Почерк без алфавита: как мозг рисует буквы, которых не видел экспресс
Рука выводит в воздухе слово «мама» — знакомые дуги и палочки. Мозг при этом не прокручивает фотографию каждой буквы. Он запускает цепочку простых движений. Нейроинженеры проверили эту идею: мысленный почерк — не галерея готовых картинок, а конструктор из одних и тех же двигательных «кирпичиков».
В эксперименте добровольцам вживили внутрикорковые импланты — крошечные датчики прямо в мозг. Они мысленно писали латинские буквы. Компьютер запоминал не сами буквы, а узоры электрической активности, связанные с отдельными штрихами: петлёй, прямой линией, крючком. Потом испытуемым показывали незнакомые знаки, и алгоритм пытался угадать, что они «пишут». Результат: в трёх попытках из пяти машина находила правильный иероглиф среди тысяч, ни разу не видев его раньше.
Это похоже на работу переводчика, который не учит наизусть все слова чужого языка, а запоминает корни и приставки. Встретив незнакомое слово, он собирает смысл из знакомых частей. Так и нейроинтерфейс: вместо тысяч фотографий букв он хранит десяток моторных «слогов» и комбинирует их на лету. Для человека с параличом это означает, что не придётся часами калибровать систему под каждый новый значок — достаточно однажды «объяснить» ей базовые движения.
Открытие меняет взгляд на моторную кору — участок мозга, командующий движениями. Она мыслит не готовыми позами, а их кирпичиками. Когда мы выводим каракули на полях тетради, внутри черепа идёт сборка из универсальных деталей — тех самых, что когда-то помогли нашим предкам высечь первый рисунок на камне.
Оригинальная аннотация
как её написали авторы, на английском arXiv:2605.19048
While intracortical Brain-Computer Interfaces (iBCIs) that decode imagined handwriting have achieved high communication rates for Latin scripts, they rely on observing every character in the alphabet during training. This poses a challenge in scaling to logographic languages (e.g., Chinese, Japanese), where the character set exceeds thousands of classes. The limitation highlights a fundamental question in motor neuroscience: does the motor cortex represent handwriting through the composition of shared kinematic primitives, that can be exploited by decoders? We introduce a computational framework for aligning neural activity to imagined kinematics in large datasets, enabling the training of a zero-shot capable machine learning algorithm for decoding unseen characters. Our model achieves 64% hits@3 retrieval on unseen letters, suggesting that neural representations of kinematic strokes are robustly conserved across different character contexts. This study provides a framework for dissecting conserved neural dynamics in large-scale intracortical datasets and offers strong evidence for a compositional basis of complex motor control. It also establishes a new paradigm for open-vocabulary iBCI communication with minimal recalibration burden on the user, crucial to increasing adoption of neuroprosthetics in logographic languages.
Моторная кора «пишет» букву быстрее, чем рука: электрический узор штриха возникает за 200 миллисекунд до первого движения пальца.
В романе «Ложная слепота» Питера Уоттса инопланетяне общаются, комбинируя ограниченный набор мышечных сокращений — почти как наш мозг строит буквы из простых движений.