意念打字新紀錄誕生！
受試者通過植入設備，平均輸入速度能達每分鐘 62 個單詞，是團隊之前紀錄的 3 倍。
同時準确率也有明顯提升，面向 50 個單詞詞彙表，識别準确率比先前紀錄提升 2.7 倍。
據研究者稱，這已開始接近正常人溝通速度（每分鐘 160 個單詞）。
不信？那就看看現場實況。
受試者 " 按詞輸入 "，點點頭就出了個句子，還是蠻絲滑的：
相比下，此前研究按 " 字母 " 逐個輸入，顯得更費勁不少：
△ 2021 年登 Nature 封面的成果展示
創造該紀錄的團隊來自斯坦福，前兩天，他們剛将相關論文預印本放上 bioRXiv，引來不小關注。
未參與項目的加州大學舊金山分校研究員 Philip Sabes，将之稱為 " 重大突破 "。他認為，相關技術很快将走出實驗室，進入落地階段。
不少網友也對該成果也相當興奮，Reddit 點贊上萬，有人恨不能立馬給家人整一套。
值得一提的是，論文發表同一天，共同主要作者之一的 Krishna Shenoy 因胰腺癌去世，不少學者與研究機構為此悼念。
所以這回，科學家們如何創造出意念打字新紀錄？與之前方式有什麼不同？
繼續往下看。
識别開口說話的神經活動情況
意念打字過去一直是腦科學領域的熱門研究方向，也備受社會大衆關注，更早之前的實現方法是——讓受試者在腦中手寫字母，或是在腦中讀出特定讀音，再靠系統識别。
此次，科學家們用了不同的信息識别辦法——直接讓受試者 " 說 " 出來，哪怕隻在大腦裡。
具體來說，他們依靠一套語音腦機接口（BCI）系統，識别人類說話中相關的口腔、面部神經活動情況，通過解碼其動作控制信号，再去輸出受試者想表達的文本。
基于上述思路，科學家們開展了一系列實驗。
此番受試者是一位女性，時年 67 歲，她在 57 歲時被診斷出患有肌萎縮性側索硬化症 ( ALS ) ，該病症讓她在很長時間被吐字發音不清折磨，說話僅能發出幾個元音，輔音幾乎很難分辨。
為保護隐私，該受試者被團隊稱為 T12，2021 年的研究中，他們也用了同樣方法，将另一位男性受試者稱為 T5。
2022 年 3 月，經當事人同意，科學家為其在腦中植入四個微電極陣列，以檢測語言相關神經活動情況。
在植入後的實驗中，科學家先讓受試者嘗試做不同動作，觀察相關區域的神經活動狀況。
比如，讓受試者睜眼、閉眼、眨眼以觀察控制眼皮相關神經元活動；再比如讓嘴唇張開、閉合、微笑，以檢測相關腦區活動。當然，實驗觀察部位還包括：額頭、下巴、喉部、舌頭等。
科研團隊發現，不同動作之間神經活動高度分離，在特定檢測頻率下，他們針對 34 個口部面部動作進行解碼，準确率為 92.7%，若面向 39 個音素，解碼準确率為 60%。這側面說明原計劃具備可操作性。
下一步是将說話的相關神經活動和文本關聯起來。
科研工作者預先準備了一個 RNN 解碼器，以 80ms 為間隔，檢測識别神經活動信号，這當中，神經網絡會依靠最大概率判斷輸出單詞，錯誤的發音也将被糾正，最終輸出文本。
為訓練該網絡，受試者需要每天嘗試輸出 260-280 語句的數據。
百天之後的測試中，無論是否發出聲音，對單詞的識别速度均在每分鐘 50 詞以上，該表現大約是該團隊此前 2021 年紀錄的 3 倍。
且無論面向 50 個單詞，還是 12500 個單詞，解碼效率差異不大。
識别錯誤率也有大幅改善。
針對 50 個單詞的表達，識别錯誤率在 9.1%，即便受試者進行不發聲表達，錯誤率也僅 11.2%。
針對 12500 單詞庫時，表達識别的錯誤率為 23.8%，不發聲輸出錯誤率為 24.7%，該錯誤率與之前研究面向 50 詞的測試情況正誤情況基本持平，能看出該方法準确度大幅上升。
上述測試之外，科學家還探究了哪些方向能進一步優化該系統。
他們考慮了三個維度——語言模型詞彙量、植入腦部電極數量、訓練數據集大小。
結果顯示，随着單詞數量提高，錯誤率的确會升高，但在 1000 詞量級趨于平緩（下方左圖），團隊由此認為，日後研究通過壓縮單詞數不一定有效。
但對于植入電極數量來說，更多的通道數（精度）的确會帶來錯誤率降低。如下方右圖，從 500 提升到 1000，錯誤率從 4%，降低到了 1.9%。
另值得一提的是，即便未經訓練，面向新數據，系統單詞錯誤率也隻有 30%。且通過訓練，錯誤率會不斷下降。
對于後續研究，團隊指出該成果目前還不是完整的、臨床上可落地的系統。此外，24% 錯誤率在日常生活中也還不夠低，後續研究将在各方面努力。
意念打字一直熱度不減
本文一作是 Francis Willett，來自斯坦福霍華德休斯醫學研究所，主要研究領域為腦機接口、運動神經科學，他也對人工神經網絡模型有所涉獵。
2021 年登上 Nature 封面的意念打字研究中，他也是一作。跟上次一樣，此番他表示——将會公布研究的代碼和數據。
另一位主要作者是 Erin Kunz，來自斯坦福電氣工程系在讀博士，此前，她還曾在通用擔任自動駕駛工程師。
前文提及剛剛過世的 Krishna Shenoy 也是本文主要作者。
2021 年登 Nature 的論文，他亦是貢獻者之一，此前研究中，他破譯了與手寫筆記相關的大腦信号，讓截癱患者快速準确地打字。
該項工作十分關鍵，因為當時他們使用的方法是——讓受試者在腦中 " 寫出 " 字母。
除該團隊，在 " 意念打字 " 這件事上，還有更多科學家在努力。
比如 2022 年 11 月，加利福尼亞大學舊金山分校（UCSF）提出的一種不同方法。他們通過植入 128 通道皮質電圖（ECoG）陣列，外加一個經皮連接器，用來連接植入設備和外部系統。
在識别方式上，他們所想到的是——讓受試者在腦中默念字母 NATO 代碼（比如 α 代替 a，β 代替 b），完成逐個字母輸入，平均 2 秒可鍵入一個字母，最終平均字符錯誤率僅 6.13%。
之前，量子位智庫對該趨勢也有所展望，認為 " 意念打字 " 乃至背後的腦機接口技術已在商業化發展上初具雛形。
清華李路明團隊、瑞金醫院、浙江大學及浙大二院神經外科等團隊或機構，均有所積累。
另值得一提的是，去年末馬斯克及 Neuralink 還讓猴子搞了一回 " 意念打字 "，雖說是用訓練猴子意念點擊屏幕中的黃色按鈕，但也算 " 蹭 " 了一波。
當時，馬斯克還說，他和 Neuralink 已向 FDA 遞交了諸多文件，預計 6 個月後（預計今年六月）開啟人體試驗。
但能不能等到，還真不一定……
畢竟同樣的話，他在 2022 年 4 月已說過一次了。（狗頭）
參考鍊接：
[ 1 ] https://www.technologyreview.com/2023/01/24/1067226/an-als-patient-set-a-record-for-communicating-via-a-brain-implant-62-words-per-minute/
[ 2 ] https://www.freethink.com/hard-tech/speech-bcis
[ 3 ] https://www.biorxiv.org/content/biorxiv/early/2023/01/21/2023.01.21.524489.full.pdf
