人工智能读心术！(2)

但是，如果脑机接口直接重塑语音，这样的患者可能会重新获得更多曾经丧失的能力：例如，控制音调变化，或者介入一个快速的对话。
研究该问题的道路困难重重。哥伦比亚大学（Columbia University）计算机科学家Nima Mesgarani说：“我们正试图找出在不同时间点打开与关闭神经元的模式，并由此推断语音内容。” “神经元间的映射并不浅显直白。” 这些信号如何转换为语音声音因人而异，因此模型必须针对每个人进行独特“训练”。
这些模型将在非常精确的数据上表现最好——而搜集这些精准的数据需要打开我们的头盖骨。
研究人员只能在极少数情况下才会进行此类危险性记录：一种情况是在移除脑肿瘤期间，暴露在外的大脑产生的电读数能够帮助外科医生定位以避开关键的语音及运动区；另一种情况是在手术前为癫痫患者植入电极并保持数天以确定癫痫发作起因。
瑞士日内瓦大学神经工程师Stephanie Martin表示说，“我们最多只有20分钟，最多30分钟来收集数据——真的非常非常受限。”
新论文背后的研究组尽量最大化利用数据、将信息提供给神经网络；神经网络通过将信息传递到计算“节点”层来处理复杂的行为模式。网络通过调整节点之间的连接来学习。本实验则使用人类产生或听到的语音以及与此同时大脑活动的数据来训练神经网络。
Mesgarani的团队的研究使用了五名癫痫患者的数据。
随着病人们听到故事录音以及0至9数字录音，他们的神经网络同步分析其听觉皮层（该皮层在语音和听力过程中都很活跃）活动。随后计算机仅根据神经数据来重新生成数字。有一组听众会在计算机“说出”数字同时对其进行评估；其精确度大约为75%。
由德国不莱梅大学（Bremen）计算机科学家Tanja Schultz领导的另一个团队使用了六名接受脑肿瘤手术的人的数据。
他们让被测试者朗读单音单词，用麦克风捕捉他们的声音。同时，大脑的语音规划区和运动区产生的电极会被记录下来（这些电极向声道发送命令以清楚地表达单词）。
现在正与马斯特里赫特大学（Maastricht）合作的计算机科学家Miguel Angrick和Christian Herff训练了一个将电极读数映射到录音然后从以前看不见的大脑数据中重建单词神经网络。根据一项计算机评分系统，大约40％的计算机生成单词是可以理解的。