DeWave 模型通過從大量的腦電圖數據中學習，將腦電圖信號翻譯成單詞和句子。圖為研究人員正在測試 DeWave 模型。圖片來源：悉尼科技大學/侵刪

　　據物理學家組織網 11 日報道，澳大利亞悉尼科技大學科學家開發出了首款便攜式、非侵入性的人工智能系統，可解碼無聲的想法并將其轉化為有形的文本。這項技術可幫助那些因疾病或受傷(包括中風或癱瘓)而無法說話的人進行溝通，也有望實現人與仿生手臂或機器人等設備之間的無縫通信。最新研究代表了將原始腦電圖(EEG)直接翻譯成語言的開創性努力，標志著該領域的一次重大突破。

　　在最新研究中，參與者佩戴一頂帽子，通過 EEG 記錄頭皮的腦電活動，同時默讀文本段落。EEG 波被分割成不同單元，從人腦中捕捉特定的特征和模式，這一任務由研究人員開發的 DeWave 模型完成。DeWave 模型通過從大量的腦電圖數據中學習，將腦電圖信號翻譯成單詞和句子。

　　研究人員指出，這是科學家首次將離散編碼技術納入大腦思想轉化為文本的翻譯過程。為此，他們引入了一種創新性的神經解碼方法。最新技術與大型語言模型的集成，也為神經科學和人工智能開辟了新的前沿。

　　以前將大腦信號轉換為語言的技術要么需要在大腦中植入電極，比如埃隆·馬斯克的 Neuralink，要么需要借助磁共振成像(MRI)設備掃描大腦，而 MRI 機器體積大、價格貴，難以在日常生活中使用。此外，這些方法也很難在沒有眼動追蹤輔助的情況下將大腦信號轉換為單詞級片段，因此限制了這些系統的實際應用。而最新技術既可使用眼動追蹤，也可不使用眼動追蹤。

　　最新研究共有 29 名參與者，這意味著它或許能比以前只在一兩個人身上測試過的解碼技術更強大、更具適應性，因為不同人之間的腦電波不同。

　　借助佩戴的帽子而非從植入大腦的電極接收 EEG 信號，意味著信號的噪音更多。但研究結果顯示，新系統在腦電圖翻譯方面的表現超過了之前的基準。這項研究已被選為 12 月 12 日在美國新奧爾良舉行的 NeurIPS 會議的重點論文，該會議旨在展示領先的人工智能和機器學習研究成果。