腦機(jī)接口新突破：人腦信號轉(zhuǎn)文本準(zhǔn)確率達(dá)97%

4月22日消息，據(jù)國外媒體報(bào)道，一個(gè)由加州大學(xué)舊金山分校的研究團(tuán)隊(duì)打造的新型人工智能系統(tǒng)可根據(jù)人腦信號來生成文本，準(zhǔn)確率最高可達(dá)97%。

亞馬遜和谷歌等科技公司打造的虛擬助手相當(dāng)先進(jìn)，語音識別能力比起幾年前進(jìn)步驚人，近年來人們才剛開始領(lǐng)會它們的威力。

然而，事實(shí)上，一項(xiàng)更令人驚嘆、更匪夷所思的里程碑式技術(shù)創(chuàng)新可能即將實(shí)現(xiàn)。它的出現(xiàn)讓語音識別技術(shù)完全相形見絀，這是一個(gè)十分強(qiáng)大的人工智能(AI)系統(tǒng)，可以根據(jù)人們的大腦活動直接生成完整的文本，整個(gè)過程完全不需要聽到任何一個(gè)單詞。

這不完全是科幻小說中的概念。近幾十年來，從動物模型到人類參與者，腦機(jī)接口技術(shù)的發(fā)展可謂突飛猛進(jìn)。事實(shí)上，這類技術(shù)已經(jīng)在嘗試將這種概念從幻想變成現(xiàn)實(shí)。

加州大學(xué)舊金山分校的研究人員在一項(xiàng)新研究中解釋說，目前來看，通過該技術(shù)將人腦信號轉(zhuǎn)換成的文本結(jié)果還不很準(zhǔn)確。

為了探究是否能夠改善這一狀況，由加州大學(xué)舊金山分校Edward Chang實(shí)驗(yàn)室神經(jīng)外科教授Edward Chang領(lǐng)導(dǎo)的一個(gè)團(tuán)隊(duì)使用了一種全新的方法來解碼腦皮質(zhì)電圖：通過植入大腦的電極，來獲取皮質(zhì)活動中所產(chǎn)生的電脈沖記錄。

在這項(xiàng)研究中，四名癲癇患者使用了這種植入物，以便監(jiān)測他們的身體狀況引起的癲癇發(fā)作情況。研究團(tuán)隊(duì)還進(jìn)行了一項(xiàng)附帶實(shí)驗(yàn)：讓參與者大聲、反復(fù)地朗讀一些預(yù)先準(zhǔn)備的句子，同時(shí)通過電極來記錄他們在此期間的大腦活動。

然后，這些數(shù)據(jù)被輸入到一個(gè)神經(jīng)網(wǎng)絡(luò)，該網(wǎng)絡(luò)根據(jù)實(shí)驗(yàn)的音頻記錄，分析出與特定語音特征(如元音、輔音或口型)相對應(yīng)的大腦活動模式。

之后，另一個(gè)神經(jīng)網(wǎng)絡(luò)對這些大腦表現(xiàn)進(jìn)行解碼——參與者反復(fù)朗讀30到50個(gè)句子時(shí)產(chǎn)生的大腦活動數(shù)據(jù)——并據(jù)此來嘗試預(yù)測人們所說的話，預(yù)測根據(jù)他們朗讀單詞時(shí)所產(chǎn)生的皮層信號來進(jìn)行。

在最好的情況下，該系統(tǒng)在將其中一名參與者的大腦信號轉(zhuǎn)化成文本時(shí)，詞錯(cuò)率(WER)只有3%——至少在這些嚴(yán)格限定的實(shí)驗(yàn)條件下，這個(gè)詞錯(cuò)率也許已經(jīng)接近于迄今為止人工智能讀取人的想法的最佳表現(xiàn)。

在研究論文中，研究團(tuán)隊(duì)詳細(xì)列舉了許多參與者所朗讀的參照句子的例子，以及神經(jīng)網(wǎng)絡(luò)所生成的“預(yù)測”。那些預(yù)測有時(shí)是錯(cuò)誤的，但也不總是出錯(cuò)。然而，從那些非常明顯的錯(cuò)誤來看，它們似乎與人耳聽語音時(shí)會犯的錯(cuò)誤大不一樣(這可能是人工智能引入的數(shù)據(jù)集有限所致)。

神經(jīng)網(wǎng)絡(luò)出錯(cuò)的例子包括：“這家博物館每天晚上都聘請音樂家過來”，被預(yù)測為“這家博物館每個(gè)昂貴的早晨都聘請音樂家過來”；“蛋糕的一部分被狗吃掉了”，被預(yù)測為“蛋糕的一部分是餅干”；“蒂娜·特納是一位流行歌手”，被預(yù)測被“迪德·特納是一位流行歌手”。

在最糟糕的例子中，神經(jīng)網(wǎng)絡(luò)的錯(cuò)誤完全莫名其妙，不管是在語音上還是在語義上，都與實(shí)際的句子完全搭不著邊：“她穿著溫暖的羊毛工裝褲”被預(yù)測為“綠洲是海市蜃樓”。

然而，研究團(tuán)隊(duì)稱，盡管這些顯而易見的錯(cuò)誤有些詭異，但總的來說，該系統(tǒng)也許還是刷新了基于AI的大腦活動解碼的最佳表現(xiàn)，畢竟它表現(xiàn)最好時(shí)的詞錯(cuò)率只有5%，能夠與專業(yè)的人工語音轉(zhuǎn)錄相提并論。

當(dāng)然，要應(yīng)付日常發(fā)言的專業(yè)轉(zhuǎn)錄員必須得有數(shù)以萬計(jì)的詞匯量。相比之下，這個(gè)系統(tǒng)只能從有限的短句中學(xué)習(xí)到大約250個(gè)單詞的皮層特征，所以拿二者相比較并不公平。

雖然還有許多障礙需要克服，但研究團(tuán)伙認(rèn)為，該系統(tǒng)有朝一日可能會讓那些失去說話能力的人能夠重新“開口”說話。如果這樣的事情成為可能，會有望產(chǎn)生巨大的影響——為一些人提供一種與周圍世界交流的方式——而且所帶來的影響可能會遠(yuǎn)遠(yuǎn)超出人們目前的想象。

研究論文的作者解釋說，“在長期植入的參與者中，可用的訓(xùn)練數(shù)據(jù)量將比本研究中使用的半小時(shí)左右的語音量大幾個(gè)數(shù)量級，這意味著輸入語言的詞匯量和表達(dá)靈活性會大大提高?！?/p>

該研究的結(jié)果發(fā)表在雜志上。