0
  • 聊天消息
  • 系统消息
  • 评论与回复
登录后你可以
  • 下载海量资料
  • 学习在线课程
  • 观看技术视频
  • 写文章/发帖/加入社区
创作中心

完善资料让更多小伙伴认识你,还能领取20积分哦,立即完善>

3天内不再提示

AI能把你的脑电波转译 错误率只有3%

汽车玩家 来源:科技日报 作者:刘园园 2020-04-08 16:48 次阅读

最近,美国加州大学旧金山分校的科研团队使用人工智能解码系统,把人的脑电波转译成英文句子,最低平均错误率只有3%。这项研究发表在《自然·神经科学》杂志上。

参加实验的4名志愿者都是癫痫患者,他们由于治疗需要在大脑表面植入了数百个微电极。研究人员正是利用这些微电极阵列来记录其脑电波信号,然后借助人工智能系统进行解码。

正确率胜过人工速记员

论文显示,10年前,科学家首次从人类大脑信号中解码出语音,但是解码的精度和速度远低于自然语速。

低到什么程度呢?

研究团队介绍,迄今为止,在直接从脑电波中解码语音的研究中,脑机接口系统仅限于解码单音节,或在志愿者连续念出约100个单词的情况下,只能正确解码不到40%的单词。

为提升解码精确度,研究团队从机器翻译中获得启发,训练了一种循环神经网络。研究中,4名志愿者被要求大声重复朗读30至50句话。他们大脑外侧皮质上分布着大量微电极,可以监测到相应的大脑神经活动。这些脑电波数据输入人工智能系统后,先被编码成一串序列,然后解码成相应的英文句子。

研究人员表示,这项研究展示了以高精度和自然语速来解码皮层脑电图。在对其中一个志愿者的脑电波解码任务中,平均每句话只有3%需要纠正——低于专业人工速记员平均5%的错误率。

但研究团队也强调,该研究涉及的句子量比较少。“如果你尝试不使用这50个句子的数据集,解码就会糟糕很多。”论文第一作者约瑟夫·马金接受媒体采访时说。

展示AI解读神经信号的潜力

“这项研究的创新之处在于,采用端到端的深度学习网络实现神经信号翻译,从工程角度展示了人工智能技术应用于神经信号解读的潜力。”清华大学医学院神经工程实验室、清华大学人工智能研究院教授洪波在接受科技日报记者采访时评价说。

洪波分析,这项研究的难点在于两个方面。

首先是采用了高密度微电极阵列,间距4毫米,多达256个电极,覆盖大脑皮层表面的关键脑区,获取了足够的神经信息用于解码。这种电极在国内尚没有可用于临床的产品

另外,研究中深度循环神经网络的训练,除了采用时间轴上的卷积操作提高特征提取能力,还把语音频谱特征也作为训练目标,大大降低了对神经数据量的需求。

“脑机接口的一个核心难题是神经信息的解码和翻译,脑电信号噪声大,背后的神经编码机制复杂未知,这些都是挑战。”洪波认为,以深度学习为代表的人工智能技术发展,为脑机接口打开一条应对该挑战的新路径。

不过,在洪波看来,人工智能与脑机接口结合,也带来新难题:如何获得大量的训练数据?来自人脑的高精度神经数据通常只在临床条件下才能获得,这会使神经网络训练陷入困境。

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
  • AI
    AI
    +关注

    关注

    87

    文章

    26134

    浏览量

    263714
  • 脑电波
    +关注

    关注

    0

    文章

    51

    浏览量

    16850
收藏 人收藏

    评论

    相关推荐

    盘点PCB设计中的常见错误

    搞技术,难免存在错误只有经历过错误,才能更快地成长。PCB设计也一样,今天就来盘点一下PCB设计中最常见的错误
    的头像 发表于 01-12 09:53 581次阅读
    盘点PCB设计中的常见<b class='flag-5'>错误</b>

    电波暗室的屏蔽原理是什么?

    电波暗室利用外壳的金属壳体以及内部表面的铁氧体和尖劈吸波材料来实现对电磁波的屏蔽,阻止外部电磁波进入或内部电磁波干扰外部环境的原理。这些材料结合使用,共同作用以有效地减少电磁波的传播和干扰
    的头像 发表于 12-29 10:13 265次阅读
    <b class='flag-5'>电波</b>暗室的屏蔽原理是什么?

    能把AD4003芯片的IBIS模型导入ADS怎么处理?

    我不能把AD4003芯片的 IBIS 模型导入ADS 提示了以下错误 。 官方网站提供的 IBIS 模型是否有错误,
    发表于 12-01 07:28

    最新基准测试错误率竟高达90%:红绿灯认错、勾股定理也不会

    马里兰大学的研究团队在探索过程中发现了这些问题,并在此基础上提出了两种主要的错误类型:语言幻觉和视觉错觉,以此来阐释这些错误的原因。
    的头像 发表于 11-02 16:00 159次阅读
    最新基准测试<b class='flag-5'>错误率</b>竟高达90%:红绿灯认错、勾股定理也不会

    机器学习迅速发展,边缘设备实现视觉AI应用

    这个重大发展是一个转折点。从那时起,深度神经网络在性能/精度两个方面不断迎来巨大进展。2015年ResNet超越单个人类的分类能力,如图1所示。就各种目的和用途而言,现今神经网络的错误率已经可以与贝叶斯错误率相媲美,可视为解决计算机视觉应用中的图像分类问题。
    的头像 发表于 09-11 17:18 302次阅读
    机器学习迅速发展,边缘设备实现视觉<b class='flag-5'>AI</b>应用

    NeuroVR脑电波VR传感器 脑机接口模组

    脑电波应用
    的头像 发表于 08-23 15:00 408次阅读
    NeuroVR<b class='flag-5'>脑电波</b>VR传感器 脑机接口模组

    了解 ADC 代码错误率

    随着高速模数转换器(ADC)采样率的提高,ADC输出数据中的代码错误(也称为闪烁代码)问题也随之增加。代码错误定义为ADC输出代码中的错误超过定义的阈值。阈值通常定义为误差超过ADC噪声预期幅度
    的头像 发表于 08-17 15:09 592次阅读
    了解 ADC 代码<b class='flag-5'>错误率</b>

    脑电波传感器:连接思维与科技的桥梁

    思知瑞科技 金牛座 脑电波传感器模组 简介: 脑电波传感器是一种先进的技术装置,能够测量和记录人类大脑发出的电活动信号。通过采集和解读这些信号,脑电波传感器为我们提供了一扇窥探大脑内部活动的窗口
    的头像 发表于 07-25 10:25 801次阅读
    <b class='flag-5'>脑电波</b>传感器:连接思维与科技的桥梁

    代价敏感错误率(2)#大数据机器人

    机器人
    未来加油dz
    发布于 :2023年07月10日 20:36:32

    代价敏感错误率(1)#大数据机器人

    机器人
    未来加油dz
    发布于 :2023年07月10日 20:36:05

    无线电波传播的方式和特性

    移动通信的一个重要基础是无线电波的传播,无线电波通过多种方式从发射天线传播到接收天线,我们按照无线电波的波长人为地把电波分为长波(波长1000米以上),中波(波长100-1000米),
    发表于 05-24 16:27 1次下载
    无线<b class='flag-5'>电波</b>传播的方式和特性

    浅析三种主流深度神经网络

    深层神经网络的迅速发展应用致使语音识别错误率上较传统语音识别方法错误率减少30%(20年来最大降幅),同时也大幅削减了图像识别的错误率,自2011年以来深度学习图像识别的错误率从26%
    的头像 发表于 05-15 14:18 668次阅读
    浅析三种主流深度神经网络

    探秘采集脑电波

    原文来自微信公众号: 工程师看海 什么是脑电波脑电波能来干嘛?怎么采集脑电波脑电波采集有什么难点? 事情是这样子的,前一阵小米公布工程师计划,其中有一个项目是
    的头像 发表于 04-18 12:05 3635次阅读
    探秘采集<b class='flag-5'>脑电波</b>

    为什么无法从“pyparsing”导入名称“rest_of_line”(ESP32-C3 和 Platformio 以及 vscode 和 windows10)?

    我正在使用带有两个 C 型 USB 连接器的 ESP32-C3。在PCB的背面,写着AI-C3。我问了速卖通卖家,他告诉我芯片是 ESP32-C3 Mini1觉得,它是
    发表于 04-14 06:51