فراتر از گفتار و نوشتار: آیا AI می‌تواند به انسان‌ها اجازه دهد افکار را با سرعت بالا تبادل کنند؟

مطالعه علمی هوش مصنوعی، brain-computer interfaces و تبادل مستقیم افکار میان انسان‌ها

مقاله مروری علمی و چارچوب پژوهشی پیشنهادی | نوامبر 2026

چکیده

رایانه‌های مدرن امروزی اطلاعات را با سرعتی تبادل می‌کنند که تصورش دشوار است.

یک اتصال معمولی Gigabit Ethernet می‌تواند داده را با سرعت یک میلیارد بیت (1,000,000,000 بیت) در ثانیه منتقل کند. فناوری‌های پیشرفته محاسباتی و مرکز داده چندین برابر سریع‌تر عمل می‌کنند.

اما وضعیت انسان کاملاً متفاوت است.

حتی امروز، انسان‌ها بیشتر از گفتار، نوشتار، ژست‌ها و حرکات بدن برای انتقال افکار، ایده‌ها، دیدگاه‌ها و احساسات خود به دیگران استفاده می‌کنند.

اگرچه پردازش عظیم اطلاعات عصبی در مغز انسان انجام می‌شود، توانایی ما برای انتقال آن اطلاعات به شخص دیگر به شکلی معنادار نسبتاً بسیار محدود است.

این وضعیت یک پرسش مهم علمی را مطرح می‌کند.

با استفاده از هوش مصنوعی و فناوری‌های عصبی، آیا انسان‌ها می‌توانند افکار و ایده‌های خود را بدون کمک گفتار یا نوشتار، مستقیماً، دقیق و با سرعت بالا تبادل کنند؟

این مقاله سرعت انتقال اطلاعات انسانی، فناوری‌هایی که سیگنال‌های عصبی مغز را تفسیر می‌کنند، brain-computer interfaces، ارتباط brain-to-brain و پیشرفت علمی حاصل‌شده تا نوامبر 2026 را بررسی می‌کند.

همچنین چارچوب پژوهشی جدیدی برای تبادل پرسرعت افکار و نیت‌های انسانی با کمک هوش مصنوعی پیشنهاد می‌کند.

هدف بنیادین این پژوهش صرفاً انتقال داده دیجیتال بیشتر نیست.

هدف محوری آن کاوش امکان علمی یک روش ارتباطی جدید است که معنای واقعی آنچه شخص می‌خواهد بیان کند را در زمان کمتر و با دقت بیشتر به دیگران منتقل می‌کند.

1. مقدمه: موانع سرعت در ارتباط انسانی

دو رایانه متصل به یک شبکه رایانه‌ای مدرن را در نظر بگیرید.

آن‌ها می‌توانند حجم بسیار زیادی از اطلاعات را به سیگنال‌های الکتریکی تبدیل کرده و ظرف چند میلی‌ثانیه تبادل کنند.

حال دو نفر را در نظر بگیرید که در حال تبادل یک ایده پیچیده هستند.

شخص اول باید ایده‌ای در ذهن خود شکل دهد.

سپس باید آن ایده را به زبان تبدیل کند.

باید کلمات مناسب را انتخاب کند.

باید آن کلمات را در قالب جمله‌ای درست مرتب کند.

تنها پس از آن می‌تواند صحبت کند یا بنویسد.

به همین ترتیب، شخص دوم باید آن کلمات را بشنود یا بخواند. سپس باید معنای آن‌ها را بفهمد و دریابد که شخص اول واقعاً چه می‌خواسته بگوید.

هر مرحله از این فرآیند زمان می‌برد.

در برخی مواقع سوءتفاهم ممکن است رخ دهد. آنگاه ایده باید دوباره توضیح داده شود.

مسئله مهم اینجا این نیست که مغز انسان کند کار می‌کند.

بلکه شکاف قابل توجهی میان پردازش اطلاعات عصبی که در مغز انسان رخ می‌دهد و سرعتی که آن اطلاعات می‌تواند به دیگران منتقل شود وجود دارد.

پژوهش Coupé و همکاران، که در سال 2019 در مجله Science Advances منتشر شد، 17 زبان را بررسی کرد و تخمین زد که نرخ انتقال اطلاعات زبان‌های گفتاری انسان به‌طور متوسط حدود 39 بیت در ثانیه است [1].

در مطالعه مهم دیگری، Zheng و Meister نرخ پردازش اطلاعات رفتاری انسان را تقریباً 10 بیت در ثانیه تخمین زدند. آن مطالعه در سال 2024 به‌صورت آنلاین منتشر شد و در سال 2025 در مجله Neuron ظاهر شد [2].

این دو مطالعه انواع متفاوتی از پردازش اطلاعات را می‌سنجند. بنابراین این دو عدد را نمی‌توان به‌جای یکدیگر استفاده کرد.

آن‌ها همچنین اندازه‌گیری نهایی ظرفیت کلی پردازش عصبی مغز انسان نیستند.

با این حال، نشان می‌دهند که نرخ اطلاعات اعمال و ارتباط آگاهانه انسانی بسیار پایین‌تر از نرخ انتقال داده بسیاری از سیستم‌های الکترونیکی است.

این تفاوت اساس پژوهش جدید ما را تشکیل می‌دهد.

2. سرعت انتقال داده رایانه‌ها و سرعت ارتباط انسان‌ها

رایانه‌ها اطلاعات را به شکل دیجیتال تبدیل می‌کنند و بر اساس پروتکل‌های ارتباطی تعریف‌شده تبادل می‌کنند.

برای مثال:

• 1 گیگابیت در ثانیه (1 Gbps) = 1,000,000,000 بیت در ثانیه.

• 10 Gbps = 10 میلیارد بیت در ثانیه.

• 100 Gbps = 100 میلیارد بیت در ثانیه.

• 800 Gbps = 800 میلیارد بیت در ثانیه.

این ارقام ظرفیت انتقال اطلاعات یک شبکه رایانه‌ای را توصیف می‌کنند.

اما هیچ‌چیز درباره اینکه یک رایانه معنای واقعی اطلاعات ارسال‌شده را با چه سرعتی درک می‌کند نمی‌گویند.

ارتباط انسانی کاملاً متفاوت است.

در تبادل میان انسان‌ها، مهم‌ترین چیز نه‌فقط مقدار اطلاعات بلکه معنای آن است.

برای مثال، یک نفر ممکن است تصمیمی بسیار پیچیده را با چند کلمه به‌وضوح بیان کند.

شخص دیگری ممکن است برای توضیح همان ایده به چند پاراگراف نیاز داشته باشد.

بنابراین هنگام مقایسه سرعت انتقال داده رایانه‌ها با سرعت ارتباط انسان‌ها، دقت علمی بزرگی لازم است.

یک رایانه ممکن است یک میلیارد بیت در ثانیه منتقل کند.

اما این به معنای درک معنای آن اطلاعات نیست.

در همان حال، یک انسان ممکن است ایده‌ای عمیق را تنها با چند کلمه به دیگری منتقل کند.

بنابراین هدف پژوهش ما تبدیل مغز انسان به یک شبکه رایانه‌ای گیگابیتی نیست.

بلکه هدف ما افزایش سرعتی است که افکار و ایده‌های معنادار می‌توانند میان انسان‌ها به شکلی تبادل شوند که به‌درستی فهمیده شوند.

این مهم‌ترین بنیان علمی این پژوهش است.

3. پیشرفتی که علم تاکنون حاصل کرده است

3.1 Brain-Computer Interfaces

یک brain-computer interface، یا به‌اختصار BCI، فناوری‌ای است که پیوندی میان فعالیت عصبی مغز انسان و یک سیستم رایانه‌ای بیرونی ایجاد می‌کند.

با استفاده از این فناوری، سیگنال‌های به‌دست‌آمده از مغز می‌توانند توسط رایانه تحلیل شوند.

دو رویکرد اصلی برای ثبت فعالیت مغز وجود دارد.

نخست، روش‌هایی مانند EEG که فعالیت الکتریکی مغز را بدون جراحی ثبت می‌کنند.

دوم، روش‌هایی که از الکترودهای کاشته‌شده در مغز از طریق جراحی استفاده می‌کنند.

مدل‌های هوش مصنوعی این سیگنال‌های عصبی را تحلیل می‌کنند و تلاش می‌کنند عملی که شخص قصد انجامش را دارد، کلمه‌ای که می‌خواهد بیان کند، یا یک فرمان ارتباطی را شناسایی کنند.

پژوهش Willett و همکاران، که در اوت 2023 در مجله Nature منتشر شد، پیشرفت مهمی در این زمینه بود.

آن کار فناوری‌ای ایجاد کرد که فعالیت عصبی رخ‌داده هنگام تلاش شخص برای صحبت‌کردن را به متن تبدیل می‌کند.

شرکت‌کننده توانست با نرخ حدود 62 کلمه در دقیقه ارتباط برقرار کند.

نرخ خطای کلمه با واژگان محدود 50 کلمه‌ای 9.1% و با واژگان بزرگ 125,000 کلمه‌ای 23.8% بود [3].

این پژوهش ثابت کرد که سیگنال‌های مغزی تولیدشده هنگام تلاش برای صحبت‌کردن می‌توانند برای ارتباط نسبتاً سریع استفاده شوند.

اما این سیستم فناوری‌ای نیست که بتواند آزادانه هر فکری را که در ذهن شخص پدید می‌آید بخواند.

این سیستم فعالیت عصبی مرتبط با تلاش برای صحبت‌کردن را شناسایی کرد.

3.2 تولید گفتار مستقیم از سیگنال‌های مغزی

پیشرفت‌های قابل‌توجه دیگری در این زمینه در سال 2025 رخ داد.

Littlejohn و همکاران فناوری‌ای ایجاد کردند که سیگنال‌های مغز انسان را در بازه‌های 80 میلی‌ثانیه‌ای پردازش می‌کند و با کمک هوش مصنوعی به گفتار تبدیل می‌کند [4].

در مطالعه دیگری، Wairagkar و همکاران روشی را توصیف کردند که از سیگنال‌های عصبی مغز برای تولید گفتار مصنوعی بیان‌گرا به‌صورت زمان واقعی استفاده می‌کند.

شرکت‌کننده آن مطالعه همچنین توانست تا حدی عناصر بیانی مانند آهنگ صدا را کنترل کند [5].

این پیشرفت بسیار مهمی است.

ارتباط انسانی صرفاً تبادل کلمات نیست.

سرعت صحبت‌کردن ما، لحن صدا، بیان احساسات و نحوه تأکید بر کلمات، همه معنای واقعی یک ایده را آشکار می‌کنند.

این مطالعات امکان بازسازی گفتار طبیعی انسان از سیگنال‌های عصبی را نشان می‌دهند.

با این حال، آن‌ها همچنان فناوری‌های آزمایشی هستند که در محیط‌های پژوهشی خاص استفاده می‌شوند.

3.3 استفاده عملی بلندمدت: مطالعه برجسته 2026

مطالعه‌ای که در ژوئن 2026 در مجله Nature Medicine منتشر شد، پیشرفت مهمی در استفاده عملی از فناوری brain-computer interface نشان داد.

در این مطالعه Card و همکاران، فردی مبتلا به فلج حرکتی شدید با کمک یک رابط کاشته‌شده برای مدت طولانی به‌طور مستقل ارتباط برقرار کرد.

ظرف نزدیک به دو سال، او از این فناوری در خانه بیش از 3,800 ساعت استفاده کرد.

از طریق آن حدود 1.96 میلیون کلمه و 183,060 جمله منتقل کرد.

سرعت متوسط ارتباط حدود 56 کلمه در دقیقه بود.

در آزمون‌های گفتار کنترل‌شده، دقت کلمات از 99% گذشت. اما در گفتگوهای طبیعی روزمره این دقت همیشه یکسان نبود [6].

این تفاوت بسیار مهم است.

اینکه فناوری در آزمایشگاه خوب کار کند یک موفقیت است.

اینکه همان فناوری برای مدت طولانی در زندگی روزمره مردم قابل‌اعتماد کار کند موفقیت دیگری است.

در پژوهش ما درباره تبادل پرسرعت افکار انسانی، هر دو این جنبه‌ها باید جداگانه اثبات شوند.

3.4 آیا اطلاعات می‌تواند مستقیماً میان مغزهای انسانی تبادل شود؟

در دنیای علمی درباره ارتباط brain-to-brain نیز موفقیت‌های اولیه‌ای حاصل شده است.

مطالعه‌ای به نام BrainNet در سال 2019 منتشر شد.

در آن مطالعه، سه نفر با استفاده از سیگنال‌های مغزی روی یک بازی ساده با هم کار کردند.

تصمیمات دو شرکت‌کننده اول با فناوری EEG ثبت شد.

آن اطلاعات از طریق روش تحریک مغزی به نام Transcranial Magnetic Stimulation (TMS) به‌صورت سیگنال‌های تعریف‌شده به شرکت‌کننده سوم ارسال شد.

پنج گروه در این آزمایش شرکت کردند.

دقت متوسط عملکرد آن‌ها 81.25% ثبت شد [7].

این مطالعه امکان انتقال اطلاعات معین میان مغزهای انسانی از طریق رابط‌های عصبی را نشان داد.

اما آنچه منتقل شد فقط تصمیم‌های بسیار ساده بود.

افکار پیچیده، خاطرات یا ایده‌های کامل مستقیماً منتقل نشدند.

بنابراین تفاوت علمی بسیار بزرگی میان انتقال یک قطعه اطلاعات دودویی ساده و انتقال فکر کامل یک شخص به دیگری وجود دارد.

3.5 تشخیص گفتار تصورشده در ذهن

مطالعه Kunz و همکاران که در اوت 2025 در مجله Cell منتشر شد نشان داد که فعالیت عصبی رخ‌داده هنگامی که شخص در ذهن خود صحبت‌کردن را تصور می‌کند، تا حدی قابل شناسایی است.

جنبه مهم دیگر این پژوهش حریم خصوصی ذهنی است.

خطرات افشای تصادفی گفتار درونی خصوصی یک شخص، که نمی‌خواهد با دیگران در میان بگذارد، از طریق فناوری نیز بررسی شد.

علاوه بر این، روش‌های ایمنی برای تمایز میان افکار عمداً ایجادشده برای ارتباط و فعالیت ذهنی خصوصی آزمایش شد [8].

مطالعه دیگری که در سپتامبر 2026 در مجله Nature Neuroscience منتشر شد، برخی ساختارهای مشترک در فعالیت عصبی گفتار تصورشده و گفتار آشکار را بررسی کرد [9].

این یافته‌ها ممکن است در آینده فرصت‌هایی برای انسان‌ها ایجاد کنند تا اطلاعات معینی را حتی بدون تلاش برای صحبت‌کردن منتقل کنند.

اما هیچ شاهد علمی وجود ندارد که بگوید فناوری‌های فعلی می‌توانند هر فکری را که در ذهن هر شخصی پدید می‌آید، بدون آموزش یا همکاری قبلی، به‌درستی درک کنند.

4. مفهوم پژوهشی جدید پیشنهادی

تبادل پرسرعت افکار انسانی با کمک هوش مصنوعی

Artificial Intelligence-Assisted High-Speed Thought Communication

هدف محوری این پژوهش:

کاوش امکان فناوری‌ای که افکار و ایده‌هایی را که انسان‌ها داوطلبانه می‌خواهند منتقل کنند از سیگنال‌های عصبی مغز شناسایی کند، آن‌ها را به شکل دیجیتال کارآمد تبدیل کند، به شخص دیگری منتقل کند و آن شخص را قادر سازد معنای واقعی ایده را به‌درستی درک کند.

این پژوهش چند رشته علمی را گرد هم می‌آورد.

Brain-Computer Interfaces: برای ثبت و تحلیل سیگنال‌های به‌دست‌آمده از مغز انسان استفاده می‌شوند.

Artificial Intelligence: برای وظایفی مانند تشخیص الگوها در سیگنال‌های عصبی، تولید زبان، درک ایده‌ها و تصحیح خطاها استفاده می‌شود.

Information Theory: به ارزیابی ریاضی اینکه اطلاعات با چه کارایی و دقتی قابل انتقال است کمک می‌کند.

Secure Digital Networking: به ارسال امن اطلاعات تولیدشده به سیستم رایانه‌ای دیگر کمک می‌کند.

Brain stimulation و فناوری‌های عصبی: ممکن است به کاوش امکان آینده انتقال اطلاعات معین مستقیماً به سیستم عصبی گیرنده کمک کنند. آزمایش‌های گسترده پزشکی و علمی برای این کار ضروری است.

فرصت مهم در این پژوهش ممکن است در ایجاد روشی باشد که معنای آنچه شخص می‌خواهد بیان کند را منتقل می‌کند، بدون نیاز به تولید و انتقال تک‌تک کلماتی که می‌خواهد بگوید.

برای مثال، فرض کنید شخصی چنین فکر می‌کند:

«با این طرح موافقم. اما دوست دارم اجرای آن را تا هفته آینده به تعویق بیندازم.»

فناوری آینده می‌تواند تلاش کند سه عنصر مهم این فکر را شناسایی کند.

نخست، موافقت با طرح.

دوم، تمایل نداشتن به اجرای فوری آن.

سوم، درخواست به تعویق انداختن آن تا هفته آینده.

هوش مصنوعی می‌تواند این معانی پایه را شناسایی کرده و جمله‌ای بسازد که شخص دیگر بتواند بفهمد.

اما چالش مهمی اینجا وجود دارد.

کافی نیست که جمله‌ای که هوش مصنوعی تولید می‌کند از نظر زبانی زیبا باشد.

باید ایده‌ای را که شخص اول واقعاً می‌خواست منتقل کند، بدون تغییر بیان کند.

این اهمیت مفهومی است که Semantic Communication نامیده می‌شود.

5. چارچوب فنی پیشنهادی

ساختار اولیه اجرای این پژوهش را می‌توان به شش مرحله اصلی تقسیم کرد.

مرحله 1: ثبت سیگنال‌های مغزی

شخص با رضایت کامل خود تصمیم می‌گیرد اطلاعاتی را به دیگری منتقل کند.

در آن لحظه، فعالیت مغزی مرتبط با کلمه، فرمان یا ایده‌ای که عمداً تلاش می‌کند بیان کند، با کمک یک رابط عصبی مناسب ثبت می‌شود.

در پژوهش‌های مرحله اولیه می‌توان از روش‌های غیرجراحی مانند EEG و داده‌های پژوهشی منتشرشده قبلی استفاده کرد.

مرحله 2: شناسایی فکر با هوش مصنوعی

سیگنال‌های مغزی ثبت‌شده توسط مدل‌های machine-learning تحلیل می‌شوند.

هدف شناسایی اطلاعاتی است که شخص عمداً تلاش کرده منتقل کند.

پژوهش باید با شناسایی تعداد کمی کلمه، فرمان یا ایده آغاز شود.

تنها پس از تأیید دقت آن فناوری پایه، کار باید به درک افکار پیچیده برسد.

مرحله 3: تبدیل فکر به داده مبتنی بر معنا

اطلاعات شناسایی‌شده با کمک هوش مصنوعی به شکل دیجیتال ساختاریافته تبدیل می‌شود.

این می‌تواند شامل ایده‌های اصلی فکر، روابط میان آن‌ها، شرایط و عدم قطعیت برآورد باشد.

این کار نمایش معنای پایه اطلاعات در یک سیستم رایانه‌ای را حتی پیش از تولید جمله کامل ممکن می‌سازد.

مرحله 4: انتقال امن و پرسرعت اطلاعات

داده تولیدشده از طریق یک کانال ارتباطی دیجیتال امن و رمزگذاری‌شده به سیستم دیگری ارسال می‌شود.

در این مرحله، سرعت شبکه رایانه‌ای لازم نیست مانع بزرگی باشد.

شبکه‌های رایانه‌ای امروزی از قبل توان انتقال اطلاعات با سرعت بسیار بالا را دارند.

در عوض، درک دقیق سیگنال‌های مغزی، تولید ایده درست و کاهش زمانی که کل فرآیند می‌برد ممکن است مسائل دشوارتری باشند.

مرحله 5: بازسازی پیام برای گیرنده

هوش مصنوعی اطلاعات دریافت‌شده را به شکلی تبدیل می‌کند که شخص دیگر بتواند بفهمد.

ممکن است متن، گفتار یا شکل مناسب دیگری از ارتباط باشد.

گیرنده باید قادر شود معنای اطلاعات را بفهمد، در صورت تردید درخواست توضیح کند و از عدم قطعیت در برآورد هوش مصنوعی آگاه شود.

مرحله 6: تأیید فهمیده‌شدن پیام

باید تأیید شود که گیرنده ایده را به‌درستی فهمیده است.

در صورت نیاز، امکان درخواست توضیح یا تصحیح نیز باید فراهم شود.

اگر قرار باشد ارتباط مستقیم brain-to-brain در آینده ایجاد شود، فناوری جداگانه‌ای که توان انتقال اطلاعات به سیستم عصبی گیرنده را دارد نیز باید توسعه یابد.

تمایز مهمی باید اینجا یادآوری شود.

تبدیل سیگنال مغزی یک شخص به متن توسط رایانه و خواندن آن توسط شخص دیگر روی صفحه، ارتباط brain-computer-human است.

نمی‌توان آن را ارتباط مستقیم کامل brain-to-brain نامید.

این تمایز باید در هر مرحله از پژوهش به‌وضوح حفظ شود.

6. فرضیه علمی محوری این پژوهش

فرضیه محوری این پژوهش به این صورت پیشنهاد می‌شود.

با شناسایی، به کمک هوش مصنوعی، اطلاعات عصبی که انسان‌ها عمداً می‌خواهند منتقل کنند، و تبدیل معنای آن به شکل دیجیتال کارآمد، ایده‌های معینی می‌توانند در زمان کمتری نسبت به گفتار یا نوشتار به دیگران منتقل شوند، در حالی که دقت قابل‌قبول حفظ می‌شود.

این فرضیه را می‌توان به‌صورت علمی آزمود.

برای این کار، همان نوع اطلاعات می‌تواند از طریق گفتار معمولی، نوشتار و رابط‌های عصبی متصل به هوش مصنوعی تبادل شود.

هرجا ممکن باشد، باید از همان شرکت‌کنندگان و همان اطلاعات برای مقایسه نتایج استفاده شود.

اندازه‌گیری‌های زیر در این مطالعه مهم هستند.

1. End-to-End Latency

زمان از لحظه‌ای که یک شخص شروع به انتقال اطلاعات می‌کند تا زمانی که شخص دیگر آن را به‌درستی دریافت می‌کند.

2. Effective Information-Transfer Rate

معیاری از میزان اطلاعاتی که پس از محاسبه خطاها و تصحیح‌ها در هر ثانیه به‌درستی منتقل شد.

3. Semantic Fidelity

شباهت معنایی میان ایده‌ای که شخص اول می‌خواست منتقل کند و ایده‌ای که شخص دوم فهمید.

4. Error Rate

مقدار کلمات، ایده‌ها، روابط و نتیجه‌گیری‌هایی که نادرست شناسایی شدند.

5. Receiver Comprehension

معیاری از اینکه شخص دریافت‌کننده اطلاعات، معنای واقعی آن را به‌درستی فهمیده است یا نه.

6. User Effort

توجه، فشار یا خستگی ذهنی، آموزش و سهولت استفاده لازم برای به‌کارگیری فناوری.

7. Privacy Protection

پایش اینکه آیا افکار یا اطلاعاتی که کاربر مجاز نکرده به‌طور تصادفی افشا می‌شوند یا نه.

نمی‌توان گفت فناوری ارتباط میان انسان‌ها را تسریع کرده است فقط به این دلیل که اتصال شبکه‌اش سریع است.

به همین ترتیب، این واقعیت که هوش مصنوعی جمله را بسیار سریع تولید می‌کند شاهد کافی نیست.

کل فرآیند ارتباط انسان-به-انسان باید سنجیده شود.

7. طرح پژوهش آزمایشی پیشنهادی

این پژوهش را می‌توان در سه مرحله اصلی انجام داد.

مرحله اول: شناسایی نیت‌های انسانی

در ابتدا باید بررسی شود که آیا چند ایده مشخص که انسان‌ها عمداً می‌خواهند منتقل کنند، از سیگنال‌های مغزی قابل شناسایی است یا نه.

می‌توان از مجموعه‌داده‌های EEG منتشرشده قبلی یا مطالعات جدید انجام‌شده با رضایت و مجوز مناسب استفاده کرد.

برای مثال، شرکت‌کنندگان ممکن است تلاش کنند یکی از ایده‌های زیر را منتقل کنند.

• موافقم.

• موافق نیستم.

• به کمک نیاز دارم.

• به توضیح بیشتری نیاز دارم.

می‌توان از مدل‌های machine-learning برای بررسی اینکه آیا تفاوت‌هایی در سیگنال‌های مغزی مرتبط با این ایده‌ها ظاهر می‌شود، استفاده کرد.

سپس عملکرد مدل باید با داده‌های استفاده‌نشده در آموزش، جلسات آزمون متفاوت و شرکت‌کنندگان مستقل ارزیابی شود.

پرسش مهم در این مرحله:

آیا شناسایی قابل‌اعتماد ایده‌ای که شخص می‌خواهد منتقل کند از سیگنال‌های مغزی ممکن است؟

مرحله دوم: انتقال معنا با کمک هوش مصنوعی

سپس می‌توان تلاش کرد اطلاعات شناسایی‌شده در مرحله اول را با کمک هوش مصنوعی به ایده‌های کامل تبدیل کرد.

سه جنبه باید اینجا مقایسه شوند.

نخست، ایده‌ای که فرستنده واقعاً می‌خواست منتقل کند.

دوم، ایده‌ای که هوش مصنوعی بازسازی کرد.

سوم، معنایی که شخص دریافت‌کننده آن اطلاعات فهمید.

میزان تطابق دقیق این سه باید از طریق روش‌های ریاضی و آماری بررسی شود.

مهم‌تر از همه، وقتی ایده‌ای برای هوش مصنوعی روشن نیست، باید عدم قطعیت خود را بیان کند به‌جای تولید اطلاعات نادرست.

عملکرد این روش باید با تایپ معمولی، گفتار و سایر روش‌های ارتباطی مقایسه شود.

مرحله سوم: ارتباط میان انسان‌ها

در مرحله سوم، آزمایش‌های انتقال اطلاعات می‌تواند میان دو نفر که با رضایت کامل شرکت می‌کنند انجام شود.

شخص اول عمداً تلاش می‌کند اطلاعات را از طریق یک سیگنال مغزی منتقل کند.

هوش مصنوعی آن سیگنال را تحلیل می‌کند، اطلاعات مربوطه را شناسایی کرده و به‌صورت امن ارسال می‌کند.

شخص دوم آن اطلاعات را دریافت و درک می‌کند.

سپس سرعت، دقت و قابلیت اطمینان کل فرآیند ارتباط سنجیده می‌شود.

انتقال اطلاعات مستقیماً به مغز گیرنده مرحله پژوهشی بسیار پیشرفته‌تر و جداگانه‌ای خواهد بود.

چنین تلاش‌هایی به تخصص عصبی، تأییدیه‌های نظارتی، ایمنی پزشکی و کنترل‌های اخلاقی سخت‌گیرانه نیاز دارند.

بنابراین در پژوهش‌های مرحله اولیه باید اولویت به اثبات این داده شود که آیا هوش مصنوعی می‌تواند عملکرد ارتباط میان انسان‌ها را بهبود دهد.

8. چالش‌های علمی و محدودیت‌های فعلی

چند چالش مهم در این پژوهش وجود دارد.

نخست، همه مغزهای انسانی کلمات و ایده‌ها را در الگوهای عصبی یکسان نمایش نمی‌دهند.

بنابراین هر شخص ممکن است به آموزش فردی یا تنظیم مدل نیاز داشته باشد.

دوم، سیگنال‌های ثبت‌شده در روش‌های غیرجراحی مانند EEG ممکن است حاوی سطوح بالایی از نویز و تداخل باشند.

در مقایسه با الکترودهای کاشته‌شده در مغز، توان تشخیص برخی انواع فعالیت عصبی با جزئیات ظریف نیز ممکن است پایین‌تر باشد.

سوم، تلاش برای صحبت‌کردن، تصور گفتار در ذهن، قصد بیان یک ایده و فکرکردن خصوصی با خود، نوع یکسانی از فعالیت عصبی نیستند.

این‌ها باید جداگانه مطالعه شوند.

چهارم، large language models گاهی می‌توانند جملاتی تولید کنند که درست نیستند اما معقول به نظر می‌رسند، بر اساس اطلاعاتی که دریافت کرده‌اند.

در فناوری تبادل افکار انسانی، چنین خطاهایی می‌توانند به مسئله بسیار بزرگی تبدیل شوند.

زیرا گفتن به کسی که شخصی چیزی را فکر کرده که نکرده است می‌تواند سوءتفاهم‌های جدی ایجاد کند.

پنجم، بسیار مهم است که نتایج مطالعات علمی توسط پژوهشگران دیگر قابل بازتولید باشد.

مطالعه‌ای که در سال 2026 در Journal of Neural Engineering منتشر شد نشان داد که مشکلات زیادی در بازتولید نتایج مطالعات شناسایی گفتار تصورشده وجود دارد.

در میان مجموعه‌داده‌های speech-imagery بررسی‌شده در آن مطالعه، تنها 36% شرکت‌کنندگان به دقت طبقه‌بندی دست یافتند که از آستانه معناداری آماری مناسب عبور می‌کرد [10].

این نشان می‌دهد راستی‌آزمایی مستقل، روش‌های پژوهشی شفاف و آزمون قابل‌اعتماد در این زمینه چقدر مهم است.

سرانجام، سرعت انتقال اطلاعات تنها چالش نیست.

توجه انسان، حافظه، توان درک و فرآیند تفکر نیز نقش مهمی در این میان دارند.

حذف نیاز به صحبت‌کردن، زمان لازم برای شکل‌دادن یا درک افکار پیچیده را به‌طور کامل از بین نمی‌برد.

بر اساس شواهد علمی فعلی، نمی‌توان گفت همه انواع افکار انسانی می‌توانند با سرعت گیگابیت مستقیماً تبادل شوند.

یکی دانستن سرعت انتقال داده دیجیتال و سرعت انتقال فکر معنادار انسانی رویکردی از نظر علمی نادرست است.

9. حریم خصوصی، امنیت اطلاعات و حقوق بشر

فناوری‌هایی که سیگنال‌های عصبی مغز انسان را تفسیر می‌کنند مسئولیت‌های اخلاقی بسیار مهمی نیز ایجاد می‌کنند.

در یک سیستم رایانه‌ای معمولی، تنها اطلاعاتی که شخص داوطلبانه ارائه می‌دهد پردازش می‌شود.

اما یک رابط عصبی می‌تواند سیگنال‌های مرتبط با فعالیت‌های ذهنی خصوصی شخص را نیز ثبت کند، چیزهایی که نمی‌خواهد به دیگران بگوید.

بنابراین مهم‌ترین اصل مقدماتی پژوهش ما باید به این صورت باشد.

تنها اطلاعاتی که انسان با رضایت کامل خود و عمداً می‌خواهد به اشتراک بگذارد باید شناسایی و به دیگران ارسال شود.

برای اجرای این اصل، اقدامات امنیتی گوناگونی لازم است.

کاربر باید کنترل روشنی برای آغاز ارتباط داشته باشد.

هرجا ممکن باشد، داده عصبی باید روی دستگاه خود کاربر پردازش شود.

اطلاعات باید به شکل رمزگذاری‌شده منتقل شود.

سیستم‌های امنیتی قوی باید توسعه یابند تا از دسترسی افراد غیرمجاز به سیگنال‌های مغزی جلوگیری کنند.

ذخیره داده عصبی غیرضروری برای مدت طولانی باید اجتناب شود.

کاربر باید در هر زمانی امکان توقف فوری انتقال اطلاعات را داشته باشد.

علاوه بر این، باید به‌وضوح گفته شود که افکار تولیدشده توسط هوش مصنوعی، ثبت صددرصد دقیق افکار ذهن شخص نیستند.

آن‌ها برآوردهایی هستند که بر اساس سیگنال‌های عصبی تولید شده‌اند.

در نوامبر 2025، UNESCO توصیه بین‌المللی درباره استفاده اخلاقی از neurotechnology را تصویب کرد [11].

این توصیه بر حریم خصوصی ذهنی، کرامت انسانی و استفاده مسئولانه از neurotechnology تأکید دارد.

در پژوهش ما نیز، در کنار پیشرفت فناورانه، حریم خصوصی و اقدامات حفاظتی اخلاقی باید پیش برده شوند.

10. کاربردهای آینده این فناوری

اگر این پژوهش موفق شود، نخستین بهره‌مندان کسانی هستند که مشکلات شدیدی در گفتار و حرکت بدن دارند.

به‌ویژه، brain-computer interface می‌تواند فرصت‌های جدیدی برای افرادی ایجاد کند که به دلیل فلج حرکتی و برخی بیماری‌های عصبی نمی‌توانند ارتباط برقرار کنند.

چنین فناوری‌ای همچنین می‌تواند در برخی شرایط خاص که ارتباط از طریق گفتار یا حرکت بدن دشوار است استفاده شود.

علاوه بر این، می‌تواند سهولت استفاده از رایانه را برای افراد دارای معلولیت نیز بهبود دهد.

در درازمدت، این پژوهش می‌تواند به کارآمدتر شدن ارتباط میان انسان‌ها و سیستم‌های هوش مصنوعی نیز کمک کند.

اما سود واقعی هر چنین کاربردی باید یک‌به‌یک به‌صورت علمی اثبات شود.

نمی‌توانیم از پیش فرض کنیم که ارتباط مستقیم عصبی در همه شرایط بهتر از گفتگوی معمولی انسانی است.

زیرا زبان انسانی صرفاً ابزار کند ارائه اطلاعات نیست.

همچنین کارهای مهمی مانند فکرکردن، استدلال، بیان احساسات، شفاف‌سازی ایده‌ها و ساختن روابط انسانی را انجام می‌دهد.

بنابراین فناوری جدید باید توان ارتباطی انسان را افزایش دهد، بدون از دست دادن این ویژگی‌های مهم زبان انسانی.

11. مشارکت علمی این پژوهش و راه آینده

این پژوهش بر اساس باوری مبنی بر اینکه فناوری انتقال مستقیم همه افکار انسان از قبل توسعه یافته، پیشنهاد نشده است.

بلکه به‌عنوان چارچوب پژوهشی علمی پیشنهاد شده است که شناسایی سیگنال مغزی، درک معنای فکر با کمک هوش مصنوعی، سنجش عملکرد انتقال اطلاعات و ارزیابی واقعی فکر انسانی را با هم ترکیب می‌کند.

پرسش مهم آن این نیست:

آیا ظرفیت کامل انتقال داده یک شبکه الکترونیکی را می‌توان در مغز انسان ایجاد کرد؟

پرسش مهم این است - آیا می‌توان زمان میان لحظه شکل‌گیری فکر در ذهن انسان و لحظه‌ای که شخص دیگر آن فکر را به‌درستی درک می‌کند را کاهش داد؟

برای این منظور، آیا ارائه اطلاعات مبتنی بر معنا که با کمک هوش مصنوعی تولید شده، در مقایسه با فناوری عصبی شناسایی گفتار معمولی، عملکرد اضافی ارائه می‌دهد؟ این باید بررسی شود.

برای گفتن اینکه فناوری موفق شده، کافی نیست که هوش مصنوعی جملات زیبا تولید کند.

باید زمان انتقال اطلاعات را کاهش دهد.

باید معنای واقعی فکر ارسال‌شده را حفظ کند.

باید خطاها را در سطح قابل‌قبول کنترل کند.

باید در انسان‌های مختلف و در محیط‌های عملی به‌طور قابل‌اعتماد کار کند.

این شرایط باید از طریق آزمایش علمی اثبات شوند.

پژوهش باید بپذیرد که برخی روش‌ها ممکن است عملکرد بهتری نسبت به ارتباط معمولی نشان ندهند.

ارزش واقعی پژوهش علمی فقط اثبات نتایج از پیش انتظارشده نیست.

در تصمیم‌گیری است، بر اساس شواهد قابل‌اعتماد، که آیا فرضیه درست است یا نادرست.

12. نتیجه‌گیری

در چند دهه گذشته، فناوری انتقال داده رایانه پیشرفت عظیمی حاصل کرده است.

امروز، رایانه‌ها در مناطق مختلف جهان حجم عظیمی از اطلاعات را با سرعت بالا تبادل می‌کنند.

اما ارتباط میان انسان‌ها هنوز بیشتر بر گفتار، نوشتار و سایر بیان‌های بدنی متکی است.

پژوهش‌های عصبی اخیر پیشرفت‌های قابل‌توجهی در بازسازی گفتار از سیگنال‌های مغزی، شناسایی گفتار تصورشده در ذهن و انتقال اطلاعات معین میان مغزها به ارمغان آورده‌اند.

با این حال، فناوری‌ای که همه انواع افکار انسانی را مستقیماً، دقیق و با سرعت بالا تبادل کند هنوز توسعه نیافته است.

این همچنان چالش علمی بزرگی است که باید حل شود.

در آینده، ادغام هوش مصنوعی و neurotechnology می‌تواند راه‌های جدیدی ایجاد کند که زمان صرف‌شده توسط انسان‌ها برای بیان افکارشان را کاهش می‌دهد.

پژوهش عملی آن باید از سیگنال‌های عصبی که انسان‌ها عمداً می‌خواهند ارائه دهند آغاز شود.

سپس مدل‌هایی که آن‌ها را به‌درستی شناسایی می‌کنند باید توسعه یابند.

پس از آن، باید ارزیابی شود که معنای واقعی اطلاعات با چه دقتی حفظ می‌شود.

سرانجام، باید به‌صورت علمی اثبات شود که آیا این فناوری واقعاً سرعت و عملکرد ارتباط میان انسان‌ها را بهبود می‌دهد.

تنها آنگاه می‌توان به سوی فناوری پیشرفته‌تری مانند ارتباط مستقیم کامل brain-to-brain پیش رفت.

هدف نهایی پژوهش من

هدف نهایی پژوهش من کاهش، تا حد ممکن، فاصله میان سرعت شکل‌گیری فکر در ذهن انسان و سرعتی است که شخص دیگر معنای واقعی آن فکر را به‌درستی درک می‌کند.

برای این منظور، روشی که پیشنهاد می‌کنم ترکیب هوش مصنوعی، brain-computer interface، neuroscience، information theory و فناوری ارتباطی امن و پرسرعت و بررسی مشترک آن‌هاست.

هدف ما صرفاً ارسال داده بیشتر با سرعت بالا نیست.

هدف ما ایجاد بنیان علمی روش ارتباطی جدیدی است که بتواند افکار و ایده‌های انسان‌ها را با حفظ معنای واقعی آن‌ها، به‌صورت امن، دقیق و در کمترین زمان تبادل کند.

منابع

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