通過手寫進行高性能的人機通信
什麼!!!人人都可以用念能力來寫字??不不不,實際上是學術界帶來了這個驚喜,今年5月發表在Nature上面的一篇研究,利用BCI植入(人機介面),將植入物置於受試者的前運動皮質,以此來達到透過「想」來寫字的成果,還真的是想像就是你的超能力呢!
對於癱瘓人士來說,說話是種奢侈,溝通是種幻想,就連大家耳熟能詳的物理界泰斗霍金也是深受此苦,而霍金還能溝通,仰賴於尚可些微移動的右面頰肌肉,抽動它使眼鏡上的紅外線感應器收到信息後來選取,每抽動一下,浮標才可選定目標來緩慢的打字,那完全癱瘓的人呢?隨著科學家們努力思考,BCI的植入已經有許多研究,也在慢慢的在進步,而此篇研究就是透過在前運動皮質植入BCI,200個電極感受動作的變化,並且由一位正常的受試者手寫字母、文字,再透過之前其他小編也介紹過的主成分分析PCA進行解析,分群出不同字母手寫產生的不同種類的神經活動特徵,再透過AI訓練了一套遞歸神經網絡(recurrent neural network)來分析每個字母,最後做出一套準確度高達94%且每分鐘可生成90個字母,原本轉錄神經活動特徵錯誤率約5%,再因透過系統的AI學習使其修正修飾,最後的整體錯誤率僅僅只有1%
但結論上來說,研究人員認為整系統看似很完美,但是還是很多破綻的,因為作為最主要的AI模型訓練用的資料的手寫神經活動特徵是完全來自同一受試人的,所以無法解釋能否完整通用不同的人的腦脈衝,此外,研究並未使數字、大寫字母、標點符號…等其他不同的字符,所以以完整打出文章來說還是有困難的,不過不得不說,這是一個開頭,這套系統已經展現了超越以往技術的能力,溝通上速度提升、準確性佳,並且也無需全神貫注在「寫字」上,相對來說更接近一般人了。這樣的研究還有很長的路,但是隨著腦科學的深入研究、半導體來材料的縮小,電影中的情節將不再是幻想。
圖一 a 受試者按照螢幕上的指示來「想」與「寫」出字母 b 不同字母下紀錄的神經活動,圖中是d、e、m三個範例字母 c 進行time warping,來消除測試速度的變化,最後可看出同類字母會有一致的神經活動模式 d 解碼筆軌跡顯示所有31個測試字元 e 使用PCA分析,並使用t-SNE製作的神經活動2D可視圖,不同的字母自成一群,也可看出有些字母較難完全分析分群,所以後期要透過其他方式來校正整個系統 |
圖二 a解碼演算法的圖表,從電極端紀錄神經活動,RNN轉換辨識 b兩個範例及時顯示,證明RNN可以解碼未在訓練中看過的句子,紅色為標記錯誤 c 錯誤率和鍵入速度 |
撰文:徐楷昕
Reference:
Willett, F.R., Avansino, D.T., Hochberg, L.R. et al. High-performance brain-to-text communication via handwriting. Nature 593, 249–254 (2021). https://doi.org/10.1038/s41586-021-03506-2
留言
張貼留言