4月22日消息，神經(jīng)科學家正通過快速發(fā)展的技術(shù)探索，致力于利用腦電波恢復(fù)或增強身體機能，為失語者重建發(fā)聲通道，將無聲思維轉(zhuǎn)化為可聞?wù)Z音。

美國加州多所高校以及紐約Precision Neuroscience等公司，正將腦機接口技術(shù)與人工智能結(jié)合起來，在生成自然語音方面取得技術(shù)突破。

長期以來，科學研究和相關(guān)投資與關(guān)注長期聚焦于幫助重度殘障人士操控計算機鍵盤、控制機械臂或恢復(fù)癱瘓肌體功能的植入式設(shè)備?，F(xiàn)如今，部分實驗室另辟蹊徑，專注于研發(fā)能將思維模式直接轉(zhuǎn)化為語音的技術(shù)，并已取得顯著進展。

“我們已經(jīng)取得長足的進步，這項研究的主要目標是讓腦信號轉(zhuǎn)譯的合成語音達到常人對話的流暢度，”加州大學舊金山分校（UCSF）神經(jīng)外科醫(yī)生張復(fù)倫（Edward Chang）表示，“我們所用的人工智能算法不斷優(yōu)化，每有新的受試者加入，都能帶來更多寶貴經(jīng)驗?！?/p>

上月，張復(fù)倫團隊聯(lián)合加州大學伯克利分校在《自然·神經(jīng)科學》發(fā)表論文，詳細介紹他們對一位四肢及軀干癱瘓達18年、因中風喪失言語能力的女性患者所開展的研究。這名患者通過默念由1024個詞匯組成的句子來訓練深度學習神經(jīng)網(wǎng)絡(luò)。研究人員將她的神經(jīng)活動數(shù)據(jù)實時傳輸至一個集語音合成與文本解碼于一體的模型，重建她的發(fā)聲。

這種技術(shù)已經(jīng)將腦電波信號與輸出語音之間的延遲時間從之前的8秒縮短至1秒，更接近正常對話100-200毫秒的時間差。系統(tǒng)平均解碼速度達到每分鐘47.5個單詞，大約是常人語速的三分之一。

每年有數(shù)以萬計的患者可從這種“語音假體”技術(shù)中受益：他們認知功能基本完好，卻因中風、漸凍癥等神經(jīng)退行性疾病或其他腦部病變喪失發(fā)聲功能。研究人員期待，若技術(shù)持續(xù)突破，還可助力腦癱或自閉癥等導致語言障礙的人群。

企業(yè)界也開始關(guān)注語音神經(jīng)假體的潛力。Precision Neuroscience宣稱，憑借更為密集的植入電極，公司采集到的腦電波信號分辨率比學術(shù)機構(gòu)更高。

Precision Neuroscience已經(jīng)與31名患者合作，計劃很快擴大數(shù)據(jù)采集規(guī)模，為產(chǎn)品商業(yè)化鋪路。今年4月17日，Precision Neuroscience獲得監(jiān)管部門批準，傳感器單次植入受試者體內(nèi)時間最長可達30天。公司首席執(zhí)行官邁克爾·馬杰（Michael Mager）表示：“這將使我們的科學家能夠在一年內(nèi)構(gòu)建起’地球上最大規(guī)模高分辨率神經(jīng)數(shù)據(jù)庫’?！?/p>

馬杰透露，Precision Neuroscience下一步計劃“將組件小型化并置于生物相容性密封封裝中，以實現(xiàn)永久植入?！?/p>

相比之下，埃隆·馬斯克（Elon Musk）麾下的腦機接口公司Neuralink則側(cè)重開發(fā)癱瘓患者的計算機操控功能，而非語音合成領(lǐng)域。

要讓腦電波順暢直譯為語音，最大技術(shù)瓶頸在于目前患者需要花費大量時間學習如何使用系統(tǒng)。荷蘭烏得勒支大學醫(yī)學中心腦機接口專家尼克·拉姆齊（Nick Ramsey）表示，關(guān)鍵是語言運動皮層（控制自主行動的大腦區(qū)域）的神經(jīng)響應(yīng)模式是否存在個體差異：如果人與人之間的模式趨同，那么用先前受試者數(shù)據(jù)訓練的機器學習模型就可以快速適配新患者。

拉姆齊說，“目前我們還需要讓受試者看著文字默念數(shù)十甚至數(shù)百小時，才能生成足夠的數(shù)據(jù)。若能快速適配，就可以大幅縮短數(shù)據(jù)訓練周期?！?/p>

他還強調(diào)，現(xiàn)有研究均聚焦于運動皮層對發(fā)聲肌肉的調(diào)控機制，尚無證據(jù)顯示其他大腦區(qū)域或思維活動可被解碼為語音?！凹幢憧尚?，人們未必愿意坦露內(nèi)心獨白，”拉姆齊補充道，“畢竟許多想法真說出口或許傷人傷己?！?/p>

加州大學戴維斯分校神經(jīng)假體實驗室聯(lián)合主任謝爾蓋·斯塔維斯基（Sergey Stavisky）坦言，實現(xiàn)媲美自然語言的合成技術(shù)“道阻且長”?？赡苋孕柘喈旈L的時間。他所在的團隊雖實現(xiàn)98%的想要表達內(nèi)容的解碼準確率，但語音輸出存在延遲且缺乏音調(diào)等關(guān)鍵特征。斯塔維斯基說，現(xiàn)有電極硬件能否支持合成與人聲無異的語音仍是未知數(shù)。

他強調(diào)，科學家們還需深入研究大腦的語音編碼機制，開發(fā)更精準的神經(jīng)信號轉(zhuǎn)譯算法。

斯塔維斯基補充，“理想中的語音神經(jīng)假體應(yīng)當完整復(fù)現(xiàn)人類聲音的表現(xiàn)力，讓使用者精準控制音高、節(jié)奏，甚至實現(xiàn)歌唱功能。”（辰辰）