A leading brain-to-text method was mostly using word timing, not brain activityیکی از روش‌های پیشرو در تبدیل مغز به متن، بیشتر بر زمان‌بندی کلمات تکیه داشت، نه فعالیت مغزی

Why it matters

People who lose the ability to speak could one day use a cap of sensors on the head to turn their words into text. That makes it important to know whether such systems really use brain activity. Here the authors show that one widely copied method was largely counting the gap between words, because longer words take longer to say. When they removed that shortcut and decoded each word on its own, repeating the same word five times and adding an ordinary language program brought errors down to about 37 percent of words on a small set of hospital phrases. That is still far from usable, and the volunteers were only listening to speech, not trying to speak, so this is a research step rather than a working device.کسانی که توانایی صحبت کردن را از دست داده‌اند، ممکن است روزی بتوانند با یک کلاه حسگر روی سر، کلماتشان را به متن تبدیل کنند. به همین دلیل مهم است بدانیم آیا چنین سیستم‌هایی واقعاً از فعالیت مغزی استفاده می‌کنند یا نه. در این مطالعه، نویسندگان نشان می‌دهند که یکی از روش‌های پرکاربرد و پرتقلید، در عمل بیشتر فاصلهٔ زمانی بین کلمات را می‌شمرد، چون ادای کلمات طولانی‌تر زمان بیشتری می‌برد. وقتی این میانبر را حذف کردند و هر کلمه را به‌طور مستقل کدگذاری کردند، با تکرار هر کلمه 5 بار و افزودن یک برنامهٔ زبانی معمولی، میزان خطا به حدود 37 percent کلمات در یک مجموعهٔ کوچک از عبارات بیمارستانی کاهش یافت. این هنوز فاصلهٔ زیادی تا کاربردی‌شدن دارد، و از آنجا که داوطلبان فقط به گفتار گوش می‌دادند و تلاشی برای صحبت کردن نمی‌کردند، این یک گام پژوهشی است، نه یک دستگاه کاربردی.