人工智能驱动的大脑植入物如何帮助ALS患者进行沟通

帕特·贝内特(Pat Bennett)，前排中间，植入了传感器，可以让计算机算法根据她的大脑活动创造单词

1924年，德国神经学家汉斯·伯杰率先绘制了人类大脑活动图，近一个世纪后，斯坦福大学的研究人员设计了两个可插入大脑的微型传感器，它们连接到一个计算机算法上，帮助将思想转化为文字，帮助瘫痪的人表达自己。8月23日，《自然》杂志发表了一项研究，证明了这种设备在人类患者身上的使用。

研究人员创建了一个脑机接口（BCI），这是一个将神经活动转化为预期语音的系统，可以帮助瘫痪的人，如脑干中风或肌萎缩侧索硬化症患者，通过电脑屏幕表达他们的想法。一旦植入，药丸大小的传感器可以从大脑皮层（大脑中与记忆、语言、解决问题和思考有关的部分）向定制的人工智能算法发送电信号，然后该算法可以用来预测预期的语音。

这种脑机接口学会识别与39个音素中的每一个音素或语音的最小部分相关的不同神经活动模式。这些是英语中的声音，如quill中的“qu”、near中的“ear”或mat中的“m”。当患者尝试说话时，这些解码的音素被输入到一个复杂的自动更正程序中，该程序将它们组合成反映其预期言语的单词和句子。通过不断的练习，人工智能软件逐渐增强了解释用户大脑信号和准确翻译其语音意图的能力。

该研究的合著者、斯坦福大学电气工程博士生Erin Michelle Kunz通过电子邮件表示：“该系统有两个组成部分。第一个是神经网络，当参与者试图说话时，它可以实时从神经信号中解码音素或声音单位。然后，这个网络的音素输出序列被传递到一个语言模型中，该模型根据英语的统计数据将其转换为单词文本。”

Pat Bennett患有als(一种攻击神经系统，影响身体运动和功能的疾病)，他会从数据库中随机选择句子进行练习，每次训练25次，每次4小时。例如，病人会试着说:“只是在过去的五年里才这样”或“我就在中途离开了。”当现年68岁的贝内特试图阅读提供的句子时，她的大脑活动将记录到植入的传感器上，然后植入物将通过连接到算法上的电线向人工智能软件发送信号，该算法将用音素列表解码大脑试图发出的语音，然后将其串成计算机屏幕上提供的单词。该算法本质上就像手机的自动纠错功能，在发短信时启动。

Willett说:“这个系统经过训练，知道哪些单词应该出现在其他单词之前，以及哪些音素构成了哪些单词。如果一些音素被错误地解释了，它仍然可以做出很好的猜测。”

Kunz和她的团队说，通过参加每周两次的软件培训课程，将近半年的时间，Bennet能够以每分钟62个单词的速度翻译她的语音，这比以前记录的基于机器的语音技术要快。最初，模型的词汇表被限制为50个单词——对于简单的句子，如“hello”、“I”、“am”、“hungry”、“family”和“thirsty”——错误率不到10%，然后扩展到125,000个单词，错误率略低于24%。

虽然Willett解释说，这不是“人们可以在日常生活中使用的实际设备”，但它是朝着提高沟通速度迈出的一步，这样语言障碍人士就可以更融入日常生活。

“对于那些受伤或患有ALS并失去说话能力的人来说，这可能是毁灭性的。除了沟通基本的护理需求外，这还会影响他们的工作能力，以及与朋友和家人保持关系的能力，”Kunz说。“我们这项工作的目标是通过为这些人提供一种更自然的交流方式，以与典型对话相当的速度提高他们的生活质量。”