机器学习实现了脑机语言翻译，距离“意念交流”还有多远？

目前，神经科学家已经知道人类的认知功能跟大脑的分区有关。研究人员可以通过对大脑神经活动的空间和时间信号进行高分辨率的数据采集，并配合机器学习算法将各种感知觉、运动、语言等高级认知功能所对应的神经信号互相分离出来。然后，可以实现像一些基本的脑机语言翻译这样的功能。

但是真正实现语言的解码翻译其实还要面临众多的困难。除了上面提到的声波信号对于每个人的脑区的刺激会因人而异之外，由于世界上有上万种的语言及方言，同一个语义在不同语言和方言下可能对应着不同的脑电波信号。甚至于不同年龄、不同成长环境，不同的情绪状态都有可能导致完全不同的脑电波信号。

此外，我们阅读文字也可以引发语言相关的脑电波活动，这肯定与语音刺激的反应又不相同。同样，不同的文字形态又会带来不同的脑电波信号模式。

也就是实验室状态下的无干扰的测试结果，极难应用到现实场景当中。要实现如此多复杂的脑电波语言翻译，其难度可能比全世界统一语言和文字的难度还大。那么想要实现后者，你们认为其可能性有多大呢？

那么，对于脑脑交互呢？我们是否可以先绕开语言翻译的这座大山，先去实现一些非语言化或者先于语言化的脑信号交互呢？比如，找到人类共同的一些辨识方向、情绪以及一些本能应激反应的脑电波信号，通过AI学习，实现信号的解码和共享。

这确实是有可能的，比如上面俄罗斯方块游戏的方向测试，以及在一些大鼠身上做的一些头部预期运动的信号的测试。但是，再复杂一些，就可能会必须要从脑电波信号转码为语言（语音或文字）来进行交互了，不然，这些探测到的脑电波数据就仅仅是一些物理信号，而不能具有任何的信息价值。

这可能还是应了那个哲学命题，如果意识不通过语言来表达，我们怎么意识到这个意识呢？

在一个需要靠讲故事来撑市值的新型产业，脑机语言翻译的实现，确实再一次给脑机接口的技术发展和商业化注入了一剂强心针。当然，我们也要冷静地看到这一技术仍然只具有“实验室”的成功价值，其用于商业化方面还需要脑机接入的材料成本、安全性，信号检测的准确度，翻译模型的迁移性和普适性等各个方面走向成熟。

至于我们试图去回答的“意念交流”的脑脑交互，大家其实也看到了，前途茫茫，困难依旧重重，甚至还有一座语言的大山横亘在人类面前。

毕竟，上帝也是靠“说”才创造了世界，而不是靠“想”创造的世界。

（编辑：西安站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!