KI-gesteuerte BCI-Technologie ermöglicht Echtzeit-Sprache für Schlaganfallüberlebenden nach 18 Jahren

Forscher der University of California nutzten eine KI-gesteuerte Brain-Computer-Schnittstelle (BCI), um die Gehirnsignale von Anne Johnson in Echtzeit-Sprache umzuwandeln, seitdem sie 2005 nach einem Schlaganfall stumm geworden war. Das System nutzte Technologien, die denen von Geräten wie Alexa und Siri ähneln, und verbesserte ein vorheriges Modell, das eine Verzögerung von acht Sekunden aufwies. 

Forscher der University of California, Berkeley, und der University of California, San Francisco, entwickelt ein maßgeschneidertes Brain-Computer-Schnittstellensystem, das einer 47-jährigen Frau mit Quadschlagfähigkeit die Wiederherstellung natürlicher Sprache ermöglichte. Heute hilft Anne dabei, Forschern an der UC San Francisco und der UC Berkeley, BCI-Technologie zu entwickeln, die es Menschen wie ihr eines Tages ermöglichen könnte, sich natürlicher durch einen digitalen Avatar zu kommunizieren, der Gesichtsausdrücke mit der generierten Sprache abstimmt.

Gopala Anumanchipalli, Assistenzprofessor für Elektrotechnik und Informatik an der UC Berkeley und Co-Autor der am Montag im Journal Nature Neuroscience veröffentlichten Studie, bestätigte, dass das an Ann getestete implantierte Gerät ‚ihren Sprechwillen in flüssige Sätze umwandelte‘. Jonathan Brumberg vom Speech and Applied Neuroscience Lab der University of Kansas, der die Ergebnisse ebenfalls überprüfte, begrüßte die Fortschritte und sagte der Associated Press dies sei ‚ein ziemlich großer Fortschritt im Bereich der Neurowissenschaften‘.

BCI-Technologie ermöglicht einer Frau die Wiedererlangung ihrer Sprache nach fast 20 Jahren

Gedankenlesen ist in Reichweite

Durchbruch bei Brain-Computer-Schnittstellen: Ein neues Implantat übersetzt Gedanken in Echtzeit-Sprache in nur 3 Sekunden – ein entscheidender Schritt für natürliche Kommunikation bei Lähmungen.

Die in Nature Neuroscience veröffentlichte Studie zeigt, wie KI-Algorithmen… pic.twitter.com/XdGhrBlU63

— Chubby♨️ (@kimmonismus) April 1, 2025

Eine durch einen Schlaganfall gelähmte Frau erlangte nach fast zwei Jahrzehnten der Stille ihre Stimme durch eine experimentelle Brain-Computer-Schnittstelle, die von Forschern der UC Berkeley und der UC San Francisco entwickelt und speziell auf ihren Fall zugeschnitten wurde. Die im Nature Neuroscience am 31. März veröffentlichte Forschung nutzte künstliche Intelligenz, um die Gedanken der Teilnehmerin, allgemein bekannt als „Anne“, in Echtzeit in natürliche Sprache zu übersetzen.

Anumanchipalli erklärte, dass die Schnittstelle neuronale Signale mit einem Gitter aus Elektroden liest, die im Sprachzentrum des Gehirns platziert sind. Er fügte hinzu, dass klar sei, dass es Bedingungen gebe – wie ALS, Hirnstammschlag (wie im Fall von Anne) oder Verletzungen –, bei denen der Körper unzugänglich werde und die Person ‚locked-in‘ sei, kognitiv intakt, aber unfähig zu bewegen oder zu sprechen. Anumanchipalli bemerkte, dass zwar erhebliche Fortschritte bei der Schaffung künstlicher Gliedmaßen erzielt worden seien, die Wiederherstellung der Sprache jedoch komplizierter bleibe.

„Im Gegensatz zu Sehen, Bewegung oder Hunger – die mit anderen Arten geteilt werden – unterscheidet uns Sprache. Allein das macht sie zu einem faszinierenden Forschungsthema.”

–Gopala Anumanchipalli

Anumanchipalli räumte jedoch ein, dass immer noch eine der großen Unbekannten sei, wie intelligentes Verhalten aus Neuronen und kortikalem Gewebe entstehe. Die Studie nutzte eine BCI, um einen direkten Pfad zwischen den elektrischen Signalen von Annens Gehirn und einem Computer zu schaffen.

Neues BCI-Gerät verbessert frühere Versionen mit Verzögerungen

Die innovative Methode der US-Forscher beseitigte eine frustrierende Verzögerung, die frühere Versionen der Technologie plagte, indem sie die Gehirnaktivität in 80-Millisekunden-Schritten analysierte und sie in eine synthetisierte Version ihrer Stimme übersetzte. Eine Reihe von BCI-Sprachübersetzungsprojekten haben im ersten Quartal kürzlich positive Ergebnisse erzielt, wobei jedes darauf abzielt, die Zeit zur Generierung von Sprache aus Gedanken zu verkürzen.

Laut Science Alert erforderten die meisten bestehenden BCI-Methoden, dass ‚ein vollständiger Textabschnitt‘ berücksichtigt wurde, bevor die Software seine Bedeutung entschlüsseln konnte, was die Sekunden zwischen Sprachinitiierung und Vokalisation erheblich verlängern könnte.

Der von Forschern der UC Berkeley und San Francisco veröffentlichte Bericht ergab, dass die Verbesserung der Latenzzeit der Sprachsynthese und der Decodierungsgeschwindigkeit für dynamische Gespräche und flüssige Kommunikation unerlässlich war. Das gemeinsame UC-Team erklärte, dass BCI Sprachverzögerungen durch die zusätzliche Zeit, die die Sprachsynthese zum Abspielen benötigte, sowie durch die Zeit, die Hörer zum Erfassen des synthetisierten Audios brauchten, noch verstärkt wurden.

Die meisten bestehenden Methoden stützten sich Berichten zufolge darauf, dass der ‚Sprecher‘ die Schnittstelle trainierte, indem er offen die Bewegungen des Vokalisierens durchlief, was eine Herausforderung darstellen würde, wenn man Decodierungssoftware mit genügend Daten für Personen versorgen wollte, die aus der Übung waren oder von jeher Schwierigkeiten beim Sprechen hatten. Um beide Hürden zu überwinden, trainierten die UC-Forscher ein flexibles, Deep-Learning-Neuralnetzwerk auf der „sensorimotorischen kortikalen Aktivität“ der 47-jährigen Teilnehmerin, während sie still 100 einzigartige Sätze aus einem Vokabular von etwas mehr als 1.000 Worten „aussprach“.