据外媒报道,近日美国加州大学旧金山分校的Joseph Makin及同事在《自然-神经科学》上发表的一篇论文报告了一种能够以较高的准确率,解码神经活动并将其翻译为句子的机器翻译算法。
在人类大脑信号首次解码出语音十年后,其准确率和速度仍远远低于自然语言。
研究人员盘点了机器翻译领域的最新进展,并利用这些方法训练循环神经网络,将神经信号直接映射为句子。
据了解,四名受试者此前颅内均被植入了用以监测癫痫的电极,电极会将他们大声读出句子时的神经活动记录下来。
之后,这些记录被添加到一个循环神经网络中,从而将规律性出现的神经特征表示出来,这些神经特征可能与言语的中的元音、辅音或发音器官接收的指令相关。
接着,另一个循环神经网络逐字解码这种算法表示,形成句子。
作者还发现,明显参与言语解码的脑区同样参与言语生成和言语感知。
这种机器翻译方法将每名受试者的神经活动解码为口头句子的平均错误率竟低至3%。
最后,研究人员还展示了如何通过多个参与者数据来训练网络的某些层,利用传输学习来改进对有限数据的解码。
责任编辑:wv
声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。
举报投诉
-
算法
+关注
关注
23文章
4454浏览量
90747
发布评论请先 登录
相关推荐
基于机器翻译增加的跨语言机器阅读理解算法
近日,阿里云人工智能平台 PAI 与华南理工大学朱金辉教授团队、达摩院自然语言处理团队合作在自然语言处理顶级会议 EMNLP2023 上发表基于机器翻译增加的跨语言机器阅读理解算法 X
仿真人类的微软AI翻译系统
从历史上看,曾经主流的机器学习技术在行业中应用是统计机器翻译 (SMT)。SMT 使用先进的统计分析,从一句话中上下文的几个词中来估计最佳可能的翻译。SMT自20 世纪中期以来的为所有主要翻译
使用TouchGFX二进制翻译(Binary Translation)功能实现动态更新翻译
电子发烧友网站提供《使用TouchGFX二进制翻译(Binary Translation)功能实现动态更新翻译.pdf》资料免费下载
发表于 09-19 16:48
•1次下载
如何使用模仿患者声音的计算机程序将文本重新翻译成语音
《Nature》杂志同时发表了两篇新论文,帮助那些因脑损伤和疾病而失去语言能力的人恢复语言能力,向前迈出了重要一步。两个多学科团队展示了最先进的人工智能辅助脑机接口(BCI)系统的速度和准确性
Transformers是什么意思?人工智能transformer怎么翻译?
转换成目标语言并实现各种自然语言处理任务,例如文本分类、文本生成、机器翻译和命名实体识别等。该技术最近在各种自然语言处理任务中表现出色,比传统的技术方法实现更高的准确性和更高的处理速度。 在电气工程中,transformer通常指的是一种用于改变交流电压的电气设备,它由许多线圈和铁
人工智能会取代翻译吗
在某些场景下,如翻译普通商务文档、新闻报道以及其他非技术性的文章等,机器翻译的正确率已经非常接近人类翻译了。然而,在涉及到一些重要的领域,例如法律、药学甚至是文学等相关领域,机器翻译仍
PyTorch教程10.7之用于机器翻译的编码器-解码器Seq2Seq
电子发烧友网站提供《PyTorch教程10.7之用于机器翻译的编码器-解码器Seq2Seq.pdf》资料免费下载
发表于 06-05 18:14
•0次下载
PyTorch教程-10.7. 用于机器翻译的编码器-解码器 Seq2Seq
10.7. 用于机器翻译的编码器-解码器 Seq2Seq¶ Colab [火炬]在 Colab 中打开笔记本 Colab [mxnet] Open the notebook in Colab
PyTorch教程-10.5。机器翻译和数据集
在 SageMaker Studio Lab 中打开笔记本
在引起人们对现代 RNN 广泛兴趣的重大突破中,有一项是统计机器翻译应用领域的重大进展
。在这里,模型以一种语言的句子呈现,并且必须预测
PyTorch教程-10.6. 编码器-解码器架构
。
图 10.6.1编码器-解码器架构。¶
让我们以从英语到法语的机器翻译为例。给定一个英文输入序列:“They”、“are”、“watching”、“.”,这种编码器-解码器架构首先将可变长度输入编码
LLM时代NLP研究何去何从?
在当前低资源的语言基准上(如FLORES-200)改进机器翻译性能。针对资源极低的语言,可以利用圣经(世界上翻译最多的文档)等现有文本作为开发机器翻译系统的起点。
大语言模型的多语言机器翻译能力分析
以ChatGPT为代表的大语言模型(Large Language Models, LLM)在机器翻译(Machine Translation, MT)任务上展现出了惊人的潜力。
评论