亞馬遜（Amazon）和Google等公司的不說智慧助理近幾年的發展，已可準確辨識人們的麼知語音指令。但另一個更難以置信的道別擔心里程碑可能就在眼前，這將使語音辨識相形見絀──人工智慧（AI）可將大腦活動轉化為文字，未來而不需要使用者說話。有機
數據來源
這是會讓怎麼辦到的？其實這是加州大學舊金山分校（University of California San Francisco, UCSF）神經外科醫生張復倫（Edward Chang）領導的團隊，所進行的人用研究。他們使用一種新的腦波方法來解碼皮層腦電圖（electrocorticogram），所謂皮層腦電圖，來溝是不說由植入大腦的電極所接收的大腦皮層電脈衝記錄。
By BruceBlaus. When using this image in external sources it can be cited as:Blausen.com staff (2014). "Medical gallery of Blausen Medical 2014". WikiJournal of Medicine 1 (2). DOI:10.15347/wjm/2014.010. ISSN 2002-4436. - Own work, CC BY 3.0, Link 這項研究招募四名癲癇患者參與實驗，這些患者大腦已植入電極以監控癲癇發作狀況。道別擔心實驗方式為讓參與者大聲朗讀並重複30至50個不同的未來句子，同時記錄他們的有機大腦活動，然後將數據輸入到人工智慧神經網路。會讓
這個神經網路會根據實驗過程收集到的音檔，分析與某些語音特徵相對應的大腦活動模式，例如母音、子音或口部動作。並使用神經網路從重複句子收集的皮層活動，去分析表現特徵，然後試著預測說話內容。（延伸閱讀：人工智慧幫助癱瘓患者用大腦意念「手寫」出想法）
結果尚未穩定
實驗結果顯示，錯誤率平均低於3％，但超出訓練集使用的句子會產生較差的結果。不過在嚴格定義的實驗條件下，這可能是AI有史以來最接近實現讀心術的一次實驗。
在論文中，團隊詳細介紹參與者所說句子的許多範例，以及AI產生的預測結果，有些顯而易見的錯誤與人耳聽到的語音有很大不同，這可能是由於引入AI的數據量有限。（延伸閱讀：俄羅斯科學家研發腦機介面，從腦電圖即時重建人腦看到的影像）
儘管存在怪異的明顯錯誤，但整體來說，此AI系統仍可成為解讀大腦活動的新基準，相當於單字錯誤率為5％的專業語音轉文字系統。當然，處理一般對話的語音轉文字系統，必須有成千上萬個單詞的詞彙庫。相比之下，該系統僅學習有限短句中大約250個單詞的皮質特徵，因此將兩者比較未盡公平。
研究小組認為該系統，未來可能成為語言障礙患者與外界溝通的機會。作者解釋：「已長期植入電極的受測者，可用於訓練的數據量，將比本研究中使用約半小時語音，還要大幾個數量級，也就是說詞彙庫和彈性還有再大幅度擴展的可能性。」
參考資料
- Makin, J. G., Moses, D. A., & Chang, E. F. (2020). Machine translation of cortical activity to text with an encoder–decoder framework. Nature Neuroscience, 23(4), 575–582. doi: 10.1038/s41593-020-0608-8
- Dockrill, P. (2020, April 1). New AI System Translates Human Brain Signals Into Text With Up to 97% Accuracy. Retrieved April 8, 2020.
本文經明日科學授權刊登，原文刊載於此
責任編輯：朱家儀
核稿編輯：翁世航