AI怎么啥活都接,还帮忙开发“读心术”?
果壳网
2023-10-25 21:44:25
0

原标题:AI怎么啥活都接,还帮忙开发“读心术”?

我喜欢骑行,骑车时经常会冒出一些灵感,或者忽然记起一件没做的事,或者想记录沿途风景所见所感,但腾不出手打字……

我想过骑行之前打开录音机,有什么想法就对着耳机说出来,然后再将录音转成文字,摘取有意思的部分整理到笔记本里。

但是,抛开路上有噪音和风声不说,把所有想法都说出来真的很社死诶,如果说旁边人的坏话被听到怎么办!还有,录着音就没法听音乐了,那骑车还有什么乐趣!(不是)

那么,有没有一种可能性……可以在脑海里默默“说话”,电子设备直接识别,转为文字呢?

还真的有。

脑机接口,宛如“读心术”的科技

要说最接近“读心术”的科技,可能就是脑机接口。

脑机接口(brain-computer interface,BCI)是指,通过一些装置,在脑和外界设备之间建立联系,将脑的指令传到电脑并进行解读;或者将电脑中的信息变成可以解读的信号传给人脑。

这类系统可以帮助感官或肢体运动能力受损的病人恢复相关功能。例如将摄像机拍到的画面转为脑电信号,帮助盲人产生视觉,或者读取瘫痪病人的脑电波,控制机械臂进行操作等。

瘫痪患者用脑机接口控制机械臂丨Johns Hopkins Medicine

我们做任何动作、发任何声音,都是由大脑控制的。大脑皮层的不同区域会控制不同肌肉的动作。想要行动时,大脑通过电压变化发出指令,这种电信号通过外周神经传到相应肌肉。电信号不同,肌肉产生的变化便不相同

输出式脑机接口正是利用这些特征,读取大脑产生的种种电信号,对其进行解读,从而转化为语音、文字、机械臂动作等表现形式。而输入式脑机接口,则是对大脑特定部分进行电、磁等形式的刺激,例如将拍摄画面转化为电信号,刺激失明人士大脑相关区域,产生视觉。

脑机接口分为非侵入式/无创、半侵入式/微创和完全侵入式/有创三类。侵入越深,测量的信号就越准确、噪声越小

  • 非侵入式/无创:基于脑波(EEG)、脑磁等信号的系统,由于传感器放在头皮上便可以采集信号,所以属于非侵入式。
  • 半侵入式/微创:基于皮层脑电(electrocorticography,ECoG)的接口需要将传感器插入头皮,在大脑皮层上采集信号,对使用者有轻微创伤。
  • 完全侵入式/有创:完全侵入式传感器在大脑皮层内采集信号,因此需要植入大脑皮层,创伤较大。例子有基于局部场电位(local field potential,LFP)的脑机接口。

图丨Nature

需要注意的是,脑机接口用于“读心”的前提是,大脑相关功能区域没有受到损伤。例如脊柱受伤导致瘫痪的病人,大脑可以正常生成使手臂运动的命令,但因为信号传播会在脊柱中断,所以手臂无法响应命令。

如果是大脑损伤导致的障碍,脑机接口就不适合用于“读心”,但可以用于康复,比如通过向大脑提供输入和反馈,刺激大脑恢复一些神经功能。

想法转文字:如何更快更准更自然?

通过脑机接口“读心”的研究始于上世纪80年代,主要是为了帮助因中风、渐冻症等疾病或意外,丧失说话及打字能力,但大脑相关功能区完好的人群。

1988年,伊利诺伊大学厄巴纳-香槟分校的Donchin教授团队发表文章,分享了一种基于字母打字的脑机输入系统。

这个体系把26个英语字母和一些功能键(如空格、删除、输入完成、取消)排列成一个6×6的方阵。使用者将注意力放在想打出的字母上,电脑依次尝试某个行或列是否包含其想使用的字母。如果选择正确,使用者的头皮上会产生一个特定的脑电波EEG特征。这样一个一个字母输入,全部输入完成后再合成语音。

排列方阵示意|Khanna et al. 2011

但是这种情况下,仅仅打出五个字母的单词,想要达到80%准确率需要花20.7秒,达到95%准确率要花26.0秒。而正常英语对话每分钟大约说160词,相当于每秒说两个词以上。仅凭拼写合成对话,速度非常缓慢,实用性非常有限

另一种比较成熟的体系是通过想象手、手臂、脚等身体部位的动作,指引光标向上下左右移动,确认输入字母。例如纽约州立大学的Wolpaw教授团队于2000年发表的文章,就分析了想象身体部位运动时的EEG,并指出这些特征可以用于脑机接口开发。

2021年,斯坦福大学Francis Willett等研究员发文报告,让瘫痪患者试图动手写字,通过脑机接口读取这些动作指令的不同特征,对应不同的字母。这个方法的转化速度能有每分钟90个字符,约合18个英语单词;准确率高达94.1%,如果加上自动纠错,甚至能达到99%。

“想象手写转文字”示意图丨Erika Woodrum/HHMI/Nature

然而,无论通过意识选择字母,还是用动作想象输入,这些方式都在模仿打字而不是说话,处理速度太慢、思维方式太不自然。

AI赋能一切,包括想法转文字

今年8月发表于《自然》杂志的两篇研究,则分别使用侵入式的微电极阵列(microelectrode array)和半侵入式的ECoG,实现了“想象说话”向文字的转化,且正确率达到四分之三左右

为了张口说出一个字,大脑要做出大量努力,发出无数指令,指挥嘴唇、舌头、喉咙、下颌进行复杂的协同工作,才能发出正确的声音。大脑就像交响乐队的指挥,指令畅通无阻,底下的乐队才能奏响动人的旋律。而许多疾病可能使人丧失清晰说话的能力。

斯坦福大学同样以Willett为首的团队,在一位渐冻人症患者Pat Bennett脑部植入了微电极阵列。这些电极埋在大脑皮层以下几毫米,能够精准测量脑电信号。接着,研究者让Bennett试着说各种字句,记录相应的脑电信号,然后用这些数据进行深度学习。

Pat Bennett在研究中|Steve Fisch

项目分析了两个数据集:一个小数据集只有50个单词,程序只训练这50个单词,测试时也只让程序在这个范围内辨认。训练后的程序正确率达到了91.9%。而大数据集包括12.5万个单词。经过训练,正确率也有76.2%处理速度高达每分钟62个词,虽然还只是正常说话速度的1/3左右,但已经远胜于之前的研究。

另一篇文章由加州大学旧金山分校的团队发表。他们的受试者Ann在18年前患脑干中风后失语。他们在Ann的大脑皮层植入电极(ECoG),记录了她试着说249句话(共使用1024个词)时的皮层脑电信号,用来训练机器学习模型。这个算法的原理就像ChatGPT,会一边识别她的神经信号对应着什么声音,一边尝试预测后面紧跟的音节和单词。

结果是,正确率为74.5%,平均速度触及了每分钟78词

Ann通过脑机接口“说话”,并用数字化身做出快乐、悲伤、惊讶等“表情”|NOAH BERGER

虽然后者使用的单词库小,数据集里只有1024个单词,所以靠“盲猜”正确率也能更高一些,但是ECoG侵入性低于微电极植入,因此也有很大价值。

虽然两篇文章都只使用了一名受试,针对其脑电“定制”了机器学习模型,但它们证明了脑电转文字的概念是可行的,而且通过记录大脑表面一个非常小的区域的电活动,就足以解码语音信息

研究人员目前还在努力开发无线版本,如果能够不必被“电线”束缚,患者的生活质量必然还会有极大的提升。

而能够造福障碍者的科技,往往也会慢慢向外“溢出”,顺便改善了健康者的生活。

也许在不远的将来,我们戴上一个头戴耳机一样的设备,只需想象自己在说话,就可以输出文字了呢。

参考文献

[1] Kotler, S. (2022-09-01). Vision Quest. WIRED. https://www.wired.com/2002/09/vision/

[2] Hochberg, L. R., Serruya, M. D., Friehs, G. M., Mukand, J. A., Saleh, M., Caplan, A. H., Branner, A., Chen, D., Penn, R. D., & Donoghue, J. P. (2006). Neuronal ensemble control of prosthetic devices by a human with tetraplegia. Nature, 442(7099). https://doi.org/10.1038/nature04970

[3] 罗建功, 丁鹏, 龚安民, 田贵鑫, 徐浩天, 赵磊, & 伏云发. (2022). 脑机接口技术的应用、产业转化和商业价值. 生物医学工程学杂志, 39(2), 405–415. https://doi.org/10.7507/1001-5515.202108068

[4] Cervera, M., Soekadar, S., Ushiba, J., Millán, J., Liu, M., Birbaumer, N., & Garipelli, G. (2018). Brain‐computer interfaces for post‐stroke motor rehabilitation: a meta‐analysis. Annals of Clinical and Translational Neurology, 5, 651 - 663. https://doi.org/10.1002/acn3.544.

[5] Herff, C., & Schultz, T. (2016). Automatic Speech Recognition from Neural Signals: A Focused Review. Frontiers in Neuroscience, 10. https://www.frontiersin.org/articles/10.3389/fnins.2016.00429

[6] Farwell, L. A., & Donchin, E. (1988). Talking off the top of your head: Toward a mental prosthesis utilizing event-related brain potentials. Electroencephalography and Clinical Neurophysiology, 70(6), 510–523. https://doi.org/10.1016/0013-4694(88)90149-6

[7] Khanna, K., Verma, A., & Richard, B. (2011). “The locked-in syndrome”: Can it be unlocked? Hydrometallurgy, 2. https://doi.org/10.1016/j.jcgg.2011.08.001

[8] Naddaf, M. (2023). Brain-reading devices allow paralysed people to talk using their thoughts. Nature. https://doi.org/10.1038/d41586-023-02682-7

[9] McFarland, D. J., Miner, L. A., Vaughan, T. M., & Wolpaw, J. R. (2000). Mu and Beta Rhythm Topographies During Motor Imagery and Actual Movements. Brain Topography, 12(3), 177–186. https://doi.org/10.1023/A:1023437823106

[10] Willett, F. R., Avansino, D. T., Hochberg, L. R., Henderson, J. M., & Shenoy, K. V. (2021). High-performance brain-to-text communication via handwriting. Nature, 593(7858), Article 7858. https://doi.org/10.1038/s41586-021-03506-2

[11] Willett, F. R., Kunz, E. M., Fan, C., Avansino, D. T., Wilson, G. H., Choi, E. Y., Kamdar, F., Glasser, M. F., Hochberg, L. R., Druckmann, S., Shenoy, K. V., & Henderson, J. M. (2023). A high-performance speech neuroprosthesis. Nature, 620(7976), Article 7976. https://doi.org/10.1038/s41586-023-06377-x

[12] Metzger, S. L., Littlejohn, K. T., Silva, A. B., Moses, D. A., Seaton, M. P., Wang, R., Dougherty, M. E., Liu, J. R., Wu, P., Berger, M. A., Zhuravleva, I., Tu-Chan, A., Ganguly, K., Anumanchipalli, G. K., & Chang, E. F. (2023). A high-performance neuroprosthesis for speech decoding and avatar control. Nature, 620(7976), Article 7976. https://doi.org/10.1038/s41586-023-06443-4

作者:刘思琪

编辑:游识猷

封面图来源:Midjourney

一个AI

对对对,怎么别人家AI深度学习这么厉害(暴躁)

如有需要请联系sns@guokr.com

相关内容

热门资讯

解析阿里系生态多元化战略下商业... 阿里系生态系统是一个庞大且复杂的商业生态系统,涵盖了电子商务、云计算、金融、物流、文娱等多个领域。以...
矽电半导体取得一种硅片分离装置... 金融界2024年12月24日消息,国家知识产权局信息显示,矽电半导体设备(深圳)股份有限公司取得一项...
别人转增程,理想不想造车要做人... 新浪科技讯 12月25日午间消息,2024理想AI Talk今日晚间将开播,理想汽车提前放出了预热内...
正泰电器获得发明专利授权:“一... 证券之星消息,根据天眼查APP数据显示正泰电器(601877)新获得一项发明专利授权,专利名为“一种...
三星玄龙骑士G93SD显示器评... 1 序章 不同于常规16:9直面屏显示器有各种各样不同定位的区别,像是面向专业创作的设计显示器,...
美的集团获得实用新型专利授权:... 证券之星消息,根据天眼查APP数据显示美的集团(000333)新获得一项实用新型专利授权,专利名为“...
天玛智控获得发明专利授权:“等... 证券之星消息,根据天眼查APP数据显示天玛智控(688570)新获得一项发明专利授权,专利名为“等高...
苹果“一块完整的玻璃”iPho... 苹果公司长期以来一直追求将 iPhone 设计成“一块完整的玻璃”,即完全消除边框,使屏幕无缝延伸至...
华为车BU分拆倒计时:约700... 出品|搜狐科技 作者|张雅婷 编辑|杨锦 “今年底希望把华为车BU的所有资产、人员装载到引望,实现引...
原创 被... 人工智能,现在已经被普通人玩坏了。 人工智能,对普通人来说,还是个玩具。 但现在,这个情况正在改变。...
日韩失意电动车 定焦One(dingjiaoone)原创 作者 | 金玙璠 编辑 | 魏佳 电动化浪潮下,日系车已经...
这个职业很缺人 2024年需求... 人工智能的飞速发展不仅改变了我们的生活方式,也催生了一批新兴职业,AI训练师就是其中之一。作为链接人...
海油工程获得实用新型专利授权:... 证券之星消息,根据天眼查APP数据显示海油工程(600583)新获得一项实用新型专利授权,专利名为“...
苹果为何不是英伟达大客户?历史... IT之家 12 月 25 日消息,英伟达已成为世界上最有价值的公司之一,这要归功于亚马逊、微软和谷歌...
宇树科技唯一指定的人形机器人,... 研报内容仅供参考,据此入市,风险自担。 大家好,我是小金,在这里给大家分享热门研报资料。 在科技革命...
50个!山东省首批人工智能大模... 近日,山东省工业和信息化厅发布通知,公示山东省首批人工智能大模型典型应用案例名单。记者获悉,联通(山...
云边端一体化架构 云边端一体化架构是一种将云计算、边缘计算和终端设备相结合的分布式计算模型。该架构旨在通过优化资源分配...
双胞胎发现量子魔法态,或成量子... 这可能是基础科学的重要突破,一对双胞胎兄弟分别在南北半球研究量子纠缠态,结果在顶夸克碰撞实验中意外发...
这项挑战爆火!情侣用它“检验”... 爱人间的静电是粉的? 甚至还在网络上掀起了一股 “静电挑战”…… 许多博主称 当两个互相喜爱的人接...
雷柏MT760NL鼠标发布:跨... 近日,雷柏公司正式揭晓了其最新研发的鼠标产品——MT760NL,这款鼠标被设计为连接多个设备的桥梁,...