สามงานวิจัยและผลลัพธ์สำคัญ

1. การถอดรหัสเสียงพูด (Journal of Neural Engineering) — ทีมวิจัยใช้โมเดลถอดรหัสแบบ Transformer ที่ถูกฝึกฝนร่วมกันจากผู้เข้าร่วมการทดลอง BCI (Brain-Computer Interface) ชนิดฝังในสมอง (intracortical) หลายคน โมเดลแบบหลายผู้ใช้นี้สามารถถอดรหัสเสียงพูดได้ โดยมีอัตราคำผิด (Word Error Rate - WER) ต่ำกว่าเฉลี่ยมากกว่า 50% เมื่อเทียบกับโมเดลที่ถูกฝึกด้วยข้อมูลของคนเพียงคนเดียว ยิ่งไปกว่านั้น เมื่อเจอผู้ป่วยรายใหม่ที่ไม่เคยเห็นข้อมูลมาก่อน โมเดลสามารถปรับตัวได้ด้วยข้อมูลปรับแต่งเพียงไม่กี่นาที โดยใช้ประโยคไม่ถึง 200 ประโยคเพื่อให้ได้ค่า WER ต่ำกว่า 7% ความสำเร็จนี้ต่อยอดจากระบบ BrainWhisperer รุ่นก่อนหน้าของ Tether Evo ซึ่งเคยทำผลงานได้ 1.78% WER ในการแข่งขัน Brain-to-Text '25 Kaggle

2. การถอดรหัสภาพ (Imaging Neuroscience) — โมเดลสามารถสร้างภาพที่มองเห็นขึ้นมาใหม่จากข้อมูลสัญญาณประสาทของสัตว์เลี้ยงลูกด้วยนม (primate spiking neural data) โดยใช้แนวทางการฝึกฝนข้ามบุคคลแบบเดียวกัน ผลลัพธ์น่าทึ่ง: โมเดลสามารถระบุภาพที่ถูกต้องจากตัวเลือกนับพันใบได้อย่างแม่นยำถึง 70% โดยใช้ข้อมูลสมองเพียงแค่ 20 มิลลิวินาที

3. การถอดรหัสเสียงเพลง (Neural Networks) — โมเดลสามารถถอดรหัสเพลงและแนวเพลง (genre) จากกิจกรรมทางสมอง แสดงให้เห็นถึงหลักการเดียวกันในการข้ามบุคคลสำหรับโดเมนของการได้ยินและดนตรี

กลไกการทำงานของโมเดลเดี่ยวข้ามบุคคล

นวัตกรรมทางเทคนิคที่สำคัญในทั้งสามงานวิจัยคือการใช้สถาปัตยกรรม Transformer ร่วมกันที่ถูกฝึกฝนบนข้อมูลสมองที่รวบรวมจากหลายคนพร้อมกัน การฝึกฝนร่วมกันนี้ช่วยให้โมเดลเรียนรู้คุณลักษณะของระบบประสาทที่มีร่วมกัน (common neural features) ซึ่งเป็นรูปแบบการเข้ารหัสเสียงพูด ภาพ และดนตรีที่สอดคล้องกันในแต่ละบุคคล ขณะเดียวกันก็ลดการพึ่งพาลักษณะเฉพาะที่แตกต่างกันของแต่ละคน เมื่อโมเดลต้องทำงานกับผู้ป่วยรายใหม่ ก็จำเป็นเพียงการปรับแต่งเล็กน้อยในเวลาสั้น ๆ (นาที ไม่ใช่สัปดาห์) แทนที่จะต้องผ่านกระบวนการฝึกฝนทั้งหมดอีกครั้งตั้งแต่ต้น ก่อนหน้านี้ในเดือนพฤษภาคม 2026 Tether Evo ได้เผยแพร่ preprint เกี่ยวกับการถอดรหัสสัญญาณประสาทเป็นหน่วยเสียง (neural-to-phoneme decoding) แบบข้ามบุคคล ซึ่งแสดงให้เห็นว่าโมเดลที่ถูกฝึกฝนร่วมกันจากชุดข้อมูลการพูดแบบฝังในสมองขนาดใหญ่ที่สุดสองชุดนั้นทำผลงานได้ดีเทียบเท่าหรือดีกว่าโมเดลพื้นฐานที่ฝึกด้วยข้อมูลของคนคนเดียว

เหตุใดจึงสำคัญต่อการนำ BCI มาใช้ในวงกว้าง

BCI ในปัจจุบันส่วนใหญ่ต้องผ่านการปรับเทียบเฉพาะสำหรับผู้ใช้แต่ละคน ซึ่งเป็นกระบวนการที่อาจใช้เวลาหลายสัปดาห์ในการเก็บข้อมูลและฝึกโมเดล วิธีการของ Tether Evo นี้จัดการกับอุปสรรคที่ใหญ่ที่สุดประการหนึ่งของการนำ BCI มาใช้ในเชิงคลินิกและผู้บริโภค นั่นคือ 'ค่าใช้จ่ายในการปรับแต่งเฉพาะบุคคล' การวิจัยนี้ชี้ให้เห็นหนทางสู่อุปกรณ์ประสาทเทียมแบบ 'เสียบแล้วใช้ได้เลย' (plug-and-play neuroprosthetics) ที่ทำงานได้ทันทีโดยใช้การตั้งค่าเพียงเล็กน้อย

โดยสรุปแล้ว ความก้าวหน้าครั้งนี้ไม่ใช่โมเดลเดียวที่สามารถถอดรหัสทั้งสามรูปแบบพร้อมกัน หากแต่เป็น 'ระเบียบวิธีทั่วไป' (general methodology) ที่เรียกว่าการฝึกฝนร่วมกันข้ามบุคคลและการปรับแต่งอย่างมีประสิทธิภาพ ซึ่งถูกนำไปใช้แยกกันในการถอดรหัสเสียงพูด ภาพ และเสียงเพลง โดยแต่ละด้านได้รับการตรวจสอบและตีพิมพ์ในวารสารของตัวเอง

สามงานวิจัยและผลลัพธ์สำคัญ

1. การถอดรหัสเสียงพูด (Journal of Neural Engineering) — ทีมวิจัยใช้โมเดลถอดรหัสแบบ Transformer ที่ถูกฝึกฝนร่วมกันจากผู้เข้าร่วมการทดลอง BCI (Brain-Computer Interface) ชนิดฝังในสมอง (intracortical) หลายคน โมเดลแบบหลายผู้ใช้นี้สามารถถอดรหัสเสียงพูดได้ โดยมีอัตราคำผิด (Word Error Rate - WER) ต่ำกว่าเฉลี่ยมากกว่า 50% เมื่อเทียบกับโมเดลที่ถูกฝึกด้วยข้อมูลของคนเพียงคนเดียว ยิ่งไปกว่านั้น เมื่อเจอผู้ป่วยรายใหม่ที่ไม่เคยเห็นข้อมูลมาก่อน โมเดลสามารถปรับตัวได้ด้วยข้อมูลปรับแต่งเพียงไม่กี่นาที โดยใช้ประโยคไม่ถึง 200 ประโยคเพื่อให้ได้ค่า WER ต่ำกว่า 7% ความสำเร็จนี้ต่อยอดจากระบบ BrainWhisperer รุ่นก่อนหน้าของ Tether Evo ซึ่งเคยทำผลงานได้ 1.78% WER ในการแข่งขัน Brain-to-Text '25 Kaggle

2. การถอดรหัสภาพ (Imaging Neuroscience) — โมเดลสามารถสร้างภาพที่มองเห็นขึ้นมาใหม่จากข้อมูลสัญญาณประสาทของสัตว์เลี้ยงลูกด้วยนม (primate spiking neural data) โดยใช้แนวทางการฝึกฝนข้ามบุคคลแบบเดียวกัน ผลลัพธ์น่าทึ่ง: โมเดลสามารถระบุภาพที่ถูกต้องจากตัวเลือกนับพันใบได้อย่างแม่นยำถึง 70% โดยใช้ข้อมูลสมองเพียงแค่ 20 มิลลิวินาที

3. การถอดรหัสเสียงเพลง (Neural Networks) — โมเดลสามารถถอดรหัสเพลงและแนวเพลง (genre) จากกิจกรรมทางสมอง แสดงให้เห็นถึงหลักการเดียวกันในการข้ามบุคคลสำหรับโดเมนของการได้ยินและดนตรี

กลไกการทำงานของโมเดลเดี่ยวข้ามบุคคล

นวัตกรรมทางเทคนิคที่สำคัญในทั้งสามงานวิจัยคือการใช้สถาปัตยกรรม Transformer ร่วมกันที่ถูกฝึกฝนบนข้อมูลสมองที่รวบรวมจากหลายคนพร้อมกัน การฝึกฝนร่วมกันนี้ช่วยให้โมเดลเรียนรู้คุณลักษณะของระบบประสาทที่มีร่วมกัน (common neural features) ซึ่งเป็นรูปแบบการเข้ารหัสเสียงพูด ภาพ และดนตรีที่สอดคล้องกันในแต่ละบุคคล ขณะเดียวกันก็ลดการพึ่งพาลักษณะเฉพาะที่แตกต่างกันของแต่ละคน เมื่อโมเดลต้องทำงานกับผู้ป่วยรายใหม่ ก็จำเป็นเพียงการปรับแต่งเล็กน้อยในเวลาสั้น ๆ (นาที ไม่ใช่สัปดาห์) แทนที่จะต้องผ่านกระบวนการฝึกฝนทั้งหมดอีกครั้งตั้งแต่ต้น ก่อนหน้านี้ในเดือนพฤษภาคม 2026 Tether Evo ได้เผยแพร่ preprint เกี่ยวกับการถอดรหัสสัญญาณประสาทเป็นหน่วยเสียง (neural-to-phoneme decoding) แบบข้ามบุคคล ซึ่งแสดงให้เห็นว่าโมเดลที่ถูกฝึกฝนร่วมกันจากชุดข้อมูลการพูดแบบฝังในสมองขนาดใหญ่ที่สุดสองชุดนั้นทำผลงานได้ดีเทียบเท่าหรือดีกว่าโมเดลพื้นฐานที่ฝึกด้วยข้อมูลของคนคนเดียว

เหตุใดจึงสำคัญต่อการนำ BCI มาใช้ในวงกว้าง

BCI ในปัจจุบันส่วนใหญ่ต้องผ่านการปรับเทียบเฉพาะสำหรับผู้ใช้แต่ละคน ซึ่งเป็นกระบวนการที่อาจใช้เวลาหลายสัปดาห์ในการเก็บข้อมูลและฝึกโมเดล วิธีการของ Tether Evo นี้จัดการกับอุปสรรคที่ใหญ่ที่สุดประการหนึ่งของการนำ BCI มาใช้ในเชิงคลินิกและผู้บริโภค นั่นคือ 'ค่าใช้จ่ายในการปรับแต่งเฉพาะบุคคล' การวิจัยนี้ชี้ให้เห็นหนทางสู่อุปกรณ์ประสาทเทียมแบบ 'เสียบแล้วใช้ได้เลย' (plug-and-play neuroprosthetics) ที่ทำงานได้ทันทีโดยใช้การตั้งค่าเพียงเล็กน้อย

โดยสรุปแล้ว ความก้าวหน้าครั้งนี้ไม่ใช่โมเดลเดียวที่สามารถถอดรหัสทั้งสามรูปแบบพร้อมกัน หากแต่เป็น 'ระเบียบวิธีทั่วไป' (general methodology) ที่เรียกว่าการฝึกฝนร่วมกันข้ามบุคคลและการปรับแต่งอย่างมีประสิทธิภาพ ซึ่งถูกนำไปใช้แยกกันในการถอดรหัสเสียงพูด ภาพ และเสียงเพลง โดยแต่ละด้านได้รับการตรวจสอบและตีพิมพ์ในวารสารของตัวเอง