ከንግግርና ከጽሑፍ በላይ፦ AI ሰዎች ሀሳቦቻቸውን በፍጥነት እንዲለዋወጡ ማድረግ ይችላል?

ስለ artificial intelligence፣ brain-computer interfaces እና በሰዎች መካከል ቀጥተኛ የሀሳብ ልውውጥ ሳይንሳዊ ጥናት

ሳይንሳዊ ግምገማ ጽሑፍ እና የቀረበ የምርምር ማዕቀፍ | ኖቬምበር 2026

ማጠቃለያ

የዛሬዎቹ ዘመናዊ ኮምፒውተሮች መረጃን በሚያስደንቅ ፍጥነት ይለዋወጣሉ።

አንድ ተራ የ Gigabit Ethernet ግንኙነት በአንድ ሰከንድ አንድ ቢሊዮን ቢቶች (1,000,000,000 ቢቶች) ማስተላለፍ ይችላል። የላቁ የኮምፒውቲንግ እና የ data-centre ቴክኖሎጂዎች ከዚህም ብልጫ ያለው ፍጥነት ይሰራሉ።

ግን የሰው ሁኔታ ፍጹም የተለየ ነው።

እስከ ዛሬ ድረስ ሰዎች ሀሳቦቻቸውን፣ ሐሳቦቻቸውን፣ አስተያየቶቻቸውን እና ስሜቶቻቸውን ለሌሎች ለመተላለፍ በዋጋ ንግግርን፣ ጽሑፍን፣ ምልክቶችን እና የሰውነት እንቅስቃሴዎችን ይጠቀማሉ።

በሰው አንጎል ውስጥ ግፋ የሆነ የ nervous system የመረጃ ሂደት ቢካሄድም፣ ያንን መረጃ ለሌላ ሰው በትርጉም ያለው መንገድ የማስተላለፍ አቅማችን በነጻሳዊነት በጣም ውስን ነው።

ይህ ሁኔታ አንድ አስፈላጊ ሳይንሳዊ ጥያቄ ያስነሳል።

Artificial intelligence እና የ nervous system ቴክኖሎጂዎችን በመጠቀም ሰዎች ሀሳቦቻቸውን እና ሐሳቦቻቸውን ያለ ንግግር ወይም ጽሑፍ እርዳታ በቀጥታ፣ በትክክል እና በፍጥነት መለዋወጥ ይችላሉ?

ይህ ጽሑፍ የሰውን የመረጃ ማስተላለፍ ፍጥነት፣ የአንጎልን neural signals የሚተረጉሙ ቴክኖሎጂዎችን፣ brain-computer interfacesን፣ brain-to-brain communicationን እና እስከ ኖቬምበር 2026 ድረስ የተገኘውን ሳይንሳዊ እድገት ይመረምራል።

እንዲሁም የሰዎች ሀሳቦች እና ዓላማዎች በ artificial intelligence እርዳታ በፍጥነት እንዲለዋወጡ አዲስ የምርምር ማዕቀፍ ይጠቁማል።

የዚህ ምርምር መሰረታዊ ዓላማ ብዙ digital መረጃን ማስተላለፍ ብቻ አይደለም።

ዋና ዓላማው አንድ ሰው መግለጽ የሚፈልገውን እውነተኛ ትርጉም በአጭር ጊዜ እና በብጁ ትክክለኛነት ለሌሎች የሚያስተላልፍ አዲስ የግንኙነት ዘዴ ሳይንሳዊ መሆን እንደሚችል መመርመር ነው።

1. መናገር፦ በሰው ግንኙነት ውስጥ ያሉ የፍጥነት መሰናክሎች

በዘመናዊ የኮምፒውተር አውታረ መረብ ላይ የተገናኙ ሁለት ኮምፒውተሮችን ይመልከቱ።

እነዚያ ኮምፒውተሮች በጣም ብዙ መረጃን ወደ electrical signals በመቀየር በጥቂት ሚሊ ሰከንዶች ውስጥ መለዋወጥ ይችላሉ።

አሁን ውስብስብ ሐሳብ የሚለዋወጡ ሁለት ሰዎችን ይመልከቱ።

የመጀመሪያው ሰው በአእምሮው ውስጥ ሐሳብ መፍጠር አለበት።

ከዚያ ያንን ሐሳብ ወደ ቋንቋ መለወጥ አለበት።

ተገቢ ቃላት መምረጥ አለበት።

እነዚያን ቃላት በትክክለኛ ዓረፍተ ነገር ማሰራረን አለበት።

ከዚያ ብቻ ነው መናገር ወይም መጻፍ የሚችለው።

ተመሳሳይ በሆነ መንገድ ሁለተኛው ሰው እነዚያን ቃላት መስማት ወይም ማንበብ አለበት። ከዚያ ትርጉማቸውን መረዳት እና የመጀመሪያው ሰው በትክክል ማለት የፈለገውን መረዳት አለበት።

የዚህ ሂደት እያንዳንዱ ደረጃ ጊዜ ይወስዳል።

በአንዳንድ ጊዜዎች ግራ መጋባት ሊፈጠር ይችላል። ከዚያ ሐሳቡ እንደገና መገለጽ አለበት።

እዚህ ያለው አስፈላጊ ችግር የሰው አንጎል በዝግታ መስራቱ አይደለም።

ይልቁንም በሰው አንጎል ውስጥ በሚካሄደው የ neural የመረጃ ሂደት እና ያንን መረጃ ለሌሎች በሚተላለፍበት ፍጥነት መካከል ጉድጓድ አለ።

በ 2019 በ Science Advances ጆርናል በታተመ ምርምር፣ Coupé እና ባልንጀሮቹ 17 ቋንቋዎችን አጥንተው የሰው የንግግር ቋንቋዎች የመረጃ ማስተላለፍ መጠን በአማካይ በአንድ ሰከንድ 39 ቢቶች መሆኑን ገምተዋል [1]።

በሌላ አስፈላጊ ጥናት Zheng እና Meister የሰውን የባህሪይ የመረጃ ሂደት መጠን በአማካይ 10 ቢቶች በአንድ ሰከንድ መሆኑን ገምተዋል። ያ ጥናት በ 2024 በመስመር ላይ ታትሞ በ 2025 በ Neuron ጆርናል ወጥቷል [2]።

እነዚህ ሁለት ጥናቶች የተለያዩ የመረጃ ሂደቶችን ይለካሉ። ስለዚህ እነዚያ ሁለት ቁጥሮች እርስ በርስ መተካት አይችሉም።

እንዲሁም እነዚህ ቁጥሮች የሰው አንጎል አጠቃላይ የ neural processing አቅም የመጨረሻ መለኪያዎች አይደሉም።

ያም ሆኖ ይህ፣ የሰው ንቁ የሆኑ ተግባራት እና ግንኙነቶች የመረጃ መጠን ከብዙ የኤሌክትሮኒክስ ስርዓቶች የ data-transfer ፍጥነት በጣም ዝቅተኛ መሆኑን ያሳያሉ።

ይህ ልዩነት ለአዲሱ ምርራችን መሰረት ይሆናል።

2. የኮምፒውተሮች የ Data-Transfer ፍጥነት እና የሰዎች የግንኙነት ፍጥነት

ኮምፒውተሮች መረጃን ወደ digital ቅርጸት በመቀየር እንደተገለጹ የግንኙነት protocols መሰረት ይለዋወጣሉ።

ለምሳሌ፦

• 1 ጊጋቢት በአንድ ሰከንድ (1 Gbps) = 1,000,000,000 ቢቶች በአንድ ሰከንድ።

• 10 Gbps = 10 ቢሊዮን ቢቶች በአንድ ሰከንድ።

• 100 Gbps = 100 ቢሊዮን ቢቶች በአንድ ሰከንድ።

• 800 Gbps = 800 ቢሊዮን ቢቶች በአንድ ሰከንድ።

እነዚህ አኃዞች የኮምፒውተር አውታረ መረብን የመረጃ ማስተላለፍ አቅም ይገልጻሉ።

ግን ኮምፒውተሩ የተላለፈውን መረጃ እውነተኛ ትርጉም በምን ያህል ፍጥነት እንደሚረዳ ምንም አይነገርም።

የሰው ግንኙነት ፍጹም የተለየ ነው።

በሰዎች መካከል በሚደረግ ልውውጥ ውስጥ በጣም አስፈላጊ የሆነው የመረጃው ብዛት ብቻ ሳይሆን ትርጉሙ ነው።

ለምሳሌ፣ አንድ ሰው በጣም ውስብስብ የሆነ ውሳኔን በጥቂት ቃላት በግልጽ መግለጽ ይችላል።

ሌላ ሰው ተመሳሳዩን ሐሳብ ለመግለጽ ብዙ አንቀጾችን ሊያስፈልገው ይችላል።

ስለዚህ የኮምፒውተሮችን የ data-transfer ፍጥነት ከሰዎች የግንኙነት ፍጥነት ጋር ሲወዳደር ታላቅ ሳይንሳዊ ጥንቃቄ ያስፈልጋል።

አንድ ኮምፒውተር በአንድ ሰከንድ አንድ ቢሊዮን ቢቶች ማስተላለፍ ይችላል።

ግን ይህ ያንን መረጃ ትርጉም እንደሚረዳ ማለት አይደለም።

በተመሳሳይ ጊዜ፣ አንድ ሰው ጥልቅ ሐሳብን ለሌላ ሰው በጥቂት ቃላት ብቻ ሊያስተላልፍ ይችላል።

ስለዚህ የምርራችን ዓላማ የሰውን አንጎል ወደ ጊጋቢት የኮምፒውተር አውታረ መረብ መለወጥ አይደለም።

ይልቁንም ዓላማችን በትክክል በሚረዳ መንገድ ትርጉም ያላቸው ሀሳቦች እና ሐሳቦች በሰዎች መካከል የሚለዋወጡበትን ፍጥነት መጨመር ነው።

ይህ የዚህ ምርምር በጣም አስፈላጊ ሳይንሳዊ መሰረት ነው።

3. ሳይንስ እስካሁን የካደረገው እድገት

3.1 Brain-Computer Interfaces

Brain-computer interface፣ በአጭሩ BCI፣ በሰው አንጎል የ neural እንቅስቃሴ እና በውጪ ኮምፒውተር ስርዓት መካከል ግንኙነት የሚፈጥር ቴክኖሎጂ ነው።

ይህን ቴክኖሎጂ በመጠቀም ከአንጎል የሚገኙ signals በኮምፒውተር ሊተነተኑ ይችላሉ።

የአንጎልን እንቅስቃሴ ለመመዝገብ ሁለት ዋና ዋና አቀራረቦች አሉ።

የመጀመሪያው፣ ያለ ቀዶ ጥገና የአንጎልን electrical እንቅስቃሴ የሚመዘግቡ እንደ EEG ያሉ ዘዴዎች።

ሁለተኛው፣ በቀዶ ጥገና በአንጎል ውስጥ የተተከሉ electrodesን የሚጠቀሙ ዘዴዎች።

Artificial intelligence ሞዴሎች እነዚህን neural signals ይተነትናሉ እና ሰው ማከናወን የሚፈልገውን ተግባር፣ መግለጽ የሚፈልገውን ቃል ወይም የግንኙነት ትእዛዝ ለመለየት ይሞክራሉ።

በ ኦገስት 2023 በ Nature ጆርናል በታተመ የ Willett እና ባልንጀሮቻቸው ምርምር በዚህ መስክ አስፈላጊ እድገት ነበር።

ያ ሥራ አንድ ሰው መናገር ሲሞክር የሚፈጠር የ neural እንቅስቃሴን ወደ ጽሑፍ የሚቀይር ቴክኖሎጂ ፈጥሯል።

ተሳታፊው በአማካይ 62 ቃላት በአንድ ደቂቃ መገናኘት ችሏል።

የቃል ስህተት መጠኑ በ 50 ቃላት ውስን የቃላት ምድብ 9.1% እና በ 125,000 ቃላት ሰፊ የቃላት ምድብ 23.8% ነበር [3]።

ይህ ምርምር አንድ ሰው መናገር ሲሞክር የሚፈጠሩ የአንጎል signals በነጻሳዊነት በፍጥነት ለመገናኘት መጠቀም እንደሚቻል አረጋግጧል።

ግን ይህ ስርዓት በሰው አእምሮ ውስጥ የሚነሳን እያንዳንድን ሀሳብ በነጻነት ማንበብ የሚችል ቴክኖሎጂ አይደለም።

ከመናገር ሙከራ ጋር የተያያዘውን የ neural እንቅስቃሴ ለይቷል።

3.2 ከ Brain Signals በቀጥታ ንግግር ማመንጨት

በዚህ መስክ ተጨማሪ የሚነገሩ እድገቶች በ 2025 ተካሂደዋል።

Littlejohn እና ባልንጀሮቻቸው ከሰው አንጎል የሚገኙ signalsን በ 80-ሚሊ ሰከንድ ክፍተቶች አኃዝ በማካሄድ በ artificial intelligence እርዳታ ወደ ንግግር የሚቀይር ቴክኖሎጂ ፈጥረዋል [4]።

በሌላ ጥናት፣ Wairagkar እና ባልንጀሮቻቸው የአንጎልን neural signals በመጠቀም በ real time ስሜት የያዘ ሰምጥ የሚያወጣ ዘዴ ገልጸዋል።

በዚያ ጥናት ያለው ተሳታፊ እስከ አንድ ደረጃ የድምጽ ስምጥን እንደ intonation ያሉ ስሜት የሚገልጹ ክፍሎችን መቆጣጠር ችሏል [5]።

ይህ በጣም አስፈላጊ እድገት ነው።

የሰው ግንኙነት የቃላት ልውውጥ ብቻ አይደለም።

የምንናገርበት ፍጥነት፣ የድምጽ ስምጥን፣ የስሜት መግለጫ እና ቃላትን የምንጫንበት መንገድ ሁሉ የሐሳቡን እውነተኛ ትርጉም ይገልጣሉ።

እነዚህ ጥናቶች ተፈጥሯዊ የሰው ንግግርን ከ neural signals እንደገና መገንባት እንደሚቻል ያሳያሉ።

ያም ሆኖ ይህ፣ እነዚያ ቴክኖሎጂዎች በተወሰኑ የምርምር ቦታዎች ውስጥ የሚጠቀሙ ሙከራዊ ቴክኖሎጂዎች ናቸው።

3.3 የረጅም ጊዜ ተግባራዊ አጠቃቀም፦ የ 2026 ምልክት ጥናት

በ ሰኔ 2026 በ Nature Medicine ጆርናል በታተመ ጥናት በ brain-computer interface ቴክኖሎጂ ተግባራዊ አጠቃቀም አስፈላጊ እድገት አሳይቷል።

በዚህ በ Card እና ባልንጀሮቻቸው ጥናት፣ ከባድ የአካል እንቅስቃሴ ሽባ (motor paralysis) ያለበት ሰው በተተከለ interface እርዳታ ለረጅም ጊዜ በራሱ መገናኘት ችሏል።

ለሁለት ዓመታት ገደማ ቴክኖሎጂውን በቤቱ ውስጥ ከ 3,800 ሰዓታት በላይ ተገልጿል።

በእሱ አማካኝነት ወደ 1.96 ሚሊዮን ቃላት እና 183,060 ዓረፍተ ነገሮችን ተናግሯል።

የአማካይ የግንኙነት ፍጥነት 56 ቃላት በአንድ ደቂቃ ነበር።

በተቆጣጠሩ የንግግር ሙከራዎች የቃል ትክክለኛነት 99% አልፏል። ግን በዕለት ተዕለት ተፈጥሯዊ ውይይቶች ውስጥ ይህ ትክክለኛነት በሁሉም ጊዜ አንድ አይነት አልነበረም [6]።

ይህ ልዩነት በጣም አስፈላጊ ነው።

አንድ ቴክኖሎጂ በላቦራቶሪ ውስጥ በደንብ መስራት አንድ ስኬት ነው።

ተመሳሳዩ ቴክኖሎጂ በሰዎች የዕለት ተዕለት ሕይወት ውስጥ ለረጅም ጊዜ በአስተማማኝ መንገድ መስራት ሌላ ስኬት ነው።

በእኛ በፍጥነት የሰው ሀሳብ-ልውውጥ ምርምር፣ እነዚህ ሁለቱም ገጽታዎች በተናበቡ መረጋገጥ አለባቸው።

3.4 መረጃ በሰው አንጎሎች መካከል በቀጥታ ሊለዋወጥ ይችላል?

ስለ brain-to-brain communication በሳይንሳዊ ዓለም ውስጥ አንዳንድ ቀደምት ስኬቶች ነበሩ።

BrainNet የተባለ ጥናት በ 2019 ታትሟል።

በዚያ ጥናት፣ ሦስት ሰዎች የአንጎል signalsን በመጠቀም በትብብር በአንድ ቀላል ጨዋታ ላይ ሰርተዋል።

የመጀመሪያዎቹ ሁለት ተሳታፊዎች ውሳኔዎች በ EEG ቴክኖሎጂ ተመዝግበዋል።

ያ መረጃ ለሦስተኛው ተሳታፊ እንደ ተገለጹ signals Transcranial Magnetic Stimulation (TMS) በሚባል የአንጎል-ማነቃቂያ ዘዴ አማካኝነት ተልኳል።

አምስት ቡድኖች በዚህ ሙከራ ላይ ተሳትፈዋል።

የእነሱ አማካይ አፈጻጸም ትክክለኛነት 81.25% መሆኑ ተመዝግቧል [7]።

ይህ ጥናት የተወሰነ መረጃን በሰው አንጎሎች መካከል በ neural interfaces ማስተላለፍ እንደሚቻል አሳይቷል።

3.5 በአእምሮ ውስጥ የሚፈሰስ ንግግር መለየት

በ ኦገስት 2025 በ Cell ጆርናል በታተመ የ Kunz እና ባልንጀሮቻቸው ጥናት አንድ ሰው በአእምሮው ውስጥ መናገርን ሲያስብ የሚፈጠር የ neural እንቅስቃሴ በከፊል መለየት እንደሚቻል አሳይቷል።

የዚህ ምርምር ሌላ አስፈላጊ ገጽታ የአእምሮ ግላዊነት (mental privacy) ነው።

አንድ ሰው ለሌሎች ማጋራት የማይፈልገው የግል የውስጥ ንግግሩ በስህተት በቴክኖሎጂ ሊገለጥ የሚችሉ አደገኞችም ተመርምረዋል።

እንዲሁም በዓላማ ለግንኙነት የተፈጠሩ ሀሳቦችን እና የግል የአእምሮ እንቅስቃሴን የመለየት የደህንነት ዘዴዎች ተሞክረዋል [8]።

በ ሴፕቴምበር 2026 በ Nature Neuroscience ጆርናል በታተመ ሌላ ጥናት፣ በሚፈሰስ ንግግር እና በድምጽ ንግግር የ neural እንቅስቃሴዎች መካከል ያሉ አንዳንድ የጋራ መዋቅሮችን አጥንቷል [9]።

እነዚህ ግኝቶች በወደፊት ሰዎች እንኳ መናገር ሳይሞክሩ የተወሰነ መረጃ እንዲለዋወጡ እድሎችን ሊፈጥሩ ይችላሉ።

ግን ያለ ቀዳሚ ልምምድ ወይም ትብብር የአሁኑ ቴክኖሎጂዎች በማንኛውም ሰው አእምሮ ውስጥ የሚነሳን እያንዳንድን ሀሳብ በትክክል መረዳት እንደሚችሉ የሚያረጋግጥ ሳይንሳዊ ማስረጃ የለም።

4. የቀረበው አዲስ የምርምር ጽንሰ-ሀሳብ

በ Artificial Intelligence እርዳታ የፍጥነት የሰው ሀሳብ ልውውጥ

Artificial Intelligence-Assisted High-Speed Thought Communication

የዚህ ምርምር ማዕከላዊ ዓላማ፦

ሰዎች በፈቃዳቸው መግለጽ የሚፈልጓቸውን ሀሳቦች እና ሐሳቦች ከአንጎል neural signals መለየት፣ ወደ ቀልጣፋ digital ቅርጸት መለወጥ፣ ለሌላ ሰው ማስተላለፍ እና ያ ሰው የሐሳቡን እውነተኛ ትርጉም በትክክል እንዲረዳ ማስቻል የሚችል ቴክኖሎጂ መሆን እንደሚችል መመርመር ነው።

ይህ ምርምር ብዙ ሳይንሳዊ መስኮችን አንድ ላይ ያመጣል።

Brain-Computer Interfaces: ከሰው አንጎል የሚገኙ signalsን ለመመዝገብ እና ለመተንተን ጥቅም ላይ ይውላሉ።

Artificial Intelligence: በ neural signals ውስጥ መስፈርቶችን መለየት፣ ቋንቋ ማመንጨት፣ ሐሳቦችን መረዳት እና ስህተቶችን ማረም እንደሚለው ሥራዎች ላይ ጥቅም ላይ ይውላል።

Information Theory: መረጃ በምን ያህል ቀልጣፋነት እና ትክክለኛነት መላክ እንደሚቻል በሂሳብ ለመገምገም ይረዳል።

ደህንነቱ የተጠበቀ Digital Networking: የተፈጠረውን መረጃ ወደ ሌላ ኮምፒውተር ስርዓት በደህና መላክ ይረዳል።

Brain stimulation እና neural ቴክኖሎጂዎች: የተወሰነ መረጃን በቀጥታ ወደ ተቀባይ neural system ማድረስ የሚለው የወደፊት እድል መመርመር ሊረዱ ይችላሉ። ለዚህ ሰፊ የሕክምና እና ሳይንሳዊ ሙከራ አስፈላጊ ነው።

ይህ ምርምር ያለው ምርጥ እድል፣ ሰው ሊል የሚፈልገውን እያንዳንዱን ቃል ማመንጨት እና ማስተላለፍ ሳያስፈልግ፣ መግለጽ የሚፈልገውን ትርጉም የሚያስተላልፍ ዘዴ መፍጠር ላይ ሊሆን ይችላል።

ለምሳሌ፣ አንድ ሰው የሚከተለውን እንደሚያስብ እንቍረጥጥ።

"ከዚህ እቅድ ጋር እስማማለሁ። ግን አፈጻጸሙን እስከ ቀጣይ ሳምንት መዘግየት እፈልጋለሁ።"

የወደፊት ቴክኖሎጂ በዚህ ሀሳብ ውስጥ ያሉትን ሦስት አስፈላጊ ክፍሎች መለየት ሊሞክር ይችላል።

የመጀመሪያ፣ ከእቅዱ ጋር መስማማት።

ሁለተኛ፣ ወዲያውኑ ማፈጸም መፈለግ አለመኖር።

ሦስተኛ፣ ወደ ቀጣይ ሳምንት እንዲዘገይ መጠየቅ።

Artificial intelligence እነዚህን መሰረታዊ ትርጉሞች መለየት እና ሌላው ሰው ሊረዳው የሚችል ዓረፍተ ነገር መገንባት ይችላል።

ግን እዚህ አንድ አስፈላጊ ፈተና አለ።

Artificial intelligence የሚያመነጨው ዓረፍተ ነገር በቋንቋ ዘይቤ ብቻ ማምረት በቂ አይደለም።

የመጀመሪያው ሰው በትክክል ማስተላለፍ የፈለገውን ሐሳብ ሳይለወጥ መግለጽ አለበት።

ይህ Semantic Communication የሚባለው ጽንሰ-ሀሳብ አስፈላጊነት ነው።

5. የቀረበው ቴክኒካዊ ማዕቀፍ

ይህን ምርምር ለመተግበር የሚችል የመጀመሪያ መዋቅር ወደ ስድስት ዋና ደረጃዎች ሊከፋፈል ይችላል።

ደረጃ 1፦ የ Brain Signals መመዝገብ

አንድ ሰው በሙሉ ፈቃዱ ለሌላ ሰው መረጃ ለመስጠት ወስኗል።

በዚያን ጊዜ፣ በዓላማ መግለጽ ከሚሞክረው ቃል፣ ትእዛዝ ወይም ሐሳብ ጋር የተያያዘ የአንጎል እንቅስቃሴ በተገቢው neural interface እርዳታ ይመዘገባል።

በመጀመሪያ ደረጃ ምርምሮች፣ እንደ EEG ያሉ ያለ ቀዶ ጥገና ዘዴዎች እና አስቀድሞ የታተሙ የምርምር ውሂቦች ጥቅም ላይ ሊውሉ ይችላሉ።

ደረጃ 2፦ ሀሳቡን በ Artificial Intelligence መለየት

የተመዘገቡት brain signals በ machine-learning ሞዴሎች ይተነተናሉ።

ዓላማው ሰው በዓላማ ማስተላለፍ የሞከረውን መረጃ መለየት ነው።

ምርምሩ ጥቂት ቃላትን፣ ትእዛዞችን ወይም ሐሳቦችን በመለየት መጀመር አለበት።

የዚያ መሰረታዊ ቴክኖሎጂ ትክክለኛነት ከተረጋገጠ በኋላ ብቻ ውስብስብ ሀሳቦችን መረዳት መቀጠል አለበት።

ደረጃ 3፦ ሀሳቡን ወደ ትርጉም-ተኮር Data መለወጥ

የተለየው መረጃ በ artificial intelligence እርዳታ ወደ መዋቅራዊ digital ቅርጸት ይቀየራል።

ይህ የሀሳቡን ዋና ሐሳቦችን፣ በእነሱ መካከል ያሉ ግንኙነቶችን፣ ሁኔታዎችን እና የግምቱን እርግጠኝነት ማካተት ይችላል።

ይህ ሙሉ ዓረፍተ ነገር ከመፈጠሩ በፊት እንኳ የመረጃውን መሰረታዊ ትርጉም በኮምፒውተር ስርዓት ውስጥ መወከል ያስችላል።

ደረጃ 4፦ ደህንነቱ የተጠበቀ የፍጥነት መረጃ ማስተላለፍ

የተፈጠረው መረጃ በደህና፣ በተመስጠረ (encrypted) digital የግንኙነት ጣቢያ ወደ ሌላ ስርዓት ይላካል።

በዚህ ደረጃ፣ የኮምፒውተር አውታረ መረብ ፍጥነት ትልቅ መሰናክል መሆን አያስፈልግም።

የዛሬዎቹ የኮምፒውተር አውታረ መረቦች መረጃን በጣም በፍጥነት ማስተላለፍ ይችላሉ።

ይልቁንም የ brain signalsን በትክክል መረዳት፣ ትክክለኛ ሐሳብ ማመንጨት እና አጠቃላይ ሂደቱን የሚወስደውን ጊዜ መቀነስ የበለጠ ከባድ ችግሮች ሊሆኑ ይችላሉ።

ደረጃ 5፦ መልእክቱን ለተቀባይ እንደገና መገንባት

Artificial intelligence የደረሰውን መረጃ ሌላ ሰው ሊረዳው ወደሚችል ቅርጸት ይቀይረዋል።

ይህ ጽሑፍ፣ ንግግር ወይም ሌላ ተገቢ የግንኙነት ቅርጸት ሊሆን ይችላል።

ተቀባዩ የመረጃውን ትርጉም መረዳት፣ ጥርጣሬ ካለበት ማብራሪያ መጠየቅ እና በ artificial intelligence ግምት ውስጥ ያለውን እርግጠኝነት ማወቅ ማስቻል አለበት።

ደረጃ 6፦ መልእክቱ መረዳቱን ማረጋገጥ

ተቀባዩ ሐሳቡን በትክክል መረዳቱ ማረጋገጥ አለበት።

በሚያስፈልግበት ጊዜ፣ ማብራሪያ ወይም ማረሚያ መጠየቅ የሚችል አገልግሎት መሰጠት አለበት።

በወደፊት ቀጥተኛ brain-to-brain communication መፈጠር ከሆነ፣ መረጃን ወደ ተቀባይ neural system ማድረስ የሚችል ለየት ያለ ቴክኖሎጂ መገንባት አለበት።

እዚህ አንድ አስፈላጊ ልዩነት መጠቀስ አለበት።

የአንድ ሰው brain signalን በኮምፒውተር ወደ ጽሑፍ መቀየር እና ሌላ ሰው በማያ ገጽ ላይ ማንበብ brain-computer-human communication ነው።

ይህ ሙሉ ቀጥተኛ brain-to-brain communication ተብሎ መጠራት አይችልም።

ይህ ልዩነት በምርምሩ እያንዳንዱ ደረጃ በግልጽ መጠበቅ አለበት።

6. የዚህ ምርምር ማዕከላዊ ሳይንሳዊ ግምት

የዚህ ምርምር ማዕከላዊ ግምት እንደሚከተለው ቀርቧል።

ሰዎች በዓላማ ማስተላለፍ የሚፈልጓቸውን neural መረጃዎች በ artificial intelligence እርዳታ በመለየት እና ትርጉማቸውን ወደ ቀልጣፋ digital ቅርጸት በመለወጥ፣ የተወሰኑ ሐሳቦች ከንግግር ወይም ከጽሑፍ በአጭር ጊዜ፣ ተቀባይነት ያለው ትክክለኛነት በመጠበቅ፣ ለሌሎች ሊተላለፉ ይችላሉ።

ይህ ግምት በሳይንሳዊ መንገድ ሊሞከር ይችላል።

ለዚህ፣ ተመሳሳይ አይነት መረጃ በተራ ንግግር፣ ጽሑፍ እና ከ artificial intelligence ጋር በተገናኙ neural interfaces ሊለዋወጥ ይችላል።

በሚቻልበት ቦታ ሁሉ፣ ውጤቶቹን ለማወዳደር ተመሳሳይ ተሳታፊዎች እና ተመሳሳይ መረጃ ጥቅም ላይ መዋል አለባቸው።

በዚህ ጥናት ውስጥ የሚከተሉት መለኪያዎች አስፈላጊ ናቸው።

1. End-to-End Latency

አንድ ሰው መረጃ ማስተላለፍ ከጀመረበት ጊዜ ጀምሮ ሌላ ሰው በትክክል እስከሚቀበለው ድረስ ያለው ጊዜ።

2. Effective Information-Transfer Rate

ስህተቶችን እና ማረሚያዎችን ከግምት ውስጥ ካስገባን በኋላ፣ በአንድ ሰከንድ ምን ያህል መረጃ በትክክል እንደተላለፈ የሚያሳይ መለኪያ።

3. Semantic Fidelity

የመጀመሪያው ሰው ማስተላለፍ የፈለገው ሐሳብ እና ሁለተኛው ሰው የተረዳው ሐሳብ በትርጉም ያላቸው መመሳሰል።

4. Error Rate

በትክክል ያልተለዩ ቃላት፣ ሐሳቦች፣ ግንኙነቶች እና መደምደሚያዎች ብዛት።

5. Receiver Comprehension

መረጃውን የተቀበለው ሰው እውነተኛ ትርጉሙን በትክክል መረዳቱን የሚያሳይ መለኪያ።

6. User Effort

ቴክኖሎጂውን ለመጠቀም የሚያስፈልገው ትኩረት፣ የአእምሮ ጫና ወይም ድካም፣ ልምምድ እና የአጠቃቀም ቀላልነት።

7. Privacy Protection

ተጠቃሚው ያልፈቀዳቸው ሀሳቦች ወይም መረጃዎች በስህተት መጋለጣቸውን መከታተል።

አንድ ቴክኖሎጂ የአውታረ መረብ ግንኙነቱ ፈጣን ነው ተብሎ ብቻ የሰዎች ግንኙነትን አፍጥኗል ተብሎ ማለት አይቻልም።

ተመሳሳይ በሆነ መንገድ፣ artificial intelligence ዓረፍተ ነገር በጣም በፍጥነት መፍጠሩ በቂ ማስረጃ አይደለም።

አጠቃላዩ የሰው-ከሰው የግንኙነት ሂደት መለካት አለበት።

7. የቀረበው የሙከራ የምርምር እቅድ

ይህ ምርምር በሦስት ዋና ደረጃዎች ሊካሄድ ይችላል።

የመጀመሪያ ደረጃ፦ የሰው ዓላማዎችን መለየት

በመጀመሪያ፣ ሰዎች በዓላማ ማስተላለፍ የሚፈልጓቸው ጥቂት የተወሰኑ ሐሳቦች ከ brain signals መለየት እንደሚቻል መመርመር አለበት።

አስቀድሞ የታተሙ EEG datasets፣ ወይም በትክክለኛ ፈቃድ እና ፍቃድ የሚካሄዱ አዳዲስ ጥናቶች ጥቅም ላይ ሊውሉ ይችላሉ።

ለምሳሌ፣ ተሳታፊዎች ከሚከተሉት ሐሳቦች አንዱን ማስተላለፍ ሊሞክሩ ይችላሉ።

• እስማማለሁ።

• አልስማማም።

• እርዳታ እፈልጋለሁ።

• ተጨማሪ ማብራሪያ እፈልጋለሁ።

ከእነዚህ ሐሳቦች ጋር በተያያዙት brain signals ላይ ልዩነቶች መኖራቸውን ለመመርመር machine-learning ሞዴሎች ጥቅም ላይ ሊውሉ ይችላሉ።

የሞዴሉ አፈጻጸም በልምምድ ውስጥ ያልተጠቀመበት መረጃ፣ በተለያዩ የሙከራ ክፍለ ጊዜዎች እና በራሱ የተመሰረቱ ተሳታፊዎች ላይ መገምገም አለበት።

በዚህ ደረጃ ያለው አስፈላጊ ጥያቄ፦

አንድ ሰው ማስተላለፍ የሚፈልገውን ሐሳብ ከ brain signals በአስተማማኝ መንገድ መለየት ይቻላል?

ሁለተኛ ደረጃ፦ በ Artificial Intelligence እርዳታ ትርጉም ማስተላለፍ

ከዚያ በዚህ ደረጃ የተለየውን መረጃ ወደ ሙሉ ሐሳቦች በ artificial intelligence እርዳታ ለመቀየር ሙከራ ሊደረግ ይችላል።

እዚህ ሦስት ገጽታዎች መወዳደር አለባቸው።

የመጀመሪያ፣ ላኪው በትክክል ማስተላለፍ የፈለገው ሐሳብ።

ሁለተኛ፣ artificial intelligence ያሰራው ሐሳብ።

ሦስተኛ፣ ያን መረጃ የተቀበለው ሰው የተረዳው ትርጉም።

እነዚህ ሦስት በምን ያህል ትክክለኛነት እንደሚዛመዱ በሂሳብ እና በቁጥር ትንታኔ ዘዴዎች መመርመር አለበት።

በዋናነት፣ ሐሳቡ ለ artificial intelligence ግልጽ ባልሆነ ጊዜ፣ የተሳሳተ መረጃ ከማመንጨት ይልቅ እርግጠኝነቱን መግለጽ አለበት።

የዚህ ዘዴ አፈጻጸም ከተራ typing፣ ንግግር እና ከሌሎች የግንኙነት ዘዴዎች ጋር መወዳደር አለበት።

ሦስተኛ ደረጃ፦ በሰዎች መካከል ግንኙነት

በሦስተኛው ደረጃ፣ በሙሉ ፈቃዳቸው በሚሳተፉ ሁለት ሰዎች መካከል የመረጃ-ማስተላለፍ ሙከራዎች ሊካሄዱ ይችላሉ።

የመጀመሪያው ሰው በዓላማ በ brain signal መረጃ ማስተላለፍ ይሞክራል።

Artificial intelligence ያን signal ይተነትናል፣ ተዛማጅ መረጃውን ይለያል እና በደህና ይልካል።

ሁለተኛው ሰው ያን መረጃ ይቀበላል እና ይረዳል።

ከዚያ የአጠቃላይ የግንኙነት ሂደቱ ፍጥነት፣ ትክክለኛነት እና አስተማማኝነት ይለካል።

መረጃን በቀጥታ ወደ ተቀባይ አንጎል ማድረስ የበለጠ የላቀ እና ለየት ያለ የምርምር ደረጃ ይሆናል።

እንደዚህ ዓይነቱ ሙከራዎች የ neural ባለሙዮች፣ የቁጥጥር ፍቃዶች፣ የሕክምና ደህንነት እና ጥብቅ የስነ-ምግባር ቁጥጥር ይፈልጋሉ።

ስለዚህ በመጀመሪያ ደረጃ ምርምሮች፣ artificial intelligence የሰዎችን ግንኙነት አፈጻጸም ማሻሻል እንደሚችል ማረጋገጥ ቅድሚያ መሰጠት አለበት።

8. ሳይንሳዊ ፈተናዎች እና የአሁኑ ገደቦች

በዚህ ምርምር ውስጥ ብዙ አስፈላጊ ፈተናዎች አሉ።

የመጀመሪያ፣ ሁሉም የሰው አንጎሎች ቃላትን እና ሐሳቦችን በተመሳሳይ neural መስፈርቶች አይወክሉም።

ስለዚህ እያንዳንዱ ሰው የግል ልምምድ ወይም የሞዴል ማስተካከያ ሊያስፈልገው ይችላል።

ሁለተኛ፣ እንደ EEG ባሉ ያለ ቀዶ ጥገና ዘዴዎች የተመዘገቡ signals ከፍተኛ መጠን ያለው noise እና ጣልቃ ገብነት ሊኖራቸው ይችላል።

በአንጎል ውስጥ ከተተከሉ electrodes ጋር ሲወዳደሩ፣ የተወሰኑ የ neural እንቅስቃሴዎችን በዝርዝር መለየት ያለባቸው አቅምም ዝቅተኛ ሊሆን ይችላል።

ሦስተኛ፣ መናገር መሞከር፣ በአእምሮ ንግግርን ማሰብ፣ ሐሳብን መግለጽ ማስታወስ እና በግል ማሰብ አንድ አይነት የ neural እንቅስቃሴ አይደሉም።

እነዚህ በተናበቡ መጥናት አለባቸው።

አራተኛ፣ large language models አንዳንድ ጊዜ እውነተኛ ያልሆኑ ግን ተቀባይነት ያላቸውን ዓረፍተ ነገሮችን፣ በሚገኝ መረጃ ላይ በመመስረት፣ ማመንጨት ይችላሉ።

በሰው ሀሳብ-ልውውጥ ቴክኖሎጂ፣ እንደዚህ ዓይነቱ ስህተቶች በጣም ትልቅ ችግር ሊሆኑ ይችላሉ።

አንድ ሰው ያላሰበውን ሀሳብ አስቦ እንደነበር ለሌላ ሰው መንገር ከባድ ግራ መጋባት ሊፈጥር ይችላል።

አምስተኛ፣ የሳይንሳዊ ጥናቶች ውጤቶች በሌሎች ተመራማሪዎች መደገም መቻላቸው በጣም አስፈላጊ ነው።

በ 2026 በ Journal of Neural Engineering በታተመ ጥናት፣ የሚፈሰስ ንግግርን የሚለዩ ጥናቶችን ውጤቶች በማድገም ላይ ብዙ ችግሮች መኖራቸውን አሳይቷል።

በዚያ ጥናት ከተመረመሩት speech-imagery datasets መካከል፣ 36% ተሳታፊዎች ብቻ ተገቢውን የቁጥር ትንታኔ ጉድጓድ ያለፈ የመለየት ትክክለኛነት አግኝተዋል [10]።

ይህ በዚህ መስክ ውስጥ ራሱ የተመሰረተ ማረጋገጫ፣ ግልጽ የምርምር ዘዴዎች እና አስተማማኝ ሙከራዎች ምን ያህል አስፈላጊ እንደሆኑ ያሳያል።

በመጨረሻም፣ የመረጃ ማስተላለፍ ፍጥነት ብቸኛው ፈተና አይደለም።

የሰው ትኩረት፣ ትውስታ፣ መረዳት እና የሀሳብ ሂደቶችም አስፈላጊ ሚና ይጫወታሉ።

መናገርን ማስፈለግ ማስወገድ፣ ውስብስብ ሐሳብን መፍጠር ወይም መረዳት የሚያስፈልገውን ጊዜ በሙሉ አያጠፋም።

በአሁኑ ሳይንሳዊ ማስረጃዎች ላይ በመመስረት፣ እያንዳንዱ የሰው ሀሳብ በቀጥታ በጊጋቢት ፍጥነት ሊተላለፍ ይችላል ተብሎ ማለት አይቻልም።

የ digital data-transfer ፍጥነትን እና ትርጉም ያላቸው የሰው ሀሳቦችን ማስተላለፍ ፍጥነት እንደ አንድ ነገር መውሰድ በሳይንሳዊ መንገድ የተሳሳተ አቀራረብ ነው።

9. ግላዊነት፣ የመረጃ ደህንነት እና የሰብዓዊ መብቶች

የሰው አንጎልን neural signals የሚተረጉሙ ቴክኖሎጂዎች በጣም አስፈላጊ የስነ-ምግባር ኃላፊነቶችንም ይፈጥራሉ።

በተራ የኮምፒውተር ስርዓቶች ውስጥ የሚካሄደው ሂደት ሰዎች እራሳቸው የሚያስገቡት መረጃ ነው።

ግን neural interfaces አንድ ሰው ለሌሎች ማጋራት ከማይፈልግ የግል የአእምሮ እንቅስቃሴ ጋር የተያያዙ signalsንም መመዝገብ ይችላሉ።

ስለዚህ የምርራችን በጣም አስፈላጊ መሰረታዊ መርህ የሚከተለው መሆን አለበት።

አንድ ሰው በሙሉ ፈቃዱ፣ በዓላማ ማጋራት የሚፈልገው መረጃ ብቻ መለየት እና ለሌሎች መላክ አለበት።

ይህን መርህ በተግባር ለመተግበር ብዙ የደህንነት ማቀናበሪያዎች አስፈላጊ ናቸው።

ተጠቃሚው ግንኙነትን ለመጀመር ግልጽ ቁጥጥር ሊኖረው ይገባል።

በሚቻልበት ቦታ ሁሉ፣ የ neural መረጃ በተጠቃሚው መሳሪያ ላይ መካሄድ አለበት።

መረጃ በተመስጠረ ቅርጸት መላክ አለበት።

ፈቃድ ያልነበራቸው ሰዎች brain signals ላይ እንዳይደርሱ ጠንካራ የደህንነት ስርዓቶች መፈጠር አለበት።

አላስፈላጊ የ neural መረጃን ለረጅም ጊዜ ማከማቸት መቀንስ አለበት።

ተጠቃሚው በማንኛውም ጊዜ የመረጃ ማስተላለፉን ወዲያውኑ ማቆም የሚችል አገልግሎት ሊኖረው ይገባል።

እንዲሁም፣ artificial intelligence የሚያመነጫቸው ሐሳቦች በሰው አእምሮ ውስጥ ያሉ ሀሳቦች መቶ በመቶ እርግጠኛ መዝገቦች እንዳልሆኑ ግልጽ መደረግ አለበት።

እነዚህ በ neural signals ላይ በመመስረት የተፈጠሩ ግምቶች ናቸው።

በ ኖቬምበር 2025፣ UNESCO ስለ neurotechnologies ስነ-ምግባራዊ አጠቃቀም ዓለም አቀፍ ምክረ ሀሳብ ጸድቋል [11]።

ያ ምክረ ሀሳብ ለአእምሮ ግላዊነት፣ ለሰው ክብር እና ለተገቢ የ neural ቴክኖሎጂዎች አጠቃቀም ትኩረት ይሰጣል።

በእኛ ምርምርም፣ ግላዊነት እና የስነ-ምግባር ጥበቃዎች ከቴክኖሎጂ እድገት ጋር አብረው መሄድ አለባቸው።

10. የዚህ ቴክኖሎጂ የወደፊት አጠቃቀሞች

ይህ ምርምር ከተሳካ፣ የመጀመሪያዎቹ ጥቅሞቹ በንግግር እና በአካል እንቅስቃሴ ከባድ ችግሮችን የሚገጥሟቸው ሰዎች ሊደርሱ ይችላሉ።

በተለይም፣ brain-computer interfaces ስለ motor paralysis እና የተወሰኑ የ nervous system ሁኔታዎች መገናኘት ስለማይችሉ ሰዎች አዳዲስ እድሎችን ሊፈጥሩ ይችላሉ።

እንደዚህ ዓይነቱ ቴክኖሎጂዎች በንግግር ወይም በሰውነት እንቅስቃሴዎች መገናኘት በሚከብዱ አንዳንድ ልዩ ሁኔታዎችም ሊጠቀሙ ይችላሉ።

እንዲሁም ለአካል ጉዳት ላለባቸው ሰዎች የ computing ተደራሽነትን ማሻሻል ይችላሉ።

በረጅም ጊዜ፣ ይህ ምርምር በሰዎች እና በ artificial intelligence ስርዓቶች መካከል ያለውን ግንኙነት የበለጠ ቀልጣፋ ለማድረግም ሊረዳ ይችላል።

ግን የእያንዳንዱ አጠቃቀም እውነተኛ ጥቅሞች በሳይንሳዊ መንገድ አንድ በአንድ መረጋገጥ አለባቸው።

ቀጥተኛ neural communication በእያንዳንዱ ሁኔታ ከተራ የሰው ውይይት የሚሻል መሆኑን በቅድሜ መገምገም አይቻልም።

የሰው ቋንቋ መረጃን ለማስተላለፍ ዝግተኛ መሳሪያ ብቻ አይደለም።

እንዲሁም ብዙ አስፈላጊ ተግባራትን ያከናውናል፦ ማሰብ፣ ምክንያታዊ አስተሳሰብ፣ የስሜት መግለጫ፣ ሐሳቦችን ማብራራት እና የሰው ግንኙነቶችን መገንባት።

ስለዚህ አዲሱ ቴክኖሎጂ የሰዎችን የግንኙነት አቅም ማጎልበት አለበት፤ እነዚህን አስፈላጊ የሰው ቋንቋ ባህሪዎች እንዲያጡ ማድረግ አይደለም።

11. የዚህ ምርምር ሳይንሳዊ አስተዋጽኦ እና የፊት መንገድ

ይህ ምርምር ሁሉንም የሰው ሀሳቦች በቀጥታ የሚያስተላልፍ ቴክኖሎጂ አስቀድሞ መፈጠሩን በመገምገም አልቀረበም።

ይልቁንም፣ የ brain signals መለየትን፣ ሐሳቦችን ትርጉም በ artificial intelligence እርዳታ መረዳትን፣ የመረጃ ማስተላለፍ አፈጻጸምን መለካትን እና የሰዎችን እውነተኛ መረዳትን መገምገምን አንድ ላይ እንደሚያመጣ ሳይንሳዊ የምርምር ማዕቀፍ ነው የቀረበው።

አስፈላጊ ጥያቄው፦

የኤሌክትሮኒክስ አውታረ መረብ ሙሉ የ data-transfer አቅም በሰው አንጎል ውስጥ መፈጠር መቻሉ አይደለም።

አስፈላጊው ጥያቄ አንድ ሰው በአእምሮው ሐሳብ ከፈጠረበት ጊዜ እና ሌላ ሰው ያን ሐሳብ በትክክል ከሚረዳበት ጊዜ መካከል ያለውን ጊዜ መቀነስ መቻሉ ነው።

ለዚህ፣ በ artificial intelligence እርዳታ የተፈጠሩት ትርጉም-ተኮር የመረጃ ውክልናዎች ከተራ ንግግርን ከሚለዩ neural ቴክኖሎጂዎች ጋር ሲወዳደሩ ተጨማሪ አፈጻጸም መስጠታቸውን መመርመር አለበት።

አንድ ቴክኖሎጂ ስኬታማ ነው ለማለት artificial intelligence ያምር ዓረፍተ ነገሮችን መፍጠሩ በቂ አይደለም።

የመረጃ ማስተላለፍ የሚወስደውን ጊዜ መቀነስ አለበት።

የሚላክ ሐሳብን እውነተኛ ትርጉም መጠበቅ አለበት።

ስህተቶችን እስከ ተቀባይነት ያለው ደረጃ መቆጣጠር አለበት።

በተለያዩ ሰዎች እና በተግባራዊ ቦታዎች በአስተማማኝ መንገድ መስራት አለበት።

እነዚህ ሁኔታዎች በሳይንሳዊ ሙከራዎች መረጋገጥ አለባቸው።

ምርምሩ አንዳንድ አቀራረቦች ከተራ ግንኙነት የተሻለ አፈጻጸም መስጠት ሊያቅታቸው እንደሚችል መቀበል አለበት።

የሳይንሳዊ ምርምር እውነተኛ ዋጋ በሚጠበቅ ውጤት ማረጋገጥ ብቻ አይደለም።

ዋጋው በአስተማማኝ ማስረጃ ላይ በመመስረት ግምቱ ትክክል ወይም ስህተት መሆኑን መገንዘብ ላይ ነው።

12. መደምደሚያ

ባለፉት ጥቂት አስርት ዓመታት ውስጥ፣ የኮምፒውተር data-transfer ቴክኖሎጂዎች በጣም እድገት አድርገዋል።

ዛሬ፣ በዓለም ላይ በተለያዩ ቦታዎች የሚገኙ ኮምፒውተሮች በጣም ብዙ መረጃን በፍጥነት ይለዋወጣሉ።

ግን በሰዎች መካከል ያለ ግንኙነት እስከ አሁን በዋጋ በንግግር፣ በጽሑፍ እና በሌሎች የአካል መግለጫዎች ላይ ይመሰረታል።

የቅርብ ጊዜ የ neural ምርምሮች ከ brain signals ንግግርን እንደገና በመገንባት፣ በአእምሮ የሚፈሰስ ንግግርን በመለየት እና ተገልጿ የሆነ መረጃን በአንጎሎች መካከል በማስተላለፍ የሚነገሩ እድገቶች አምጥተዋል።

ያም ሆኖ ይህ፣ እያንዳንዱን የሰው ሀሳብ በቀጥታ፣ በትክክል እና በፍጥነት የሚያስተላልፍ ቴክኖሎጂ እስካሁን አልተፈጠረም።

ይህ እስካሁን መፈታት ያለበት ታላቅ ሳይንሳዊ ፈተና ነው።

በወደፊት፣ የ artificial intelligence እና የ neural ቴክኖሎጂዎች ውህደት ሰዎች ሀሳቦቻቸውን ለመግለጽ የሚያስፈልጋቸውን ጊዜ የሚቀንሱ አዳዲስ መንገዶችን ሊፈጥር ይችላል።

የሚያስፈልገው ተግባራዊ ምርምር ሰዎች በዓላማ ማስተላለፍ ከሚሞክሩት neural signals መጀመር አለበት።

ከዚያ እነዚህን signals በትክክል የሚለዩ ሞዴሎች መገንባት አለበት።

ቀጣይ፣ የመረጃው እውነተኛ ትርጉም በምን ያህል ትክክለኛነት መጠበቁ መገምገም አለበት።

በመጨረሻም፣ ይህ ቴክኖሎጂ በእውነት የሰዎችን ግንኙነት ፍጥነት እና አፈጻጸም እንደሚያሻሽል በሳይንሳዊ መንገድ መረጋገጥ አለበት።

ከዚያ ብቻ ወደ ሙሉ ቀጥተኛ brain-to-brain communication እንደሚለው የበለጠ የላቁ ቴክኖሎጂዎች መቀጠል ይቻላል።

የምርሬ የመጨረሻ ግብ

የምርሬ የመጨረሻ ግብ አንድ ሰው በአእምሮው ሀሳብ የሚፈጥርበት ፍጥነት እና ሌላ ሰው የዚያን ሀሳብ እውነተኛ ትርጉም በትክክል የሚረዳበት ፍጥነት መካከል ያለውን ክፍተት እስከሚቻል መቀነስ ነው።

ለዚህ፣ የቀረበው አቀራረቤ artificial intelligenceን፣ brain-computer interfacesን፣ neuroscienceን፣ information theoryን እና ደህንነታቸው የተጠበቁ የፍጥነት ግንኙነት ቴክኖሎጂዎችን አብሮ መጥናት ነው።

ግባችን ብዙ መረጃን በፍጥነት መላክ ብቻ አይደለም።

ግባችን የሰዎችን ሀሳቦች እና ሐሳቦች እውነተኛ ትርጉማቸውን ሳይለዋወጥ፣ በደህና፣ በትክክል እና በተቻለው አጭር ጊዜ ማስተላለፍ የሚችል አዲስ የግንኙነት ዘዴ ሳይንሳዊ መሰረት መገንባት ነው።

ማጣቀሻዎች

1. Coupé, C., Oh, Y. M., Dediu, D., & Pellegrino, F. (2019). Different languages, similar encoding efficiency: Comparable information rates across the human communicative niche. Science Advances, 5(9). https://doi.org/10.1126/sciadv.aaw2594
2. Zheng, J., & Meister, M. (2025). The unbearable slowness of being: Why do we live at 10 bits/s? Neuron, 113(2), 192–204. Published online: December 2024. https://doi.org/10.1016/j.neuron.2024.11.008
3. Willett, F. R., et al. (2023). A high-performance speech neuroprosthesis. Nature, 620, 1031–1036. https://doi.org/10.1038/s41586-023-06377-x
4. Littlejohn, K. T., et al. (2025). A streaming brain-to-voice neuroprosthesis to restore naturalistic communication. Nature Neuroscience, 28, 902–912. https://doi.org/10.1038/s41593-025-01905-6
5. Wairagkar, M., et al. (2025). An instantaneous voice-synthesis neuroprosthesis. Nature, 644, 145–152. https://doi.org/10.1038/s41586-025-09127-3
6. Card, N. S., et al. (2026). Long-term independent use of an intracortical brain–computer interface for speech and cursor control. Nature Medicine, 32, 2504–2510. https://doi.org/10.1038/s41591-026-04414-6
7. Jiang, L., et al. (2019). BrainNet: A Multi-Person Brain-to-Brain Interface for Direct Collaboration Between Brains. Scientific Reports, 9, Article 6115. https://doi.org/10.1038/s41598-019-41895-7
8. Kunz, E. M., et al. (2025). Inner speech in motor cortex and implications for speech neuroprostheses. Cell, 188(17), 4658–4673.e17. https://doi.org/10.1016/j.cell.2025.06.015
9. Zhao, Z., et al. (2026). A neural architecture for imagined and overt speech motor dynamics. Nature Neuroscience. https://doi.org/10.1038/s41593-026-02456-0
10. Tates, A., Matran-Fernandez, A., Halder, S., & Daly, I. (2026). Decoding speech imagery or just noise?: A symptom of the replicability crisis. Journal of Neural Engineering, 23(5). https://doi.org/10.1088/1741-2552/aea294
11. UNESCO. (2025). Recommendation on the Ethics of Neurotechnology. https://www.unesco.org/en/node/86248

By Keshavan Thiagaraja

Powered By K7