最近，美國(guó)加州大學(xué)舊金山分校的科研團(tuán)隊(duì)使用人工智能解碼系統(tǒng)，把人的腦電波轉(zhuǎn)譯成英文句子，最低平均錯(cuò)誤率只有3%。這項(xiàng)研究發(fā)表在《自然·神經(jīng)科學(xué)》雜志上。

參加實(shí)驗(yàn)的4名志愿者都是癲癇患者，他們由于治療需要在大腦表面植入了數(shù)百個(gè)微電極。研究人員正是利用這些微電極陣列來記錄其腦電波信號(hào)，然后借助人工智能系統(tǒng)進(jìn)行解碼。

正確率勝過人工速記員

論文顯示，10年前，科學(xué)家首次從人類大腦信號(hào)中解碼出語(yǔ)音，但是解碼的精度和速度遠(yuǎn)低于自然語(yǔ)速。

低到什么程度呢？

研究團(tuán)隊(duì)介紹，迄今為止，在直接從腦電波中解碼語(yǔ)音的研究中，腦機(jī)接口系統(tǒng)僅限于解碼單音節(jié)，或在志愿者連續(xù)念出約100個(gè)單詞的情況下，只能正確解碼不到40%的單詞。

為提升解碼精確度，研究團(tuán)隊(duì)從機(jī)器翻譯中獲得啟發(fā)，訓(xùn)練了一種循環(huán)神經(jīng)網(wǎng)絡(luò)。研究中，4名志愿者被要求大聲重復(fù)朗讀30至50句話。他們大腦外側(cè)皮質(zhì)上分布著大量微電極，可以監(jiān)測(cè)到相應(yīng)的大腦神經(jīng)活動(dòng)。這些腦電波數(shù)據(jù)輸入人工智能系統(tǒng)后，先被編碼成一串序列，然后解碼成相應(yīng)的英文句子。

研究人員表示，這項(xiàng)研究展示了以高精度和自然語(yǔ)速來解碼皮層腦電圖。在對(duì)其中一個(gè)志愿者的腦電波解碼任務(wù)中，平均每句話只有3%需要糾正——低于專業(yè)人工速記員平均5%的錯(cuò)誤率。

但研究團(tuán)隊(duì)也強(qiáng)調(diào)，該研究涉及的句子量比較少?！叭绻銍L試不使用這50個(gè)句子的數(shù)據(jù)集，解碼就會(huì)糟糕很多。”論文第一作者約瑟夫·馬金接受媒體采訪時(shí)說。

展示AI解讀神經(jīng)信號(hào)的潛力

“這項(xiàng)研究的創(chuàng)新之處在于，采用端到端的深度學(xué)習(xí)網(wǎng)絡(luò)實(shí)現(xiàn)神經(jīng)信號(hào)翻譯，從工程角度展示了人工智能技術(shù)應(yīng)用于神經(jīng)信號(hào)解讀的潛力?！鼻迦A大學(xué)醫(yī)學(xué)院神經(jīng)工程實(shí)驗(yàn)室、清華大學(xué)人工智能研究院教授洪波在接受科技日?qǐng)?bào)記者采訪時(shí)評(píng)價(jià)說。

洪波分析，這項(xiàng)研究的難點(diǎn)在于兩個(gè)方面。

首先是采用了高密度微電極陣列，間距4毫米，多達(dá)256個(gè)電極，覆蓋大腦皮層表面的關(guān)鍵腦區(qū)，獲取了足夠的神經(jīng)信息用于解碼。這種電極在國(guó)內(nèi)尚沒有可用于臨床的產(chǎn)品。

另外，研究中深度循環(huán)神經(jīng)網(wǎng)絡(luò)的訓(xùn)練，除了采用時(shí)間軸上的卷積操作提高特征提取能力，還把語(yǔ)音頻譜特征也作為訓(xùn)練目標(biāo)，大大降低了對(duì)神經(jīng)數(shù)據(jù)量的需求。

“腦機(jī)接口的一個(gè)核心難題是神經(jīng)信息的解碼和翻譯，腦電信號(hào)噪聲大，背后的神經(jīng)編碼機(jī)制復(fù)雜未知，這些都是挑戰(zhàn)?！焙椴ㄕJ(rèn)為，以深度學(xué)習(xí)為代表的人工智能技術(shù)發(fā)展，為腦機(jī)接口打開一條應(yīng)對(duì)該挑戰(zhàn)的新路徑。

不過，在洪波看來，人工智能與腦機(jī)接口結(jié)合，也帶來新難題：如何獲得大量的訓(xùn)練數(shù)據(jù)？來自人腦的高精度神經(jīng)數(shù)據(jù)通常只在臨床條件下才能獲得，這會(huì)使神經(jīng)網(wǎng)絡(luò)訓(xùn)練陷入困境。