Čovjek bez glasa koji je izgovorio dva milijuna riječi
Casey Harrell je izgubio govor zbog amiotrofične lateralne skleroze. Tri godine nakon ugradnje BCI-mikroelektroda iza njega su dva milijuna dekodiranih riječi i više od 3.800 sati uporabe sustava kod kuće
Neuralne proteze (intrakortikalno sučelje mozak–računalo, odnosno BCI, brain-computer interface) dugo su u očima javnosti egzostirale u nejasno definiranom području između medicine i znanstvene fantastike. Povremeno bi se pojavio snimak paralizirane osobe koja mislima pomiče pokazivač ili kroz zvučnik izgovara kratku rečenicu. Mediji bi to proglasili čitanjem misli, a priča bi se zatim vratila u laboratorij.
S jedne je strane u medijskoj promociji BCI-ja prednjačio, a tko bi drugi, Elon Musk: njegov Neuralink je još 2020. pred kamerama izveo svinju Gertrude, čiji je implantat proizvodio zvučne signale dok je njuškala i jela, što je bilo tehnički zanimljivo, ali ipak ponešto skromnije od najavljivanog spajanja ljudskog uma s umjetnom inteligencijom. [1] S druge pak strane, dok je Musk glasno govorio o telepatiji i budućnosti čovječanstva, BrainGate i drugi istraživački timovi napredovali su manje spektakularno ali znanstveno dosljedno – kroz kliničke pokuse, mjerljive rezultate i radove podvrgnute znanstvenoj recenziji.
Najuvjerljiviji dokaz dugotrajne praktične uporabljivosti govornog BCI-ja danas ne dolazi od medijski najglasnijeg brenda, nego od ljudi koji su više vremena proveli na radu u laboratoriju i u znanstvenoj verifikaciji svojih rezultata nego u organiziranju polu-uvjerljivih medijskih predstava.

ALS, bolest koja oduzima pokretljivost i glas
Slučaj Caseyja Harrella danas nudi nešto mnogo važnije od medijski razvikanog čuda. Harrell je nakon prvih laboratorijski nadziranih pokusa i treninga počeo svoj BCI implantirani sustav koristiti bez izravne pomoći istraživača i inženjerske ekipe, izvan laboratorija, i to za razgovore, poruke, videopozive i za posao. U toj je svakodnevici kontinuirano tijekom 19 mjeseci izgovorio 183.060 rečenica, gotovo 1,96 milijuna riječi.
Harrellu je naime prije nekoliko godina amiotrofična lateralna skleroza (ALS) oduzela tjelesnu pokretljivost, te uslijed nepokretnosti mišića ždrijela i grkljana učinila govor toliko nerazumljivim da više nije mogao komunicirati vlastitim glasom. ALS, kronična napredujuća neurološka bolest, postupno uništava motoričke neurone koji prenose naredbe iz mozga prema mišićima. Pritom su moždani centri za pokret i govor očuvane funkcije. Onako kao kod čuvenog teorijskog fizičara Stephena Hawkinga? Da, upravo tako!
Slikovito rečeno, ALS uzrokuje da govor djeluje kao glazbena linija koja uredno reproducira glazbu, ali su žice prema zvučnicima teško oštećene ili posve presječene: mozak i dalje stvara motoričku naredbu za govor, no ona zbog oštećenja motoričkih neurona ne stiže do mišića jezika, usana i grkljana pa se zamišljena riječ ne može pretvoriti u razumljiv zvuk. Neuralna proteza (BCI) zaobilazi taj prekinuti put tako što moždani signal „preuzima“ prije mjesta kvara i šalje ga računalu, koje ga pretvara u tekst ili sintetizirani glas.
U srpnju 2023. je Harrell uključen u eksperimentalno kliničko ispitivanje BrainGate2 na kalifornijskom Sveučilištu Davis. Neurokirurzi su mu u lijevu precentralnu vijugu (dio motoričke kore mozga koji sudjeluje u planiranju i izvođenju govora) ugradili četiri polja (microarray) s po 64 mikroelektrode. Tih 256 elektroda bilježi aktivnost onih neurona koji upravljaju jezikom, usnama, grkljanom i drugim dijelovima govornog aparata.

"Science, bitchez!" u tri poteza
Prvi službeno objavljeni rezultat stigao je 2024. i to u radu u časopisu The New England Journal of Medicine [2] u kojem su istraživači pokazali da sustav nakon samo pola sata početnog uvježbavanja može prevesti Harrellove pokušaje govora u tekst. S rječnikom od 50 riječi dosegnuta je točnost od 99,6 posto. Nakon proširenja na više od 125.000 riječi početna točnost bila je nešto viša od 90 posto, a dodatnim učenjem porasla je na približno 97,5 posto. Tekst se mogao prikazati na zaslonu i pročitati sintetiziranim glasom nalik Harrellovu glasu rekonstruiranom iz audio-snimki prije bolesti.
Godinu poslije uslijedio je novi korak: umjesto da najprije "snimi" i računalno sastavi čitavu rečenicu u tekst, a zatim je sintetiziranim glasom pročita, sustav je usavršen tako može gotovo trenutačno pretvarati Harrellovu moždanu aktivnost u kontinuirani sintetizirani govor. Štoviše, Harrell je mogao mijenjati intonaciju, naglasiti riječ, oblikovati pitanje drukčijom bojom glasa, pa čak i otpjevati kratke melodije. Neuroproteza je tako počela vraćati i ritam te emocionalnu izražajnost govora. Rezultati su 2025. objavljeni u časopisu Nature [3], a i Bug.hr je u nekoliko navrata pratio razvoj situacije na terenu.
Treća, zasad najvažnija objava stigla je nedavno, u lipnju 2026. (Nature Medicine). Donijela je odgovor na pitanje bez kojeg medicinska inovacija ne može postati pomagalo: može li sustav dugo i pouzdano raditi izvan laboratorija? Odgovor glasi da za sada to još uvijek nije komercijalni uređaj, ali više nije ni eksperimentalni, konceptualni prototip i pokus koji funkcionira samo dok ga sa svih strana pridržavaju neurokirurzi, inženjeri i informatičari. [4]
Čudo koje je preživjelo svakodnevicu
Problem s tehnološkim čudima je to što se obično događaju samo jednom. U laboratoriju su uvjeti kontrolirani, a stručnjaci spremni intervenirati čim signal oslabi ili se program zbuni. Pravi test počinje kada uređaj uđe u kuću korisnika i susretne se s real-life izazovima: više ga ne testiraju doktori i inženjeri, nego umor, loš dan, promjena načina govora, nove riječi i sve ostale neurednosti stvarnog života.
Harrell je sustav kod kuće tijekom skoro 19 mjeseci koristio ukupno više od 3.800 sati. Prosječna brzina komunikacije bila je 56 riječi u minuti. Njime je razgovarao s obitelji i prijateljima, sudjelovao u videopozivima, slao poruke, pretraživao internet i nastavio raditi puno radno vrijeme. U strukturiranim testovima točnost je prelazila 99 posto. U spontanoj svakodnevnoj uporabi 92 posto rečenica označio je kao potpuno ili uglavnom točno dekodirane.
Laboratorijskih 99 posto opisuje kontrolirani zadatak s poznatim odgovorom. Kućnih 92 posto opisuje stvarne razgovore s neuobičajenim imenima, promjenama teme i umorom. Za procjenu praktične vrijednosti druga brojka govori više.
S vremenom je Harrell prešao na tiho oblikovanje riječi bez fonacije. To ga je manje umaralo i omogućilo veću brzinu, uz nešto slabiju točnost. Uostalom, u svakodnevnoj praksi je daleko važnije što korisnik može podnositi satima nego postavljanje brzinskih rekorda u kratkom, kontroliranom laboratorijskom testu.
Što se zapravo nalazi u mozgu
Harrellovi implantati nisu - kako bi ih se moglo zamišljati - mikročipovi koji po mozgu traže i love misli od kojih se formiraju riječi. Svaki od 4 implantirana microarraya sastoji se od mreže sitnih elektroda koje prodiru približno milimetar i pol u koru velikog mozga. Postavljeni su u donji dio precentralne vijuge, gdje se u ljudskom mozgu tijekom pokušaja govora aktiviraju skupine neurona povezane s pokretima govornih mišića.
Sustav pritom ne čita misli i ne dekodira slobodno razmišljanje, unutarnji monolog ili slučajnu ideju. Aktivira se onda kada Harrell namjerno pokušava govoriti. Kod ALS-a mozak i dalje normalno stvara motorički plan za izgovor riječi, ali bolest onemogućuje da ta naredba uredno stigne do mišića i proizvede razumljiv zvuk.
Neuroproteza presreće taj plan prije mjesta na kojem ga bolest prekida: elektrode bilježe akcijske potencijale („struju“ koji nastaju u aktivnim neuronima) i zajedničku visokofrekventnu aktivnost neuronskih skupina. Ti signali ne nalikuju ni glasu ni tekstu. Oni su višedimenzionalan tok brojeva iz kojeg algoritmi moraju izdvojiti obrasce povezane s pokušajem izgovaranja pojedinih glasova.

Isti signali mogu poslužiti i za upravljanje pokazivačem i klikom zamišljenim pokretima šake. Ta je funkcija olakšala ispravljanje pogrešno prepoznatih riječi i rad na računalu, ali središnja vrijednost sustava ostala je pretvaranje namjere govora u jezik.
Kako električni šum postaje izgovorena rečenica
Najveći dio čarolije ne događa se u implantatu nego u softveru. Računalo svakih 80 milisekundi iz aktivnosti 256 elektroda izračunava vjerojatnost da Harrell pokušava proizvesti jedan od 39 fonema američkog engleskog, tišinu ili posebnu praznu oznaku potrebnu za poravnanje signala i jezika. Sustav ne mora odmah prepoznati cijelu riječ, nego najprije procjenjuje slijed glasova od kojih bi ona mogla biti sastavljena.

U početnoj verziji taj je zadatak obavljala rekurentna neuronska mreža. Nakon približno 600 dana zamijenjena je kauzalnim transformerom s 12 blokova i mehanizmom višeglave pažnje (multi-head attention). Transformer pripada istoj široj obitelji arhitektura koja je pokrenula procvat generativne umjetne inteligencije, ali ovdje ne vodi razgovor i ne piše tekst. Njegova je zadaća prepoznati vremenske obrasce neuralnog signala i svakih 80 milisekundi procijeniti vjerojatnosti mogućih fonema.
„Kauzalni” znači da pri radu smije koristiti samo sadašnje i prethodne podatke. Ne može zaviriti u nastavak rečenice koji još nije nastao. Mehanizam pažnje pomaže mu povezati trenutačni uzorak aktivnosti s relevantnim dijelovima prethodnog niza, što omogućuje dekodiranje u stvarnom vremenu.

Iz transformera ne izlazi gotova rečenica, nego niz vjerojatnosti fonema (dakle, konceptualno je nalik naprednom LLM-u). Višestupanjski jezični sustav zatim pretražuje moguće kombinacije riječi iz rječnika većeg od 125.000 pojmova. Nakon završetka rečenice ponovno obrađuje signal, uspoređuje više mogućih prijepisa te kandidatske rečenice dodatno rangira n-gramskim i velikim jezičnim modelom.
To jest umjetna inteligencija (u onoj mjeri koliko su i napredni jezični modeli umjetno inteligentni), ali nije čitanje misli niti izmišljanje Harrellovih rečenica. Neuralni signal određuje što je pokušao izgovoriti, a jezični model pomaže odlučiti koje je od nekoliko sličnih tumačenja najvjerojatnije. Njegova je uloga slična naprednom automatskom ispravljaču. Što je signal nejasniji, to kontekst postaje važniji, a raste i mogućnost da statistički vjerojatna riječ zamijeni onu namjeravanu.
Stroj koji svakoga dana ponovno upoznaje mozak
Neuralni signal nije stalna, savršeno reproducibilna šifra. Odnos između elektrode i neurona s vremenom se mijenja, a na snimku utječu budnost, umor, bolest i način pokušaja govora. Dekoder koji je radio izvrsno prije nekoliko tjedana može početi griješiti iako korisnik izgovara istu riječ.
Zbog toga se sustav kontinuirano prilagođavao. Nakon pet ili šest novih potvrđenih rečenica stvarao je poseban dnevni dodatak modelu kojim se signal toga dana usklađivao s prethodno naučenim obrascima. Nove rečenice uključivane su u daljnje učenje, ali se nadograđena verzija prihvaćala samo ako je bila bolja na odvojenim podacima za provjeru.
Bez takve prilagodbe implantat bi bio poput tipkovnice na kojoj tipke svakoga jutra malo promijene položaj. Umjesto duge dnevne kalibracije, softver prati pomicanje neuralnog „rukopisa” i postupno mu se prilagođava.
Više od 90 posto elektroda u svakom polju nastavilo je bilježiti akcijske potencijale tijekom promatranog razdoblja, a govorni obrasci ostali su dovoljno prepoznatljivi i nakon više od godinu i pol. To ne dokazuje da će implantati raditi desetljećima, ali pokazuje da intrakortikalna neuroproteza ne mora izgubiti korisnost nakon nekoliko mjeseci.

Od prototipa prema pomagalu
Konceptualno, svemu ovome se može cjepidlačno pronaći nedostatke. Rezultati potječu od jednog čovjeka. Sustav zahtijeva neurokiruršku operaciju, priključke kroz kožu, glomaznu opremu i pomoć pri svakodnevnom spajanju. Ostaju pitanja infekcija, dugoročne stabilnosti, cijene, servisiranja, privatnosti neuralnih podataka i odgovornosti kada algoritam pogrešno prevede nečiju namjeru.
Ipak, promijenila se kategorija dokaza. Prvi objavljeni znanstveni članak iz 2024. pokazao je da moždana aktivnost može postati točan tekst. Drugi je 2025. pokazao da se iz nje može proizvesti gotovo trenutačan i izražajan glas. Treći je objavljen prije malo više od mjesec dana i pokazauje da ta tehnologija može izdržati 19 mjeseci, više od 3.800 sati i gotovo dva milijuna riječi stvarne uporabe.
I dalje stoji tvrdnja da neuralna govorna proteza još nije gotov proizvod. Ali je u ovim fazama razvoja postala nešto što nijedan proizvod ne može preskočiti na putu do tržišta: dovoljno pouzdan alat na koji stvarna osoba može osloniti velik dio svoje svakodnevice.
Laboratorijsko čudo napokon je počelo prerastati u pomagalo.
Literatura
[1] Neuralink. „Neuralink’s First-in-Human Clinical Trial Is Open for Recruitment.” PRIME Study, 2023.
[2] Card, N. S. i sur. „An Accurate and Rapidly Calibrating Speech Neuroprosthesis.” The New England Journal of Medicine, 2024.
[3] Wairagkar, M. i sur. „An Instantaneous Voice-Synthesis Neuroprosthesis.” Nature, 2025.
[4] Card, N. S. i sur. „Long-Term Independent Use of an Intracortical Brain-Computer Interface for Speech and Cursor Control.” Nature Medicine, 15. lipnja 2026.

Igor „Doc“ Berecki je penzić iz Osijeka. Pobornik teorijske i praktične primjene znanosti temeljene na dokazima, nakon pedijatrijsko-intenzivističke karijere bavi se pisanjem znanstveno-popularnih tekstova, crtkanjem računalnih i old-school grafika i dizajna, zbrinjavanjem pasa i mačaka, fejsbučkim blogiranjem o životnim neistinama i medicinskim istinama, kuhanjem upitno probavljivih craft-piva i sasvim probavljivih jela, te neprobavljivim sviranjem bluesa.