?
新的人工智能可以僅僅通過大腦測量猜測出正確的、被測者正在想象的單詞。
Meta 的研究科學家讓-雷米·金 (Jean-Rémi King) 告訴《時代》雜志，有許多不好的因素會剝奪某人的說話能力——對這些受到影響的人來說，腦機接口可能是恢復溝通的關鍵。
“通過在患者大腦的運動區域放置一個電極，我們可以解碼活動并幫助患者與世界其他地方交流，”King 說。
大腦植入物使用這樣的方法恢復癱瘓患者的交流能力：神經植入物不需要指向單個字母或單詞，而是將他的想法直接轉化為單詞。
患有 ALS 的澳大利亞人 Phiip O'Keefe 擁有一個腦機接口芯片，可以讓他將自己的想法轉化為文本，從而打開了包括Twitter在內的整個電子通信世界。此外，一名 ALS 進展為完全閉鎖綜合征的患者也接受了一種允許交流的植入物。?
Meta 的研究人員正在構建用于在大腦中解碼語音的 AI 模型。
“但是將電極放入某人的大腦中顯然是極具侵入性的。” King 說。?
（在 O'Keefe 的案例中，值得注意的是，植入物是通過他的頸靜脈進入的，因此他不需要進行開顱手術，盡管這是一項重大手術。）
“所以我們想嘗試使用非侵入性的大腦活動記錄。最終目標是建立一個人工智能系統，可以解碼大腦對口述內容的反應。”
Facebook 人工智能研究 (FAIR) 實驗室的 King 和他的同事已經開始這樣做，他們創造了一種深度學習 AI，能夠在一定程度上從腦電波中解碼語音。
King 在Meta AI 的博客中寫道，在他們目前作為預印本在線的研究中，該團隊使用了之前在 FAIR 創建的開源算法來分析已經存在的數據集。
這些數據集包含 169 名健康志愿者在聽荷蘭語和英語有聲讀物時的大腦記錄，累積超過 150 小時。
由于目標是非侵入性地解碼語音，因此該團隊使用通過測量大腦的電活動（腦電圖或 EEG）和磁活動（稱為腦磁圖或 MEG）記錄的數據。
兩者都是通過頭骨外部的傳感器記錄的，這構成了研究人員的主要挑戰之一，King 告訴時代周刊：數據的“嘈雜”程度受限于傳感器與大腦的距離，以及皮膚、頭骨、水等的影響，會導致信號質量降低。所有這些噪音都變得更加難以消除，因此我們不能 100% 確定我們在尋找什么。
“另一個大問題更具概念性，因為我們實際上在很大程度上不知道大腦如何代表語言。”King 說。
人工智能使用有聲讀物和大腦錄音，分析它們以研究聽到的單詞和腦電波之間的工作模式。
這就是團隊想要外包給人工智能的解碼語音的問題，因為它通過一個動作來預測大腦活動——這將決定，在這種情況下，一個對象會聽到什么。?
如果沒有人工智能，“事情將很難說，‘好吧，這個大腦活動意味著這個詞，這個音素，或者一個行動的意圖，或者其他什么。’”King 說。
解碼語音：將這些時間分成三秒位后，他們將有聲讀物和大腦錄音提供給人工智能，人工智能對其進行分析，嘗試發現模式。
據《新科學家》報道，該團隊保留了 10% 的數據來測試他們的模型：使用從其他 90% 中學習到的模式來嘗試識別它從未見過的大腦記錄中聽到的單詞。
“經過訓練，我們的系統執行所謂的零樣本分類：給定一個大腦活動片段，它可以從大量新音頻片段中確定這個人實際聽到的是哪個片段。”King 在 Meta 博客中寫道。“算法基于這種設計推斷出這個人最有可能聽到的詞。”
具體來說，據《新科學家》報道，人工智能依靠其 793 個單詞的詞匯表來制作十個單詞列表，以粗略地解碼語音。
根據他們的預印本，當使用三秒的 MEG 數據時，人工智能能夠在 72.5% 的時間內在前十名中得到正確的詞——在 44% 的測試中首先猜到它——而在 EEG 數據中則為 19.1%。?
人工智能能夠在高達 72.5% 的測試中提供包含正確單詞的答案列表。
不過，倫敦帝國理工學院教授 Thomas Knopfel 告訴《新科學家》，該系統需要更多改進才能真正用于語音解碼，并且懷疑 EEG 和 MEG（非侵入性方案）能否提供更準確所需的精細細節.?
“這是關于信息流的。”Knopfel 告訴《新科學家》。“這就像試圖通過老式模擬電話調制解調器播放高清電影。即使在理想的條件下，有人戴著耳機坐在黑暗的房間里，只是在聽音頻，大腦中也會同時發生其他事情。在現實世界中，腦海中只有一個想法獨立地發生完全不可能。”
然而，技術進步可能會改變這一點：一種稱為OPM的新型 MEG正在推動可以從外部學習的范圍。
就他而言，King 告訴《時代》雜志，他們目前只對語音進行解碼，以講述人們在掃描儀中聽到的內容。它還不是用于設計產品，而只是作為基礎研究和原理證明。
?
來源：中國信息通信研究院知識產權中心
本公眾號高薪簽約長期專欄作者，歡迎具備優秀寫作能力的科技從業或愛好者，聯系傳感器小編：YG18511751369（微信號）
期待下一篇10W+出自您的筆下！
?
免責聲明：本文版權歸原作者所有。本文所用視頻、圖片、文字如涉及作品版權問題，請第一時間告知，我們將根據您提供的證明材料確認版權并按國家標準支付稿酬或立即刪除內容！本文內容為原作者觀點，并不代表本公眾號贊同其觀點和對其真實性負責。?
?
為您發布產品，請點擊“閱讀原文”
?
