腦機(jī)接口技術(shù)又有重大突破，居然可以將腦電波信號(hào)轉(zhuǎn)換成語音系統(tǒng)

 這項(xiàng)研究成果于 4 月 24 日發(fā)表在《自然》雜志上，并得到了多家媒體的報(bào)道，其中就包括《紐約時(shí)報(bào)》。AI 科技評(píng)論將《紐約時(shí)報(bào)》的這篇報(bào)道編譯如下。

「我在腦海中將每一個(gè)句子都過十遍，或刪掉一個(gè)單詞，或再添加一個(gè)形容詞，并通過背誦來逐段地琢磨我的文字。」Jean-Dominique Bauby 在他的回憶錄《潛水鐘和蝴蝶》中這樣寫道。作為一位記者兼編輯，Bauby 在這本書里回憶了那次讓他的全身都幾乎無法動(dòng)彈的癱瘓性中風(fēng)之前和之后的生活。他眨著眼皮，逐字將書中的內(nèi)容讀出來。

成千上萬的人由于在事故或爭斗中受傷，或患上中風(fēng)或肌萎縮側(cè)索硬化（ALS）等神經(jīng)退行性疾病而喪失說話能力，都同樣地遭遇著溝通困境。

而現(xiàn)在，科學(xué)家們?cè)趫?bào)告中提出，他們已經(jīng)開發(fā)了一種虛擬的假體語音系統(tǒng)，該系統(tǒng)能夠解碼大腦的說話意圖，并將它們轉(zhuǎn)化為基本可以理解的言語，而不需要移動(dòng)任何肌肉，甚至是口腔內(nèi)的肌肉。（物理學(xué)家兼作家斯蒂芬 · 霍金，曾經(jīng)就使用他臉頰上的肌肉在鍵盤上打出字符，然后計(jì)算機(jī)再將這些字符合成為語音。）

佛羅里達(dá)州杰克遜維爾市梅奧醫(yī)學(xué)中心（Mayo clinic）的神經(jīng)科醫(yī)生兼神經(jīng)科學(xué)家 Anthony Ritaccio 博士并非該研究組的成員，他表示：「這（AI 科技評(píng)論注：解碼大腦信號(hào)）是一項(xiàng)艱巨的工作，它推動(dòng)我們進(jìn)入了語音還原的另一個(gè)層次」。

實(shí)際上，此前研究人員就已經(jīng)開發(fā)出了其他的虛擬語音輔助工具。它們都通過解碼負(fù)責(zé)識(shí)別字母和單詞以及口頭表示的大腦信號(hào)來實(shí)現(xiàn)語音輔助，但是這些方法在自然語言表達(dá)的速度和流動(dòng)性上尚顯不足。

這個(gè)新系統(tǒng)的相關(guān)工作于周三發(fā)表在《自然》雜志上，它譯解了大腦在說話期間用來指導(dǎo)聲帶運(yùn)動(dòng)（如舌頭與口腔的碰撞、嘴唇縮窄等）的控制命令，產(chǎn)生的句子在可理解的同時(shí)，也接近于說話者自然的說話節(jié)奏。

專家們認(rèn)為，這項(xiàng)新的工作成果代表了一次「原理論證」，它預(yù)示著某些事情經(jīng)過進(jìn)一步的實(shí)驗(yàn)和提升后可能實(shí)現(xiàn)的目標(biāo)。研究者在能正常說話的人身上測(cè)試了該系統(tǒng)，不過還尚未將其放在那些身患造成解碼難度或無法實(shí)現(xiàn)的神經(jīng)性疾病或重傷（例如常見的中風(fēng)）的患者身上進(jìn)行測(cè)試。

針對(duì)新的試驗(yàn)，加州大學(xué)舊金山分校和加州大學(xué)伯克利分校的科學(xué)家們招募了五名在醫(yī)院接受癲癇手術(shù)評(píng)估的患者。

ECoG 電極矩陣由能夠記錄大腦活動(dòng)的顱內(nèi)電極組成（圖源：加州大學(xué)舊金山分校）

Gopala Anumanchipalli 是加州大學(xué)舊金山分校的神經(jīng)學(xué)家，他正拿著一個(gè)跟在當(dāng)前研究中所使用的電極矩陣非常相似的電極矩陣（圖源：加州大學(xué)舊金山分校）

許多癲癇患者都由于藥物治療效果不佳而選擇接受腦部手術(shù)。在手術(shù)前，醫(yī)生必須首先找到癲癇在每個(gè)人的大腦中發(fā)作的「熱點(diǎn)」，這通過在大腦中或大腦表面上放置電極，并聽取明顯的電風(fēng)暴 (electrical storms) 來完成。

對(duì)此位置進(jìn)行精確定位可能需要耗費(fèi)數(shù)周時(shí)間。在此期間，患者通過在涉及到運(yùn)動(dòng)和聽覺信號(hào)的大腦區(qū)域里面或附近植入電極來度日。這些患者往往會(huì)同意在這些植入物體上搭載其他額外的實(shí)驗(yàn)。

加州大學(xué)舊金山分校的這五名此類患者就接受在他們身上測(cè)試虛擬語音生成器。研究者在他們每個(gè)人的大腦中都植入了一個(gè)或兩個(gè)電極矩陣：郵票大小的襯墊包裹了數(shù)百個(gè)被放置在大腦表層的微小電極。

當(dāng)每個(gè)志愿者在背誦數(shù)百個(gè)句子時(shí)，電極就會(huì)記錄下運(yùn)動(dòng)皮層中神經(jīng)元的發(fā)射模式。研究人員將這些模式與患者在自然說話期間所發(fā)生的嘴唇、舌頭、喉部以及下頜的微妙運(yùn)動(dòng)聯(lián)系起來。之后，研究團(tuán)隊(duì)再將這些運(yùn)動(dòng)轉(zhuǎn)譯為成口頭表達(dá)的句子。

另外在實(shí)驗(yàn)中，研究者還讓以英語為母語的人聽取句子來測(cè)試虛擬語音生成器的流暢度，最終發(fā)現(xiàn)虛擬系統(tǒng)說出的 70% 的內(nèi)容都是可理解的。

Edward Chang 博士致力于研究大腦如何產(chǎn)生和分析語音，他開發(fā)了一個(gè)為癲癇和其他神經(jīng)性疾病患者還原語音能力的假體。（圖源：加州大學(xué)舊金山分校）

這項(xiàng)新研究工作的論文作者、加州大學(xué)舊金山分校神經(jīng)外科教授 Edward Chang 博士表示，「實(shí)驗(yàn)顯示，我們通過解碼指導(dǎo)發(fā)音的大腦活動(dòng)模擬出來的語音，比根據(jù)從大腦中提取出來的聲音表示而合成的語音更準(zhǔn)確，也更自然。」Edward Chang 博士的同事是同在加州大學(xué)舊金山分校的 Gopala K. Anumanchipalli 以及同時(shí)在加州大學(xué)舊金山分校和加州大學(xué)伯克利分校任教的 Josh Chartier。

以前基于植入物的通信系統(tǒng)，每分鐘可生成大約 8 個(gè)單詞。而這項(xiàng)新成果每分鐘能以自然的說話節(jié)奏生成約 150 個(gè)單詞。

研究人員還發(fā)現(xiàn)，其他人可以使用和調(diào)整基于某個(gè)人的大腦活動(dòng)的合成語音系統(tǒng)——這就暗示著現(xiàn)有的虛擬系統(tǒng)在未來某一天都能夠?qū)ν忾_放。

該團(tuán)隊(duì)正計(jì)劃展開臨床試驗(yàn)以進(jìn)一步測(cè)試該系統(tǒng)。而臨床試驗(yàn)面臨的最大挑戰(zhàn)，可能是尋找合適的患者：讓人類喪失說活能力的中風(fēng)，往往也會(huì)損害或影響到支持語音發(fā)音的大腦區(qū)域。

盡管如此，眾所周知，腦機(jī)接口技術(shù)（相關(guān)技術(shù)可查看雷鋒網(wǎng) AI 科技評(píng)論此前的一篇相關(guān)報(bào)道）領(lǐng)域正在迅速發(fā)展，世界各地的研究團(tuán)隊(duì)也正在改進(jìn)這項(xiàng)技術(shù)，未來有可能實(shí)現(xiàn)對(duì)特定傷患進(jìn)行腦器接口技術(shù)的量身定制。

埃默里大學(xué)、佐治亞理工學(xué)院的生物醫(yī)學(xué)工程師 Chethan Pandarinath 和 Yahia H. Ali 在一篇附隨評(píng)論中寫道：「隨著這項(xiàng)新技術(shù)的持續(xù)進(jìn)步，我們能夠期待有言語障礙的人能夠（憑借這項(xiàng)技術(shù)）重新獲得自由表達(dá)個(gè)人想法的能力，并與其周圍的世界重新建立聯(lián)系。」

論文：《Speech synthesis from neural decoding of spoken sentences》

下載地址：https://www.nature.com/articles/s41586-019-1119-1

摘要：將神經(jīng)活動(dòng)轉(zhuǎn)換成語音的技術(shù)對(duì)于因神經(jīng)系統(tǒng)損傷而無法正常交流的人來說，是革命性的。從神經(jīng)活動(dòng)中解碼語音極具挑戰(zhàn)性，因?yàn)檎f話者需要對(duì)聲道發(fā)聲進(jìn)行非常精準(zhǔn)、快速的多維度控制。這項(xiàng)新研究設(shè)計(jì)了一個(gè)神經(jīng)解碼器，以顯式地利用人類大腦皮層活動(dòng)中進(jìn)行了編碼的運(yùn)動(dòng)表示和聲音表示來合成語音。首先，用循環(huán)神經(jīng)網(wǎng)絡(luò)直接將記錄的大腦皮層活動(dòng)解碼為發(fā)音運(yùn)動(dòng)的表示，然后將這些表示轉(zhuǎn)換為語音。在封閉的詞匯測(cè)試中，聽眾可以識(shí)別和轉(zhuǎn)錄出利用大腦皮層活動(dòng)合成的語音。中間的發(fā)音動(dòng)態(tài)即使在數(shù)據(jù)有限的情況下也能幫助提升性能。講話者可以較大程度地保存經(jīng)過解碼的發(fā)音運(yùn)動(dòng)表示，從而使得解碼器的組件可在不同參與者之間遷移。此外，該解碼器還可以在參與者默念句子時(shí)合成語音。這些發(fā)現(xiàn)都提升了使用神經(jīng)假體技術(shù)還原語音交流能力的臨床可行性。