機器學(xué)習(xí)實現(xiàn)了腦機語言翻譯，那距離“意念交流”還有多遠(yuǎn)

在《三體》當(dāng)中，大劉為三體文明設(shè)計了一種“思考即說話”的意念交流方式。在嚴(yán)酷的三體環(huán)境下，三體人正是依靠這種高效無誤的意念交流方式，實現(xiàn)了知識的無障礙共享、理性決策的高度統(tǒng)一，才能創(chuàng)造出如此高度發(fā)達(dá)的文明成果和整齊劃一的社會體制。

這一思路就如同去中心化的分布式計算機，只要建立聯(lián)接，每一臺獨立的計算機單元都可以獲知其他計算機單元的數(shù)據(jù)，每一臺計算機單元理論上也都能夠共享共同的執(zhí)行命令。

反觀人類，我們就顯得有些“低能”了。首先，我們每個人的大腦都像是一塊白板，任何的數(shù)據(jù)信息都需要經(jīng)過大腦的發(fā)育和長期的經(jīng)驗訓(xùn)練才可能學(xué)到一星半點的知識；其次，我們的大腦又仿佛一個神秘黑箱，每個人都只能通過外在的語言、表情、姿態(tài)等信號來識別對方的動機，所謂知人知面不知心就是這個意思。再次，我們的數(shù)據(jù)信號的輸出又非常低效，我們只能以這種每秒鐘幾 KB 的語音、詞匯等信息來輸出想法，嚴(yán)重制約了溝通效率。

可能有人會質(zhì)疑，我們有必要向三體人那樣通過“意念”直接交流嗎？假如有一天我們的思想真的可以直接交流，即便有那么多的好處，同樣那些個人的貪念、惡意也無法隱瞞，這些對我們?nèi)祟悂碚f都可能是一場巨大災(zāi)難。

在高等文明來臨前，私欲和惡意就會將人類推進深淵。不過，這種推論仍然是杞人憂天。

一方面目前這種程度的“腦機接口”技術(shù)的實現(xiàn)還遙遙無期；另一方面，一旦人類動了“意念交流”的念頭，只要技術(shù)有任何可能的突破，好奇心都會驅(qū)使那些最聰明的人去實現(xiàn)它。至于技術(shù)出來是否“洪水滔天”，那就事后再說了。

當(dāng)前來看，腦機接口技術(shù)正在取得一些顯著的進展。最近一項可以稱之為腦機語言翻譯的技術(shù)，又實現(xiàn)了新的突破。

3 月底，在Nature雜志的副刊《神經(jīng)科學(xué)》上面，來自美國加州大學(xué)舊金山分校的研究人員發(fā)表了一項新的研究，他們利用機器學(xué)習(xí)的方法，可以把腦電波信號直接翻譯成了有意義的語音和文字，翻譯準(zhǔn)確度得到大幅提高，最低錯誤率只有 3%。

這一結(jié)果是如何實現(xiàn)的，這一研究意味著什么，距離實現(xiàn)“意念交流”還有多遠(yuǎn)？這些正是我們接下來要討論的內(nèi)容。

人腦語言翻譯規(guī)律，機器學(xué)習(xí)很有一套

我們先來還原一下這項實驗的過程：研究人員找到四名患有癲癇的受試者，事先在其大腦的控制發(fā)音的腦區(qū)植入電極裝置。在實驗中，受試者需要先在一個有限的詞語庫里，反復(fù)地朗讀一些句子。電極裝置就可以在過程中捕捉朗讀瞬間活躍的腦電波信號。

（記錄大腦活動的顱內(nèi) ECoG 電極陣列）

然后，研究人員就可以在在收集到的信號和語句庫之間找規(guī)律，把跟控制發(fā)聲動作相關(guān)的腦電波信息提取出來。接著就可以通過機器學(xué)習(xí)對這些數(shù)據(jù)進行訓(xùn)練，使得 AI 可以在腦電波信號和語句庫之間建立起映射關(guān)系的模型。

最后，你只要在大腦中想象自己說出詞語庫內(nèi)的某一句話，AI 程序就可以根據(jù)訓(xùn)練后的映射關(guān)系，來識別你的內(nèi)心獨白了。

（通過聲波動作的腦電波信號識別語音）

由此可知，實驗得以成功的前提就是復(fù)雜的腦電波信號和明確的語詞之間，可以建立一套準(zhǔn)確的映射關(guān)系。那么基于數(shù)據(jù)標(biāo)記的有監(jiān)督的機器學(xué)習(xí)就很容易在訓(xùn)練中“找到規(guī)律”。

論文中還表明，AI 在學(xué)習(xí)識別人類腦電波的速度非?？?。實驗結(jié)果顯示，只要經(jīng)過大概 40 分鐘語音數(shù)據(jù)的簡單訓(xùn)練，語音相關(guān)的腦電波的 AI 翻譯，就可以達(dá)到比較高的準(zhǔn)確率了。其中效果最好的一名受試者，在僅僅經(jīng)過 9 次數(shù)據(jù)訓(xùn)練之后，詞錯率就降到只有 3%了。這個詞錯率已經(jīng)接近于迄今為止 AI 讀取人的想法的最佳表現(xiàn)。研究人員認(rèn)為，如果再經(jīng)過更多的訓(xùn)練，識別的效果還會進一步上升。

當(dāng)然，這套映射規(guī)則是限定語種、限定語句庫和限定測試者的基礎(chǔ)上完成的。

首先，在這次的研究中所使用的語句庫，只包含 100 多個詞匯，50-60 個句子，比我們?nèi)粘＝涣鞯恼Z句庫少很多。

其次，腦電波的識別是在同一個人的人腦中完成的，也就是還不能證明，不同人之間，腦電波信號的識別規(guī)律是否具有遷移性。

很顯然同樣的一句話，受到不同語言背景、不同理解能力，甚至更為復(fù)雜的生理因素的影響，在不同的人腦中，形成的腦電波可能是完全不同的。

這可能就需要針對每個人的腦電波信號的特點，分別建立完全不同的 AI 識別模型。這也意味著大腦信號之間的直接交流幾乎很難實現(xiàn)，仍然需要具有公共涵義的共同語言作為中介來實現(xiàn)思想的交流。這也是哲學(xué)家維特根斯坦提出的“沒有私人語言”的一種現(xiàn)實困境吧。

那么，如果 AI 對于腦電波的文本翻譯能夠達(dá)到實際應(yīng)用的程度，這項技術(shù)對于我們意味著什么呢？

讓失語者重新“說話”，

腦機語言翻譯大有作為

我們先來理解下這項腦機語言翻譯的真正意義。在人類的漫長進化史中，大腦的復(fù)雜和語言的出現(xiàn)成為一對互為因果的因素，幫助人類從嚴(yán)酷的自然環(huán)境中勝出，建立起復(fù)雜的文明和文化形態(tài)。也就是從人之為人的數(shù)萬年時間里，我們?nèi)祟惖淖钪饕换シ绞骄褪钦Z言，以及在語言基礎(chǔ)上衍生出的文字、信號等溝通方式。

而這次腦機語言翻譯的出現(xiàn)，意味著人類的交互方式出現(xiàn)了新的形式，也就是由大腦信號直接轉(zhuǎn)化為語言信號。盡管如我們所說，這一方式離三體人的“意念交流”還有很大距離，但已經(jīng)是在向這一“意念交流”的方向前進了一大步。

至于現(xiàn)實意義呢？對于普通人而言，無論是誰也不會輕易嘗試在大腦中植入一塊電極裝置，再是日常語言交流仍然是最廉價、最高效地表達(dá)信息的方式。短期內(nèi)，我們還是會習(xí)慣語音和手指作為信息輸入的主要手段。

那么，這項技術(shù)最靠譜的實際應(yīng)用場景就是針對那些失去語言能力或?qū)懽帜芰Φ幕疾∪巳毫?。事實上研究者的出發(fā)點正是幫助因為中風(fēng)偏癱、漸凍癥或者其他因神經(jīng)系統(tǒng)疾病而喪失語言功能和溝通能力的人們，恢復(fù)語言溝通能力。而 AI 腦機語言翻譯，就成為他們重新獲得與世界溝通的工具。

（腦控打字）

在這項技術(shù)實現(xiàn)之前，幫助失語者溝通的主要腦機接口技術(shù)就是“腦控打字”，也就是通過采集腦信號，控制光標(biāo)選擇字母，然后組成單詞后輸出。這個領(lǐng)域做到最好效果的 Facebook 也只能做到每分鐘最多打 8 個單詞。

在腦控打字難以突破效率難關(guān)的情況下，AI 腦機語言翻譯可以直接完成腦電波信號到語言轉(zhuǎn)化，效率一下子提高到了正常人的語速水平。這讓失語者進行語言輸出產(chǎn)生了飛躍的進步。

但現(xiàn)實問題仍然存在，因為這些測試者都是可以正常說話的，那么從他們身上采集數(shù)據(jù)訓(xùn)練而成的 AI 算法，是否可以應(yīng)用到中風(fēng)病人或者漸凍人身上呢？

正如我們上面所述，每個人的腦電波的信號采集可能存在一些差異，那么 AI 算法可能會因人而異，因此很難進行不同人之間的遷移。

那么就目前來說，只能是在有中風(fēng)或漸凍癥發(fā)作前或嚴(yán)重前，提前采集他們的腦電波信號，形成專屬的 AI 翻譯模型，才可能真正幫助患者。

腦機語言翻譯都來了，

那“意念交流”還有多遠(yuǎn)？

相較于我們習(xí)以為常的 AI 語音識別技術(shù)，AI 腦機語言翻譯看起來就已經(jīng)非常令人驚嘆了，那么要是達(dá)到用“意念交流”的腦腦交互的水平，那就有點天方夜譚的感覺了。

所謂的腦腦交互，那就是不再借助語言而直接依靠腦電波信號進行人際之間的溝通。這種就類似于三體人的思想共享，《阿凡達(dá)》里的人獸聯(lián)機的技術(shù)。

一般來說，我們通過語言傳輸大腦信息，必然就存在著信息缺失、傳輸損耗以及效率低下的問題。翻譯成人話就是，我們經(jīng)常詞不達(dá)意、左耳朵進右耳朵出，寫篇文章好幾天，聊個天就大半天過去。

腦腦交互則可以大幅提升人們之間交流的速度和信息量，能夠保留和傳輸真實無損的大腦信息，避免誤會，從而根本改變?nèi)祟惖膮f(xié)作方式。

腦腦交互并非完全的空想，現(xiàn)在也有一些基礎(chǔ)的實驗證實了這一可能性。比如 2018 年華盛頓大學(xué)，通過以下實驗，讓三個相互隔離的人帶上了腦電圖頭盔這種非侵入式腦機設(shè)備，純靠看和想，共同協(xié)作，來完成俄羅斯方塊游戲。其中 2 個人負(fù)責(zé)觀察底部情況和下落的方塊形狀，操控手柄的人則完全不知道狀況，只能讓這兩個人產(chǎn)生腦電波信號，通過一種叫 TMS 的磁刺激方式來傳遞信息給操控者的大腦，讓其大腦產(chǎn)生操作的指令。

經(jīng)過 5 組不同的實驗中，這種腦腦交互傳達(dá)信息的準(zhǔn)確率達(dá)到了 81.25%。雖然還遠(yuǎn)遠(yuǎn)達(dá)不到人類之間傳輸信息需要的準(zhǔn)確率和復(fù)雜度，但是這一實驗帶來腦腦交互的一種可能性。

但是可能性并不意味著現(xiàn)實性。這一點可能性之后仍然要面對大腦這個神秘黑箱制造的無盡難題。

（大腦皮層的語言分區(qū)）

目前，神經(jīng)科學(xué)家已經(jīng)知道人類的認(rèn)知功能跟大腦的分區(qū)有關(guān)。研究人員可以通過對大腦神經(jīng)活動的空間和時間信號進行高分辨率的數(shù)據(jù)采集，并配合機器學(xué)習(xí)算法將各種感知覺、運動、語言等高級認(rèn)知功能所對應(yīng)的神經(jīng)信號互相分離出來。然后，可以實現(xiàn)像一些基本的腦機語言翻譯這樣的功能。

但是真正實現(xiàn)語言的解碼翻譯其實還要面臨眾多的困難。除了上面提到的聲波信號對于每個人的腦區(qū)的刺激會因人而異之外，由于世界上有上萬種的語言及方言，同一個語義在不同語言和方言下可能對應(yīng)著不同的腦電波信號。甚至于不同年齡、不同成長環(huán)境，不同的情緒狀態(tài)都有可能導(dǎo)致完全不同的腦電波信號。

此外，我們閱讀文字也可以引發(fā)語言相關(guān)的腦電波活動，這肯定與語音刺激的反應(yīng)又不相同。同樣，不同的文字形態(tài)又會帶來不同的腦電波信號模式。

也就是實驗室狀態(tài)下的無干擾的測試結(jié)果，極難應(yīng)用到現(xiàn)實場景當(dāng)中。要實現(xiàn)如此多復(fù)雜的腦電波語言翻譯，其難度可能比全世界統(tǒng)一語言和文字的難度還大。那么想要實現(xiàn)后者，你們認(rèn)為其可能性有多大呢？

那么，對于腦腦交互呢？我們是否可以先繞開語言翻譯的這座大山，先去實現(xiàn)一些非語言化或者先于語言化的腦信號交互呢？比如，找到人類共同的一些辨識方向、情緒以及一些本能應(yīng)激反應(yīng)的腦電波信號，通過 AI 學(xué)習(xí)，實現(xiàn)信號的解碼和共享。

這確實是有可能的，比如上面俄羅斯方塊游戲的方向測試，以及在一些大鼠身上做的一些頭部預(yù)期運動的信號的測試。但是，再復(fù)雜一些，就可能會必須要從腦電波信號轉(zhuǎn)碼為語言（語音或文字）來進行交互了，不然，這些探測到的腦電波數(shù)據(jù)就僅僅是一些物理信號，而不能具有任何的信息價值。

這可能還是應(yīng)了那個哲學(xué)命題，如果意識不通過語言來表達(dá)，我們怎么意識到這個意識呢？

在一個需要靠講故事來撐市值的新型產(chǎn)業(yè)，腦機語言翻譯的實現(xiàn)，確實再一次給腦機接口的技術(shù)發(fā)展和商業(yè)化注入了一劑強心針。當(dāng)然，我們也要冷靜地看到這一技術(shù)仍然只具有“實驗室”的成功價值，其用于商業(yè)化方面還需要腦機接入的材料成本、安全性，信號檢測的準(zhǔn)確度，翻譯模型的遷移性和普適性等各個方面走向成熟。

至于我們試圖去回答的“意念交流”的腦腦交互，大家其實也看到了，前途茫茫，困難依舊重重，甚至還有一座語言的大山橫亙在人類面前。

畢竟，上帝也是靠“說”才創(chuàng)造了世界，而不是靠“想”創(chuàng)造的世界。

審核編輯 黃昊宇