計算機生成的大腦圖像美國的研究人員跟蹤了人們說話時的神經數據。

讀心術離現實又近了一步：科學家已經開發出可以將大腦活動轉化為文本的人工智能。

雖然該系統目前只能在當某人大聲說話時檢測到特定神經模式，但專家表示，它最終可能會幫助那些不能說話或打字的病人進行交流，比如那些患有閉鎖綜合癥的病人。

舊金山加利福尼亞大學的約瑟夫·馬金博士（Dr Joseph Makin）是這項研究的合著者，他說：“我們還沒有做到這一點，但我們認為這可能是聲音“假肢”的基礎。”

Makin和他的同事們在《自然神經科學》（Nature Neuroscience）雜志上發表文章［1］，揭示了他們是如何開發這個系統的。首先招募了四名參與者，然后在他們的大腦中植入了電極陣列來監測神經元的變化。

這些參與者被要求大聲朗讀50個句子，包括“蒂娜·特納是一個流行歌手”和“那些小偷偷走了30個珠寶”。研究小組在他們說話時追蹤他們的腦部神經活動。

然后，這些數據被輸入一個機器學習算法，這是一種人工智能系統，可以將每個口語句子的大腦活動數據轉換成一串數字。

為了確保這些數字只與語言有關，該系統將一小塊大腦活動數據預測的聲音與實際錄制的聲音進行了比較。然后，這串數字被輸入到系統的第二部分，系統會將其轉換成一系列的單詞。

起初，系統給出的都是毫無意義的句子。但是，當系統將每個單詞序列與實際大聲朗讀的句子進行比較時，它得到了改進，了解了數字串與單詞之間的關系，以及哪些單詞容易相互跟隨。

隨后，研究小組對該系統進行了測試，僅根據說話時大腦的活動就生成了書面文本。

但這個系統目前并不完美。比如，《音樂家們的絕妙和聲》被編譯為《菠菜是名歌手》，《一卷靠墻的鐵絲》被編譯為《羅賓會穿黃百合嗎》。

然而，該團隊發現，新系統的準確性遠遠高于以前的方法。雖然準確性因人而異，但對于一個參與者來說，平均每個句子只有3%需要更正——高于專業人工抄寫員5%的單詞錯誤率。但是，該團隊強調，與后者不同，該算法只能處理少量的句子。

Makin說：“如果你試圖跳出（使用的50個句子）這個范圍，解碼就會變得更糟。”他補充說，這套系統可能需要結合學習特定的句子、從大腦活動中識別單詞以及識別英語中的一般模式。

該團隊還發現，在一名參與者的數據上訓練算法，意味著從最終用戶那里需要的訓練數據會更少——這可能使訓練對患者來說不那么繁重。

任教于馬斯特里赫特大學的Christian Herff 博士是這個領域的專家，沒有參與這項研究。他說這項研究著實令人興奮，因為該系統對每個參與者使用的訓練數據不到40分鐘，而且只收集了有限的句子，而不是通常所需的數百萬小時。

“通過這樣做，他們達到了迄今為止尚未達到的準確性水平，”他說。

然而，他指出，該系統還不能用于許多嚴重殘疾患者，因為它依賴于人們大聲說出一個句子時所記錄的大腦活動。

他說：“當然，這是一項了不起的研究，但那些人也可以使用‘OK Google’。”“這不是思想的翻譯，而是涉及語言的大腦活動。”

Herff說，人們現在還不用擔心別人會讀到他們的想法：大腦電極必須被植入，而想象中的語言和內心的聲音是非常不同的。

但是謝菲爾德大學的腦機接口專家Mahnaz Arvaneh博士說，現在考慮倫理問題很重要。她說：“我們仍然離機器能夠讀懂我們的想法非常、非常遙遠。但這并不意味著我們不應該考慮它。”

責任編輯：ct