能读懂你心里话的AI来了,识别错误率低至3%

能读懂你心里话的AI来了,识别错误率低至3%
最近,美国加州大学旧金山分校的科研团队运用人工智能解码体系,把人的脑电波转译成英文语句,最低均匀错误率只要3%。这项研讨宣布在《天然·神经科学》杂志上。  参与试验的4名志愿者都是癫痫患者,他们因为医治需求在大脑外表植入了数百个微电极。研讨人员正是运用这些微电极阵列来记载其脑电波信号,然后凭借人工智能体系进行解码。  正确率胜过人工速记员  论文显现,10年前,科学家初次从人类大脑信号中解码出语音,可是解码的精度和速度远低于天然语速。  低到什么程度呢?  研讨团队介绍,迄今为止,在直接从脑电波中解码语音的研讨中,脑机接口体系仅限于解码单音节,或在志愿者接连念出约100个单词的情况下,只能正确解码不到40%的单词。  为进步解码精确度,研讨团队从机器翻译中取得启示,练习了一种循环神经网络。研讨中,4名志愿者被要求大声重复朗诵30至50句话。他们大脑外侧皮质上散布着许多微电极,能够监测到相应的大脑神经活动。这些脑电波数据输入人工智能体系后,先被编码成一串序列,然后解码成相应的英文语句。  研讨人员表明,这项研讨展现了以高精度和天然语速来解码皮层脑电图。在对其间一个志愿者的脑电波解码使命中,均匀每句话只要3%需求纠正——低于专业人工速记员均匀5%的错误率。  但研讨团队也着重,该研讨触及的语句量比较少。“假如你测验不运用这50个语句的数据集,解码就会糟糕许多。”论文榜首作者约瑟夫·马金承受媒体采访时说。  展现AI解读神经信号的潜力  “这项研讨的立异之处在于,选用端到端的深度学习网络完成神经信号翻译,从工程视点展现了人工智能技能使用于神经信号解读的潜力。”清华大学医学院神经工程试验室、清华大学人工智能研讨院教授洪波在承受科技日报记者采访时点评说。  洪波剖析,这项研讨的难点在于两个方面。  首先是选用了高密度微电极阵列,间隔4毫米,多达256个电极,掩盖大脑皮层外表的要害脑区,获取了满足的神经信息用于解码。这种电极在国内尚没有可用于临床的产品。  别的,研讨中深度循环神经网络的练习,除了选用时间轴上的卷积操作进步特征提取才干,还把语音频谱特征也作为练习方针,大大降低了对神经数据量的需求。  “脑机接口的一个中心难题是神经信息的解码和翻译,脑电信号噪声大,背面的神经编码机制杂乱不知道,这些都是应战。”洪波以为,以深度学习为代表的人工智能技能开展,为脑机接口打开一条应对该应战的新途径。  不过,在洪波看来,人工智能与脑机接口结合,也带来新难题:怎么取得许多的练习数据?来自人脑的高精度神经数据一般只在临床条件下才干取得,这会使神经网络练习陷入困境。  实践使用仍存技能妨碍  “这项技能现在首要用于癫痫外科的临床,协助外科医生在切除癫痫病灶之前,确认要害的言语功用区。要让渐冻人、高位截瘫等残疾患者用上这样的脑机接口,还要持续处理长效电极和解码功率的问题。”洪波说。  他以为,相关技能在未来实践使用中,依然有很大的技能妨碍,例如高密度的微电极阵列现在还无法长时间植入,难以作为未来脑机接口的规范电极。  洪波团队也在和资料、微电子以及临床团队协作,开发能够长时间植入的微创处理方案。他告知记者,底子上说,人工智能使用于脑机接口,要害门槛仍是长时间牢靠的神经电极和明晰精确的神经解码规则。  “人们所等待的戴上脑电帽就能读出心里话,从科学和工程视点来看还有很远的间隔。但脑科学和人工智能技能的结合,有或许加快这些探究和研制的进程。”洪波说。