Δυσλεξία: Το NeuroAI του EPFL διεξάγει μια πρωτοποριακή μελέτη

Το πιο σημαντικό ίσως εύρημα είναι ότι η τεχνολογία αρχίζει πλέον να μην περιορίζεται στο να “μιμείται” τον άνθρωπο, αλλά να τον βοηθά να κατανοήσει καλύτερα τον ίδιο του τον εγκέφαλο σε φαινόμενα όπως η δυσλεξία.

Μια νέα ερευνητική προσέγγιση από το Εργαστήριο NeuroAI του EPFL ανοίγει ένα εντελώς διαφορετικό παράθυρο στην δυσλεξία, χρησιμοποιώντας μοντέλα τεχνητής νοημοσύνης που συνδυάζουν όραση και γλώσσα. Για πρώτη φορά, οι επιστήμονες κατάφεραν να δημιουργήσουν ένα υπολογιστικό “ψηφιακό αντίγραφο” λειτουργιών που προσομοιώνει πτυχές της δυσλεξίας, προσφέροντας μια νέα προοπτική για τη μελέτη και πιθανώς τη μελλοντική αντιμετώπιση της διαταραχής.5 disleitourgikes sinitheies anaptissoun zevgaria diskolevoun sindesi

Η Δυσλεξία αποτελεί μία από τις πιο συχνές μαθησιακές δυσκολίες παγκοσμίως, επηρεάζοντας περίπου έως και το 20% του πληθυσμού. Χαρακτηρίζεται από δυσκολίες στην ανάγνωση, την ορθογραφία και τη γραφή, χωρίς να σχετίζεται απαραίτητα με τη νοημοσύνη. Παρότι η επιστήμη έχει προχωρήσει σημαντικά στην κατανόηση της, οι μηχανισμοί που τη δημιουργούν παραμένουν εν μέρει ασαφείς.

Από τη νευροεπιστήμη στην τεχνητή νοημοσύνη

Μέχρι σήμερα, η μελέτη της δυσλεξίας βασιζόταν κυρίως σε μεθόδους συμπεριφοράς και νευροαπεικόνισης. Αυτές οι τεχνικές έχουν δώσει πολύτιμες πληροφορίες, αλλά δεν επιτρέπουν στους επιστήμονες να “παρεμβαίνουν” στα εγκεφαλικά κυκλώματα για να δουν τι ακριβώς αλλάζει τη λειτουργία της ανάγνωσης.

Εδώ ακριβώς εισέρχεται η τεχνητή νοημοσύνη. Οι ερευνητές του EPFL χρησιμοποίησαν Μοντέλα Οπτικής Γλώσσας (Vision-Language Models), τα οποία μπορούν να επεξεργάζονται ταυτόχρονα εικόνες και κείμενο, προσομοιώνοντας έτσι τη διαδικασία από την οπτική αναγνώριση λέξεων έως την κατανόηση του νοήματος.

Η προσέγγιση αυτή βασίζεται σε αρχές της Νευροεπιστήμης, καθώς επιχειρεί να μιμηθεί τον τρόπο με τον οποίο ο ανθρώπινος εγκέφαλος επεξεργάζεται τη γραπτή γλώσσα.

Ο “ψηφιακός εγκέφαλος” και τα πειράματα

Στη μελέτη, οι ερευνητές εντόπισαν περιοχές του μοντέλου που αντιδρούν έντονα στις γραπτές λέξεις, αντίστοιχα με τις οπτικές περιοχές του ανθρώπινου εγκεφάλου. Στη συνέχεια, απενεργοποίησαν επιλεκτικά αυτές τις “μονάδες επεξεργασίας” για να παρατηρήσουν τι συμβαίνει.

Το αποτέλεσμα ήταν εντυπωσιακό: το μοντέλο παρουσίασε δυσκολίες στην ανάγνωση, ενώ η γενική του ικανότητα να αναγνωρίζει εικόνες και να κατανοεί γλώσσα παρέμεινε σε μεγάλο βαθμό λειτουργική. Αυτή η συμπεριφορά θυμίζει χαρακτηριστικά της δυσλεξίας, όπου η ανάγνωση επηρεάζεται, αλλά άλλες γνωστικές λειτουργίες παραμένουν ανέπαφες.

Οι ερευνητές περιγράφουν αυτό το σύστημα ως ένα είδος “ψηφιακού διδύμου” του εγκεφάλου, που επιτρέπει πειραματικές παρεμβάσεις που δεν είναι εφικτές στον άνθρωπο.

Τι αποκαλύπτει η έρευνα για τη δυσλεξία

Ένα από τα πιο σημαντικά ευρήματα είναι ότι η τεχνητή νοημοσύνη δεν απλώς μιμείται τη συμπεριφορά, αλλά παρουσιάζει δομικές ομοιότητες με τον τρόπο που λειτουργεί ο ανθρώπινος εγκέφαλος. Αυτό ενισχύει την ιδέα ότι η δυσλεξία μπορεί να σχετίζεται με συγκεκριμένες λειτουργικές “διαταραχές” σε δίκτυα επεξεργασίας της γλώσσας.

Η έρευνα επίσης δοκίμασε διαφορετικές γραμματοσειρές και διαπίστωσε ότι το μοντέλο είχε καλύτερη απόδοση με γραμματοσειρές που έχουν σχεδιαστεί ειδικά για άτομα με δυσλεξία, ενώ δυσκολεύτηκε με πιο “κλασικές” μορφές κειμένου. Αυτό ανοίγει τον δρόμο για τη δημιουργία πιο προσβάσιμων μορφών γραφής.

Ένα νέο εργαλείο για τη μελέτη εγκεφαλικών διαταραχών

Η σημασία της μελέτης δεν περιορίζεται στη δυσλεξία. Οι ερευνητές υποστηρίζουν ότι το ίδιο υπολογιστικό πλαίσιο μπορεί να χρησιμοποιηθεί για τη μελέτη και άλλων νευρολογικών και ψυχικών καταστάσεων, όπως οπτικές ψευδαισθήσεις, η νόσος του Πάρκινσον και η κατάθλιψη.

Η δυνατότητα να “τροποποιούνται” συγκεκριμένες λειτουργίες ενός τεχνητού εγκεφάλου προσφέρει ένα εργαλείο που μέχρι σήμερα ήταν αδύνατο στην κλασική ιατρική έρευνα.

Προοπτικές και προκλήσεις

Παρότι τα αποτελέσματα είναι ενθαρρυντικά, οι ερευνητές τονίζουν ότι η τεχνητή νοημοσύνη δεν αντικαθιστά την κλινική ιατρική. Αντίθετα, λειτουργεί συμπληρωματικά, προσφέροντας ένα νέο επίπεδο κατανόησης των εγκεφαλικών μηχανισμών.

Η Τεχνητή Νοημοσύνη εξελίσσεται πλέον σε εργαλείο που δεν περιορίζεται στην ανάλυση δεδομένων, αλλά μπορεί να συμβάλει ενεργά στη μοντελοποίηση πολύπλοκων ανθρώπινων λειτουργιών.

disleksia e1693379063355

Η μελέτη του EPFL αποτελεί ένα σημαντικό βήμα προς τη γεφύρωση της νευροεπιστήμης και της τεχνητής νοημοσύνης. Η δυνατότητα προσομοίωσης της δυσλεξίας σε ένα ψηφιακό σύστημα δεν προσφέρει μόνο καλύτερη κατανόηση της διαταραχής, αλλά και νέες προοπτικές για εξατομικευμένες θεραπείες και εκπαιδευτικές παρεμβάσεις.

Το πιο σημαντικό ίσως εύρημα είναι ότι η τεχνολογία αρχίζει πλέον να μην περιορίζεται στο να “μιμείται” τον άνθρωπο, αλλά να τον βοηθά να κατανοήσει καλύτερα τον ίδιο του τον εγκέφαλο.

Συντάκτης

Δείτε Επίσης

Τελευταία άρθρα