剛剛出刊的2020年4月《自然-神經科學》雜志發表了美國加州大學洛杉磯分校研究人員的一篇論文，“使用編碼器-解碼器框架：大腦皮層活動到文本的機器翻譯”。論文描述了一種能將人類大腦活動轉為文本的人工智能（AI）系統。這一AI技術可在人大聲說話時監測其腦電波（神經活動）模式，再將其轉錄為可讀文本。

讀懂人心并獲取人們的思想一直是AI研究的一個領域和方向，AI被賦予高級“讀心術”的重任，即不通過人的話語、肢體語言、面部表情，就可以通過探測其大腦語言中樞和其他功能中樞（如運動中樞）的腦電波，探查到人們在想什么、要說什么和想要進行什么樣的活動。

實際上，這就是通過腦機接口，把檢測腦電波（思維和思想）的電極裝置植入大腦，再通過腦電波傳送到AI軟件，由后者破譯腦電波，知道人們的想法或思維。AI破譯的想法和思維既可以發送到假肢以幫助殘疾人完成各種行為，如吃飯、穿衣和行走，像正常人一樣生活，也可以轉變成文字和語言，把人的想法寫出來。

此次的AI系統也是在大腦植入了電極并在人大聲說話時監測其腦電波，再將其轉錄為可讀文本。有4名志愿者參加了試驗，他們被要求多次朗讀30-50個固定句子，電極記錄下他們的大腦活動。

這些大腦活動的數據隨后被輸入到機器學習算法，后者每個句子的大腦活動數據轉換成一串數字和字符串。AI系統從這些大腦活動數據再推導出聲音，并和實際記錄的音頻進行比較。數字和字符串則被再次輸入到AI系統，轉換成一個單詞序列。起初，系統會寫出無語義的句子。但是當AI系統將每個單詞序列與實際朗讀的句子進行比較時，AI得到改進，學會了數字字符串與單詞的關系，以及哪些單詞是有上下文關系的，因而寫出的句子與說話者朗讀的句子相似。

實際上，這是采取機器翻譯類似的算法。機器翻譯是將文本從一種語言到另一種語言的算法翻譯，但此項研究是將輸入AI的文本變成了腦電波信號。而且最后的結果表明，AI系統的準確性因人而異，其中一位志愿者朗讀并由AI記錄腦電波轉換后，平均每個句子只有3%需要糾正，高于速記員5%的單詞錯誤率。

言語是個體表達思想的介質，其中有許多規律，如語音的高低、語速、說話時的停頓、語法、詞匯、個人用詞習慣、句勢、句子的長短等。在大腦置入電極讓AI能記錄一個人說話時的腦電波（神經活動），也是讓AI進行深度學習。

不過，這項技術現階段看并不成熟，仍然存在一定的錯誤率，且暫時只能處理少數句子。最大的問題在于，這一技術成熟后是否能廣泛應用于人類，尤其是會不會成為監控人思想的工具？每個人每天都會說無數的話，在會議上發言，與親朋好友聊天，還有打電話，如果利用這種AI系統，尤其是手機中可以置入這種AI軟件時，可能會帶來危險，如經濟泄密、個人存款和商業損失等，甚至成為監控人行為的工具。

為了防止上述情況出現，應當有兩方面的倫理規范和立法。首先，AI設計和生產者需要在這類軟件應用于人的手機、電腦等多種信息終端時提出知情同意和尊重隱私條款，不得強行安裝。

其次，這類AI本質上還是要進行腦電波的收集和破譯人們說話時的大腦神經活動（腦電波），對此應該有法律方面的限制。是否可以收集正常人的腦電波？如果可以將以什么方式進行？收集人的腦電波有兩種方式，一是腦機接口，即在大腦表層或內部植入電極，二是佩戴電子帽，其中有腦電圖掃描儀（EGG），可以激活大腦皮層的語言中心并收集該中樞的生物電信號。無論哪種方式都需要進行反復論證，探討其可行性，保證AI收集和解讀的想法不能泄漏和被任何第三者利用。
責任編輯；zl