[科学技术]能读懂你心里话的AI来了，识别错误率低至3%

科技日报记者李媛媛

最近，美国加州大学旧金山分校的研究小组使用人工智能解码系统将人类脑电波翻译成英文句子，平均错误率最低只有3%。这项研究发表在《自然神经科学》杂志上。
参与实验的四名志愿者均为癫痫患者，在脑表面植入数百个微电极进行治疗。研究人员使用这些微电极阵列记录它们的脑电波信号，然后在人工智能系统的帮助下解码它们。
精度优于手动速记员
。论文显示，10年前，科学家首次从人脑信号中解码语音，但解码的准确率和速度远低于自然语速。
到什么程度？
研究小组介绍，到目前为止，在直接从脑电波解码语音的研究中，脑机接口系统仅限于解码单音节，或者志愿者连续阅读100个单词左右时，只有不到40%的单词能够被正确解码。
为了提高解码精度，研究小组从机器翻译中得到启发，训练了一个循环神经网络。在这项研究中，四名志愿者被要求大声朗读30到50个句子。它们的外侧大脑皮层分布着大量的微电极，可以监测相应的脑神经活动。这些脑电波数据输入人工智能系统后，被编码成一系列序列，然后解码成相应的英语句子。
研究人员表示，这项研究展示了皮质脑电图解码的高精度和自然语速。在一名志愿者的脑电波解码任务中，平均每个句子只需要纠正3%——低于专业手工速记员5%的平均错误率。
然而，研究小组也强调，这项研究涉及的句子数量相对较少。“如果尽量不用这50句话的数据集，解码会差很多。”该论文的第一作者约瑟夫·梅金在接受媒体采访时说。
论证ai解读神经信号的潜力
”本研究的创新之处在于利用端到端深度学习网络实现神经信号翻译。从工程角度来看，它显示了人工智能技术应用于神经信号解释的潜力。”清华大学医学院神经工程实验室和清华大学人工智能研究所教授洪波在接受《科技日报》采访时评论道。
洪波分析，本研究的难点在于两个方面。
首先采用间距为4 mm、最多256个电极的高密度微电极阵列，覆盖大脑皮层表面的关键脑区，获得足够的神经信息进行解码。这种电极国内没有临床产品。
另外，在深循环神经网络的训练中，除了在时间轴上进行卷积运算提高特征提取能力外，还将语音频谱特征作为训练目标，大大降低了对神经数据的需求。
“脑机接口的一个核心问题是神经信息的解码和翻译。脑电信号有噪声，其背后的神经编码机制复杂且未知。这些都是挑战。”洪波认为，以深度学习为代表的人工智能的发展，为脑机接口迎接这一挑战开辟了一条新路。
但是，在洪波看来，人工智能和脑机接口的结合也带来了一个新的问题:如何获取大量的训练数据？来自人脑的高精度神经数据只能在临床条件下获得，这给神经网络训练带来了困难。
实际应用中仍存在技术障碍
“该技术主要用于癫痫手术中，帮助外科医生在切除癫痫病灶前确定关键的语言功能区。为了让冷冻人、高位截瘫等残疾患者使用这样的脑机接口，必须继续解决电极长期使用和解码效率的问题。”洪波说。
他认为未来相关技术的实际应用还存在很大的技术障碍。比如高密度微电极阵列目前无法长期植入，未来很难作为脑机接口的标准电极。
宏博团队也在与材料、微电子、临床团队合作，研发可长期植入的微创解决方案。他告诉记者，从根本上讲，人工智能应用于脑机接口的关键门槛是长期可靠的神经电极和清晰准确的神经解码规则。
“人们期望戴上脑电图帽就能读出自己的心脏，但从科学和工程的角度来看，还有很长的路要走。但脑科学和人工智能技术的结合，可能会加速这些探索和研发的进程。”洪波说。