近日，據(jù)外媒報(bào)道，最新研究表明：直接連接到大腦的人工語音設(shè)備在未來的某個(gè)時(shí)刻或成現(xiàn)實(shí)。這也意味著失去說話能力的人有望開口說話。

著名的科學(xué)作家Kelly Servick，介紹了發(fā)表在BioRxiv雜志上的三篇論文。這三篇論文課題由三組不同的研究人員進(jìn)行研究，但他們都得出了一個(gè)研究結(jié)論:可以從神經(jīng)元放電的記錄中解碼人類語音。

在每一項(xiàng)研究中，當(dāng)腦外科患者講話或大聲朗讀單詞的時(shí)候，直接放置在大腦上的電極就記錄神經(jīng)活動(dòng)。在每一種情況下，研究人員都能將大腦的腦電波活動(dòng)轉(zhuǎn)化為至少可以理解的聲音文件。

2018年10月10日發(fā)表在BioRxiv雜志上的第一篇論文，描述了這樣一項(xiàng)實(shí)驗(yàn):研究人員在實(shí)驗(yàn)中向正在做腦部手術(shù)的癲癇病人播放了語音錄音。(實(shí)驗(yàn)中記錄的神經(jīng)活動(dòng)必須非常詳細(xì)才能得到更好地解釋。因此只有當(dāng)大腦暴露在空氣中，電極直接放置在空氣中時(shí)，才能獲得這種程度的細(xì)節(jié)，比如在腦外科手術(shù)中。)

當(dāng)病人聽聲音錄音時(shí)，研究人員記錄了病人大腦中處理聲音的部分神經(jīng)元的放電情況。科學(xué)家們嘗試了多種不同的方法將神經(jīng)元放電數(shù)據(jù)轉(zhuǎn)化為語言。而且研究人員發(fā)現(xiàn)，擁有深度學(xué)習(xí)能力的計(jì)算機(jī)或多或少能在無人監(jiān)督的情況下解決這一問題，而且效果不錯(cuò)。

當(dāng)他們通過一個(gè)合成人類聲音的聲碼器為11名聽眾播放語音時(shí)，這些人在75%的時(shí)間情況下都能正確地解釋單詞。

2018年11月27日發(fā)表在BioRxiv雜志上的第二篇論文，描述了這樣一項(xiàng)實(shí)驗(yàn)：研究人員記錄了接受腦腫瘤摘除手術(shù)的病人的神經(jīng)活動(dòng)。當(dāng)病人大聲讀出單音節(jié)的單詞時(shí)，研究人員記錄了病人口中發(fā)出的聲音和在他們大腦中產(chǎn)生言語的區(qū)域。

這些研究人員沒有對(duì)每個(gè)病人進(jìn)行深入的計(jì)算機(jī)培訓(xùn)，而是教授了一種人工神經(jīng)網(wǎng)絡(luò)，將神經(jīng)記錄轉(zhuǎn)換成音頻，這表明這些結(jié)果至少是合理的，而且類似于麥克風(fēng)的錄音。

2018年8月9日發(fā)表在BioRxiv雜志上的第三篇論文，提出了這樣一個(gè)結(jié)論：大腦的一部分神經(jīng)元決定了一個(gè)人說話的特定詞語通過肌肉運(yùn)動(dòng)轉(zhuǎn)化出來。

雖然這一實(shí)驗(yàn)的錄音文件無法在網(wǎng)上找到，但研究人員說，他們能夠重建整個(gè)句子(也是在腦外科手術(shù)期間記錄到的)，而且在83%的時(shí)間里，聽過這些句子的人能夠在多項(xiàng)選擇測試中正確地解釋這些句子(10種選擇中的一種)。該實(shí)驗(yàn)的方法依賴于識(shí)別產(chǎn)生單個(gè)音節(jié)所涉及的模式，而不是整個(gè)單詞。

所有這些實(shí)驗(yàn)的目標(biāo)是有一天使那些失去說話能力的人開口說話?？茖W(xué)報(bào)道說，解釋一個(gè)人的神經(jīng)模式，僅僅是想象一個(gè)人的講話，這要比解釋一個(gè)人聽或產(chǎn)生講話的模式要復(fù)雜得多。(然而，第二篇論文的作者說，解釋那些想象演講的人的大腦活動(dòng)是可能的。)

同樣值得注意的是，這些都是小范圍的研究。第一篇論文所依據(jù)的數(shù)據(jù)僅來自五名患者，而第二篇?jiǎng)t以六名患者為研究對(duì)象，第三篇僅為三名患者。并且所有的神經(jīng)記錄都沒有持續(xù)超過一個(gè)小時(shí)。

盡管如此，科學(xué)仍在向前發(fā)展，直接連接到大腦的人工語音設(shè)備在未來的某個(gè)時(shí)刻似乎會(huì)成為現(xiàn)實(shí)。

關(guān)鍵詞： 人工語音