最近，美国加州大学旧金山分校的科研团队使用了人工智能解码系统，把人的脑电波转译成了英文句子, 其最低平均错误率仅仅有3%，这项研究发表在《自然·神经科学》杂志上。
4名参与实验者均为癫痫患者，只因治疗所需开云app官方入口网站，于大脑表面植入数百个微电极, 研究人员借这些微电极阵列记录脑电波信号，再借助人工智能系统予以解码。
正确率胜过人工速记员
论文表明，在十年之前，科学家首度于人类大脑信号里译解出语音开云正版app下载，然而世界杯直播观看，那次解码所涉精度以及速度, 远远低于自然形成的讲话速度啦。
低到什么程度呢？
一支研究团队进行介绍, 一直到当前这个时候，在针对直接从脑电波里面解码语音的相关研究当中, 脑机接口系统被限制于仅仅能够解码单个音节，或者是在志愿者持续不断地念出大约100个单词的这种情形下，也仅仅只能正确解码不到40%的单词。
为把解码精确度予以提升，那开展研究的团队从机器翻译这儿得到了启发, 进而训练出了一种循环神经网络，在研究期间，有4名志愿者被要求去大声重复朗读30至50句话, 他们大脑外侧皮质之上分布着数量众多的微电极, 依靠这些微电极能够监测到与之对应的大脑神经活动，这些脑电波数据输入到人工智能系统之后, 先是会被编码成为一串序列, 随后又会被解码成为相应的英文句子。
研究人员宣称，此项研究呈现出了凭借高精度以及自然语速去解码皮层脑电图的情况。在针对其中一名志愿者所开展的脑电波解码任务里, 平均每一句话当中仅有3%是需要进行纠正的, 其比例低于专业人工速记员平均5%的错误率。
然而，研究团队着重指出，此项研究涵盖的句子数量相对较少。“一旦你试着不去运用这包含50个句子的数据集，解码状况将会糟糕许多。”论文首位作者约瑟夫·马金于接受媒体采访之际如此表述。
展示AI解读神经信号的潜力
在接受科技日报记者采访时, 清华大学医学院神经工程实验室、清华大学人工智能研究院教授洪波评价说, 这项研究的创新之处在于, 采用端到端的深度学习网络来实现神经信号翻译, 从工程角度展现了人工智能技术应用于神经信号解读的潜力。
洪波分析，这项研究的难点在于两个方面。
首要的是运用了高密度微电极阵列, 其电极间距为4毫米, 电极数量多达256个, 这些电极覆盖了大脑皮层表面的关键脑区，进而获取了充足的神经信息以进行解码, 然而这种电极在国内尚无能够用于临床的产品。
此外，在研究里，深度循环神经网络的训练, 除了运用时间轴上的卷积操作来提升特征提取能力之外, 还将语音频谱特征当作训练目标, 这极大地减少了对神经数据量的需求。
洪波觉得, 以深度学习作代表展现出的人工智能技术的发展，给脑机接口开启了一缕应对这个挑战的全新途径，而脑机接口的一个中心难题乃是神经信息的解码以及翻译，脑电信号噪声极大, 其背后的神经编码机制不仅繁杂而且未知, 这些通通都是挑战。
还木有评论哦，快来抢沙发吧~