據(jù)國外媒體報道，一個由加州大學舊金山分校的研究團隊打造的新型人工智能系統(tǒng)可根據(jù)人腦信號來生成文本，準確率最高可達97%。

亞馬遜和谷歌等科技公司打造的虛擬助手相當先進，語音識別能力比起幾年前進步驚人，近年來人們才剛開始領會它們的威力。

然而，事實上，一項更令人驚嘆、更匪夷所思的里程碑式技術創(chuàng)新可能即將實現(xiàn)。它的出現(xiàn)讓語音識別技術完全相形見絀，這是一個十分強大的人工智能(AI)系統(tǒng)，可以根據(jù)人們的大腦活動直接生成完整的文本，整個過程完全不需要聽到任何一個單詞。

這不完全是科幻小說中的概念。近幾十年來，從動物模型到人類參與者，腦機接口技術的發(fā)展可謂突飛猛進。事實上，這類技術已經(jīng)在嘗試將這種概念從幻想變成現(xiàn)實。

加州大學舊金山分校的研究人員在一項新研究中解釋說，目前來看，通過該技術將人腦信號轉換成的文本結果還不很準確。

為了探究是否能夠改善這一狀況，由加州大學舊金山分校Edward Chang實驗室神經(jīng)外科教授Edward Chang領導的一個團隊使用了一種全新的方法來解碼腦皮質電圖：通過植入大腦的電極，來獲取皮質活動中所產(chǎn)生的電脈沖記錄。

在這項研究中，四名癲癇患者使用了這種植入物，以便監(jiān)測他們的身體狀況引起的癲癇發(fā)作情況。研究團隊還進行了一項附帶實驗：讓參與者大聲、反復地朗讀一些預先準備的句子，同時通過電極來記錄他們在此期間的大腦活動。

然后，這些數(shù)據(jù)被輸入到一個神經(jīng)網(wǎng)絡，該網(wǎng)絡根據(jù)實驗的音頻記錄，分析出與特定語音特征(如元音、輔音或口型)相對應的大腦活動模式。

之后，另一個神經(jīng)網(wǎng)絡對這些大腦表現(xiàn)進行解碼——參與者反復朗讀30到50個句子時產(chǎn)生的大腦活動數(shù)據(jù)——并據(jù)此來嘗試預測人們所說的話，預測根據(jù)他們朗讀單詞時所產(chǎn)生的皮層信號來進行。

在最好的情況下，該系統(tǒng)在將其中一名參與者的大腦信號轉化成文本時，詞錯率(WER)只有3%——至少在這些嚴格限定的實驗條件下，這個詞錯率也許已經(jīng)接近于迄今為止人工智能讀取人的想法的最佳表現(xiàn)。

在研究論文中，研究團隊詳細列舉了許多參與者所朗讀的參照句子的例子，以及神經(jīng)網(wǎng)絡所生成的“預測”。那些預測有時是錯誤的，但也不總是出錯。然而，從那些非常明顯的錯誤來看，它們似乎與人耳聽語音時會犯的錯誤大不一樣(這可能是人工智能引入的數(shù)據(jù)集有限所致)。

神經(jīng)網(wǎng)絡出錯的例子包括：“這家博物館每天晚上都聘請音樂家過來”，被預測為“這家博物館每個昂貴的早晨都聘請音樂家過來”；“蛋糕的一部分被狗吃掉了”，被預測為“蛋糕的一部分是餅干”；“蒂娜·特納是一位流行歌手”，被預測被“迪德·特納是一位流行歌手”。

在最糟糕的例子中，神經(jīng)網(wǎng)絡的錯誤完全莫名其妙，不管是在語音上還是在語義上，都與實際的句子完全搭不著邊：“她穿著溫暖的羊毛工裝褲”被預測為“綠洲是海市蜃樓”。

然而，研究團隊稱，盡管這些顯而易見的錯誤有些詭異，但總的來說，該系統(tǒng)也許還是刷新了基于AI的大腦活動解碼的最佳表現(xiàn)，畢竟它表現(xiàn)最好時的詞錯率只有5%，能夠與專業(yè)的人工語音轉錄相提并論。

當然，要應付日常發(fā)言的專業(yè)轉錄員必須得有數(shù)以萬計的詞匯量。相比之下，這個系統(tǒng)只能從有限的短句中學習到大約250個單詞的皮層特征，所以拿二者相比較并不公平。

雖然還有許多障礙需要克服，但研究團伙認為，該系統(tǒng)有朝一日可能會讓那些失去說話能力的人能夠重新“開口”說話。如果這樣的事情成為可能，會有望產(chǎn)生巨大的影響——為一些人提供一種與周圍世界交流的方式——而且所帶來的影響可能會遠遠超出人們目前的想象。

研究論文的作者解釋說，“在長期植入的參與者中，可用的訓練數(shù)據(jù)量將比本研究中使用的半小時左右的語音量大幾個數(shù)量級，這意味著輸入語言的詞匯量和表達靈活性會大大提高。”

該研究的結果發(fā)表在《自然神經(jīng)科學》雜志上。