Telepati şu anda dünyanın pek çok yerinde üniversitelerde en yoğun araştırılan konulardan biri. Bilim insanları gelişmiş sensörler aracılığıyla bir insanın beynindeki bazı kelimeleri, görüntüleri ve düşünceleri okuyabiliyor artık. Bu, göz kırpmaktan başka, kendini ifade etme yolu bulunmayan kaza ve felç kurbanlarıyla iletişimimizi değiştirebilir. Bu yalnızca bir başlangıç. Telepati aynı zamanda bizim bilgisayarlarla ve dış dünyayla olan iletişimimizi de tamamen değiştirebilir.

Aslında önümüzdeki beş yılda çığır açıcı beş gelişmeyi tahmin eden “Next 5 in 5 Forecast” adı altında yakın zamanda yayınlanan liste ile IBM bilim insanları bizim bilgisayarlarla zihinsel olarak iletişim kurabileceğimizi, hatta bunun bilgisayar faresi ve sesli komutların yerini alacağını iddia ediyor. Bu, yalnızca zihin gücümüzü kullanarak insanları telefonla arayabileceğimiz, kredi kartı faturalarımızı ödeyebileceğimiz, araba kullanabileceğimiz, randevu alabileceğimiz, harika senfoniler ve sanat eserleri yaratabileceğimiz anlamına geliyor. Olasılıklar sınırsız ve görünüşe göre bilgisayar devlerinden, akademisyenlere, bilgisayar oyunu şirketlerine, müzik stüdyolarına, hatta Pentagon’a kadar herkes bu teknolojiyi kullanmak için hazır.

Bilimkurgu ve fantezi romanlarında bulunan gerçek telepati, dışarıdan gelen bir yardım olmadan mümkün değildir. Bildiğimiz üzere beyin elektriksel bir yapıdır. Normalde ne zaman bir elektron hızlandırılsa, çevresine elektromanyetik dalgalar saçar. Aynı şey beynimizin içinde titreşen elektronlar için de geçerlidir. Tıpkı radyo yayınları gibi sinyaller yayarlar. Bu sinyaller çok zayıf olduğundan, başkaları tarafından algılanamazlar. Biz bunları radyo dalgalarına çevirsek bile anlamlı bir hale getirmemiz çok zordur. Evrim bize bu radyo dalgalarını deşifre etme yeteneğini vermemiştir, ama bilgisayarlarımız bunu yapabilir. Bilim insanları EEG taramalarını kullanarak bir kişinin düşüncelerini kabaca tahmin etmeyi başardı. Denekler kafalarına EEG sensörlerinden oluşan bir kask takmış ve örneğin bir araba resmi gibi, belirli bir düşünce üzerinde odaklanmışlardır. Her resim için oluşan EEG sinyalleri kaydedilmiş ve sonunda kişinin düşünceleriyle EEG görüntülerinin birebir uyduğu ilkel bir sözlük meydana getirilmiştir. 

Daha sonra bu kişiye başka bir araba resmi gösterildiğinde, bilgisayar daha önce kaydetmiş olduğu sinyaller sayesinde bunun bir araba olduğunu fark edebilmiştir.

EEG sinyallerinin üstünlüğü, hızlı olmaları ve herhangi bir cerrahi işleme gerek duymamalarıdır. Siz yalnızca yüzeyinde pek çok elektrotun olduğu bir kaskı kafanıza takarsınız ve EEG milisaniyeler içinde değişen sinyalleri çabucak tanımlar. Ama gördüğümüz kadarıyla EEG sensörlerinin sorunu, elektromanyetik dalgaların kafatasından geçerken bozulması ve buna bağlı olarak geldiği kaynağın yerinin kesin olarak saptanamamasıdır. Bu yöntem bize sizin bir arabayı mı yoksa evi mi düşündüğünüzü söyleyebilir, ama arabanın resmini yeniden canlandıramaz. Bu noktada konuya Dr.Jack Gallant’ın çalışmaları dahil oluyor.

ZİHNİN VİDEO GÖRÜNTÜLERİ

Bu araştırmanın çoğunun merkez üssü, benim de yıllar önce teorik fizik üzerine doktoramı yaptığım Berkley’deki California Üniversitesi’dir. Laboratuvarını gezmekten büyük zevk aldığım Dr.Gallant ve grubu, büyük bir başarıya imza atarak bir zamanlar olanaksız olduğu düşünülen şeyi gerçekleştirdi: Bir insanın düşüncelerini video görüntülerine dönüştürmek. Gallant bu konuda “Bu beynimizdeki görüntüleri yeniden yapılandırmak için büyük bir adımdır. Biz zihnimizdeki filmlere bir pencere açıyoruz” diyor.

Laboratuvarını ziyaret ettiğimde gözüme çarpan ilk şey, genç ve hevesli doktora sonrası çalışanlardan ya da lisansüstü öğrencilerden oluşan bir gruptu. Hepsi kendi bilgisayar ekranlarının önüne toplanmış, dikkatle birinin beyin taramalarından oluşturulan video kaydını izliyordu. Gallant’ın takımıyla konuştuğunuzda o anda, orada bilimle ilgili tarih yazıldığını hissediyorsunuz, hatta kendiniz buna şahit oluyorsunuz.

Gallant, deneklerin öncelikle bir sedyeye sırtüstü uzandıklarını, sonra da büyük bir MRG makinesine baştan aşağı doğru yavaşça sokulduklarını açıkladı. Bu son teknoloji ürünü makinenin yaklaşık üç milyon dolar olduğunu da sözlerine ekledi. Daha sonra deneklere bir kaç film klibi (örneğin, kolayca Youtube’dan bulunabilecek film fragmanları) gösterilmiş. Yeterince veriyi uyarabilmek için, denekler hiç kıpırdamadan saatlerce bu klipleri izlemek zorunda kalmış. Bu kesinlikle çetin bir görev. Doktora sonrası araştırmacılardan biri olan Dr.Shinji Nishimoto’ya nasıl saatlerce hareketsiz kalmaya ve yalnızca video klipler izleyerek vakit geçirmeye gönüllü insanlar bulduklarını sordum. Bana odada bulunan öğrencilerin ve diğer doktora sonrası araştırmacıların kendi çalışmaları için “kobay faresi” olmaya gönüllü olduklarını söyledi.

Denekler film kliplerini izlerken, MRG makinesi beyinlerindeki kan akışının 3D görüntüsünü yaratır. MRG’nin oluşturduğu bu görüntü otuz bin noktadan ya da vokselden oluşan genil bir koleksiyona benzer. Her voksel bir nöral enerji noktasını temsil eder, renkler de gelen sinyalin yoğunluğuna ve o bölgedeki kan akışına uyumluluk gösterir. Kırmızı noktalar yoğun sinirsel aktiviteyi temsil ederken mavi noktalar daha az aktivitenin olduğunu gösterir (Son oluşan görüntü yüzlerce noel ışığının dizilip bir beyin şekli oluşturmasına benziyor. Ve hemen kişi görüntüleri izlerken, beynin zihinsel enerjisinin çoğunu beyin arka tarafında bulunmakta olan görme korteksinde harcadığını fark edersiniz).

Gallant’ın MRG makinesi o kadar güçlü ki, beynin birbirinden ayrı iki-üç yüz bölgesinin ve her bölgede (ortalama) yüz noktanın anında görüntüsünü kaydedebiliyor (gelecek nesil MRG makineleri için bir hedef de, bu bölge başına alınan görüntü sayısının artırılarak makinelere daha keskin çözümleme yeteneği kazandırılması).

Başta bu renklendirilmiş noktalardan oluşan 3D derleme çok saçma, anlamsız görünüyor. Uzun yıllar yapılan araştırmalar sonunda, Dr.Gallant ve meslektaşları bir resmin belirli özellikleriyle (kenarları, dokusu, yoğunluğu, vb.) MRG vokselleri arasındaki ilişkiyi anlamaya başlayan matematiksel bir formül geliştirmiş. Örneğin, bir kenara bakarsanız bu bölgenin aydınlık ve karanlık tarafları birbirinden ayırdığını fark edersiniz ve bundan dolayı bu kenar belirli bir voksel düzeni yaratır. Deneklerin arka arkaya çalışmaya dahil edilip onlara geniş bir film koleksiyonunun izletilmesiyle bu matematiksel formül düzeltilmiş ve bu sayede bilgisayar MRG voksellerine dönüştürülmüş pek çok görüntüyü analiz edecek hale getirilmiş. Sonunda bilim insanları için belirli MRG voksel örüntüleri ile her resmin özellikleri arasındaki doğrudan ilişkiyi çözmek mümkün olmuş.

İşte bu noktada, deneklere yeni bir film fragmanı gösteriliyor. Bilgisayar bu görüntü gösterilirken oluşan vokselleri analiz ediyor ve orjinal görüntünün kabaca tahminini yeniden yaratıyor (bilgisayar, gösterilen yüzlerce film klibi arasından en son izlenen klibe en çok benzeyen görüntüleri seçerek bunları birleştirip yakın bir tahmin yapıyor). Bu şekilde bilgisayar, beynimizde oluşan görüntüyü belirsiz bir videoya çevirebiliyor. Dr.Gallant’ın matematiksel formülü o kadar çok yönlü ki, bir grup MRG vokselini resimlere dönüştürebiliyor ya da tam tersi bir resmi alıp MR voksellerine çevirebiliyor.

Dr.Gallant’ın grubunun yarattığı videoyu izleme şansım oldu ve bu çok etkileyici bir deneyimdi. Videoyu izlemek, siyah gözlüklerle içinde suratların, hayvanların, sokak manzaralarının ve binaların olduğu bir filmi izlemek gibiydi. Hayvanların ya da yüzlerin tüm ayrıntılarını ayırt edemeseniz de, gördüğünüz nesneleri çok rahat tanımlayabiliyordunuz.

Kaynak : Zihnin Geleceği - Michio Kaku