據(jù)外媒報道，近日美國加州大學(xué)舊金山分校的Joseph Makin及同事在《自然-神經(jīng)科學(xué)》上發(fā)表的一篇論文報告了一種能夠以較高的準(zhǔn)確率，解碼神經(jīng)活動并將其翻譯為句子的機器翻譯算法。

在人類大腦信號首次解碼出語音十年后，其準(zhǔn)確率和速度仍遠(yuǎn)遠(yuǎn)低于自然語言。

研究人員盤點了機器翻譯領(lǐng)域的最新進展，并利用這些方法訓(xùn)練循環(huán)神經(jīng)網(wǎng)絡(luò)，將神經(jīng)信號直接映射為句子。

據(jù)了解，四名受試者此前顱內(nèi)均被植入了用以監(jiān)測癲癇的電極，電極會將他們大聲讀出句子時的神經(jīng)活動記錄下來。

之后，這些記錄被添加到一個循環(huán)神經(jīng)網(wǎng)絡(luò)中，從而將規(guī)律性出現(xiàn)的神經(jīng)特征表示出來，這些神經(jīng)特征可能與言語的中的元音、輔音或發(fā)音器官接收的指令相關(guān)。

接著，另一個循環(huán)神經(jīng)網(wǎng)絡(luò)逐字解碼這種算法表示，形成句子。

作者還發(fā)現(xiàn)，明顯參與言語解碼的腦區(qū)同樣參與言語生成和言語感知。

這種機器翻譯方法將每名受試者的神經(jīng)活動解碼為口頭句子的平均錯誤率竟低至3%。

最后，研究人員還展示了如何通過多個參與者數(shù)據(jù)來訓(xùn)練網(wǎng)絡(luò)的某些層，利用傳輸學(xué)習(xí)來改進對有限數(shù)據(jù)的解碼。

責(zé)任編輯：wv