌کند.
در این پست وبلاگ نوشته شده:
به اکسیمتر پالس فکر کنید، سنسوری کلیپ مانند با نور قرمز درخشان که احتمالا شما در مطب دکتر به انگشت اشاره‌ی خود متصل کرده‌اید. همانطور که آن می‌تواند از طریق انگشت شما میزان اشباع اکسیژن را بسنجد، ما نیز می‌توانیم از نور فروسرخ نزدیک استفاده کنیم تا اکسیژناسیون خون در مغز را از خارج از بدن به صورت غیرتهاجمی بسنجیم. با اینکه سنجش اکسیژناسیون ممکن است هیچگاه به ما اجازه‌ی رمزگشایی جملات متصور را ندهد، توانایی تشخیص حتی تعداد کمی از دستورات متصور مانند “خانه”، “انتخاب کردن”، و “پاک کردن” می‌تواند راه‌های کاملا نوینی برای تعامل با سیستم‌های واقعیت مجازی امروز و عینک‌های هوش مصنوعی فردا ارائه کند.
از آن زمان این کمپانی خیلی در مورد پروژه صحبت نکرده، تا ماه جاری، زمانی که مارک چویلت، مدیر پژوهشی آزمایشگاه‌های رئالیتی فیسبوک و رهبر پروژه‌ی واسط مغز و رایانه، در کنفرانس تکنولوژی پوشیدنی، سلامت دیجیتال و نورو تکنولوژی اَپلای‌سای سیلیکون وَلی اطلاعات به روزی را ارائه کرد.
این تیم طراحی سخت افزار جدیدی را در نظر دارد که رو به پایان است. البته این به هیچ عنوان نسخه‌ی نهایی نیست اما چویلت می‌گوید نسبت به نمونهی اولیه‌ی واسط کاربری نوری که به دست گروه پژوهشی در دانشگاه واشینگتون در سینت لوییز ساخته شده، این مورد بسیار کاربردی تر است. آن سیستم بزرگ، گران قیمت و کاملا پوشیدنی نبود. اما پژوهشگران فیسبوک با استفاده از اجزاء ارزان قیمت‌تر و چند الکترونیک سفارشی، نسخه‌ی ارزان تر و پوشیدنی آن را توسعه دادند. این کیت پژوهشی که در پست جولای نشان داده شد، فعلا برای تایید حساسیت برابر با دستگاه بزرگتر، در حال آزمایش است.
در همین حال پژوهشگران تلاش خود را روی سرعت و کاهش نویز متمرکز کرده اند.
چویلت می‌گوید: “ما پاسخ همودینامیک را می‌سنجیم که پنج ثانبه بعد از سیگنال مغزی پیک دارد.” سیستم فعلی پاسخ در پیک را شناسایی می‌کند که برای واسط مغز و کامپیوتر واقعا سودمند بسیار کند است. وی ادامه می‌دهد: “اگر بتوانیم سیگنال را بالا برده و نویز را پایین بیاوریم، می‌توانیم آن را زودتر شناسایی کنیم، حتی پیش از پیک.”
چویلت می‌گوید هدست جدید به این کار کمک می‌کند، چراکه بزرگترین منبع نویز حرکت است. هدست کوچکتر محکم روی سر می‌ماند، بنابراین نسبت به دستگاه پژوهشی بزرگتر، جا به جایی کمتری روی سر دارد.
این تیم همچنین در نظر دارد اندازه‌ی فیبرهای نوری که سیگنال را جمع آوری می‌کنند را بزرگتر کند تا فوتون‌های بیشتری را شناسایی کنند.
تیم موفق شده سیستمی را بسازد و تست کند که برای کاهش نویز از حوزه‌های زمانی استفاده می‌کند. چویلت می‌گوید تیم با ارسال پالس‌های نور به جای نور پیوسته امیدوار است بتواند میان فوتون‌هایی که تنها قبل از بازتاب نویز از جمجمه عبور می‌کنند و آن‌هایی که واقعا به بافت مغز می‌رسند تمایز قائل شود. “امیدواریم به یافته‌هایی برسیم که بتوانیم در سال جاری گزارش کنیم.”
راه دیگر برای بهبود نسبت سیگنال به نویز دستگاه افزایش کنتراست است. شما ضرورتا نمی‌توانید روشنایی نور را افزایش دهید، نور بایستی کمتر از سطح ایمن برای بافت مغز باقی بماند. اما این تیم می‌تواند تعداد پیکسل را در آرایه‌ی فوتوشناساگر افزایش دهد. چویلت می‌گوید: “ما در حال تست آرایه‌ی شناساگر تک فوتونی ۳۲ پیکسلی هستیم تا ببینیم آیا افزایش نسبت سیگنال به نویز امکان پذیر است یا خیر. نتایج را متعاقبا در سال جاری اعلام خواهیم کرد.” اما وی ادامه می‌دهد “حتی با تلاش‌های ما برای دستیابی به سیگنال بهتر، باز هم نویز دارد.”
به همین دلیل است که چویلت توضیح می‌دهد که کمپانی روی شناسایی تلاش‌های ذهنی متمرکز است که تولید گفتار را انجام می‌دهند، در واقع افکار تصادفی را نمی‌خواند. “ما می‌توانیم از سیگنال‌های پر نویز با الگوریتم‌های گفتاری استفاده کنیم، چراکه ما الگوریتم‌های گفتار را از تعداد بسیار زیادی صوت به دست آورده‌ایم و می‌توانیم آن را انتقال دهیم.”
روزبه غفاری، پژوهشگر زیست پزشکی دانشگاه نورث وسترن و مدیرعامل اپیکور بیوسیستمز می‌گوید این رویکرد برای واسط ذهن و کامپیوتر جذاب است اما پیش بردن آن آسان نیست. “قطعا راه‌هایی برای نسبت دادن شلیک نورون‌ها به تغییرات سطح اکسیژناسیون محلی وجود دارد اما این تغییرات که فعالیت عصبی را مشخص می‌کند، بسیار محلی هستند. توانایی تشخیص این تغییرات محلی در فعالیت‌های گفتاری، از سطح پوست بر پایه‌ای چرخه به چرخه بسیار چالش بر انگیز است.”