Un team della University of California, Los Angeles (UCLA) ha messo a punto un sistema di interfaccia cervello-computer non invasiva, che si propone come un'ulteriore alternativa alle tante ricerche sul campo. La novità sta nella combinazione di un casco EEG con una piattaforma di intelligenza artificiale capace di interpretare in tempo reale i segnali cerebrali e tradurli in comandi utili a muovere un cursore o addirittura un braccio robotico.
La ricerca, pubblicata su Nature Machine Intelligence, mostra come la tecnologia sia riuscita a superare un limite storico: i sistemi BCI non invasivi, basati su elettroencefalogramma, erano considerati meno affidabili rispetto agli impianti cerebrali chirurgici, molto più rischiosi. Grazie all’AI, che funge da “co-pilota” capace di comprendere l’intento dell’utente, l’esperimento ha registrato risultati sorprendenti.
Durante i test, quattro volontari – tra cui una persona paralizzata – sono stati chiamati a svolgere due compiti: muovere un cursore verso otto obiettivi sullo schermo e completare un esercizio di “pick-and-place” con un braccio robotico, spostando quattro blocchi. Tutti hanno terminato le prove in tempi nettamente inferiori con il supporto dell’AI.
Particolarmente emblematico il caso del partecipante paralizzato: con l’assistenza dell’algoritmo, è riuscito a portare a termine il compito in poco più di sei minuti, un traguardo impossibile senza supporto.
Il principio di base è quello della condivisione del controllo. Non si tratta di un sistema che obbedisce ciecamente a ogni impulso cerebrale, ma di una collaborazione tra la volontà dell’utente e l’interpretazione intelligente dell’AI. Jonathan Kao, responsabile dello studio e docente alla UCLA Samueli School of Engineering, ha spiegato che l’obiettivo a lungo termine è offrire alle persone con paralisi o con patologie neurodegenerative come la SLA strumenti in grado di restituire una forma di autonomia, senza la necessità di ricorrere a interventi chirurgici invasivi.
Gli sviluppatori puntano ora a perfezionare l’algoritmo, affinché il braccio robotico sia in grado di muoversi più rapidamente e con maggiore precisione, adattando la forza in base agli oggetti da afferrare. Secondo Johannes Lee, coautore e dottorando alla UCLA, ampliare il dataset di addestramento permetterà all’AI di gestire compiti più complessi e di migliorare l’accuratezza nella decodifica dei segnali EEG.
Amazon compie 15 anni in Italia e regala 15€ di sconto: le 10 migliori offerte tech