论文部分内容阅读
霍金在坐上轮椅后，一开始还能通过手指敲打键盘来输出文字，后来手指无法运动了，曾想过利用眼球耕作和脑电波识别技术来帮助输出信息。但最后由于病情和技术的问题，没能完成，转而使用红外探测眼镜，这已是当下最先进的语言合成技术了。霍金直到最后都没能直接将自己的脑电波直接转换为语言，不过这一技術在不久的将来即将到来。我们从另一个角度，继续探索“脑机接口”。
脑电波“打字”的铺成
要让脑电波开口说话，需要让脑电波与字母之间建立联系。因此“打字”是一个绕不开的话题。2018年世界机器人大会上，清华大学研发的“动态窗稳态视觉诱发电位脑机接口系统”向参赛者们提供了这样一个竞赛平台：将注意力集中到电脑屏幕上的虚拟键盘中的字母上，脑电波就会被捕捉，对应的字母就会显示在屏幕上。
这种视觉打字系统是一种视觉诱发电位的打字系统，虚拟键盘中每一个目标字符在运行过程中都会有特定的频率去闪烁，目标频率都不相同，当我们注视目标的时候，大脑的枕区视觉皮层附近，会产生对应闪烁频率的脑电波信号。刺激不同，响应不同。所以可以通过采集人的脑电信号，找到相对应的目标，从而实现打字。该项目的主导人表示，这一系统平均正确率能达到91%。这种输入效率，大概等于正常人每分钟手写28个英文字母的水平，最快的人每分钟能打出60个字符。
事实上，这一系统的原理跟霍金的红外眼镜有相似之处，红外眼镜是根据霍金的一小块肌肉来捕捉信号的，二者都是通过人堆字母的强烈反应而实现语言的输出。当然，霍金的红外眼镜设备成熟得更多，打字效率也就更快。
“动态窗稳态视觉诱发电位脑机接口系统”想要步入下一阶段，需要解决的还是“敏感度”的问题——脑电波是非常敏感而且活跃的。一方面人如果注意力无法高度集中，系统就将很难对字母进行定位;另一方面人的大脑在看到字母的时候往往会不由自主地产生联想，比如看到“c”会想到“copy”或者“car”等词，这也会对系统识别产生干扰。另外，相比于英语，汉语还要经历更多的转换，需要耗费更多的时间。
万事俱备，模式已成
目前业内的脑电波语言转化主要分为四大步骤：样本收集、信号转化、虚拟声道、输出。
第一个步骤样本收集易于理解，它需要几率不同语言文字在大脑区域内的活动信号，建立一个数据库，以供后续的映射使用。这一数据库的建立的“健全度”直接影响了脑电波转换语言的准确度。这其中还得考虑同一单词的不同读音、语调等。想要建立一个“通用”的数据库，难度十分巨大。
第二步骤通过循环神经网络（RNN）的不断学习，研究者将大脑神经信号转换成了发音器官动作的信号，这些信号与发音器官的动作直接相关，比如嘴唇、下巴、舌头、喉咙等。
不过，神经网络的学习问题一直都是让业界头痛的问题，它所涉及的内容十分复杂。目前普遍的现场是虽然语音输出的速度很快，但也只有一半的句子会被识别出来。
第三步，虚拟声道。虚拟不同声音所产生的声道运动，就像汉语中双唇音、唇齿音、舌尖中音等所需要调动的不同发音部位一样，正常来说，如果模拟的发音运动模式和人正常说话时一样，那么所发的音也一定是一样的。这一步弄好了，接下来就可以输出了。（编辑/侯帮虎）