首页 科技 正文

在Nature封面上打字!每分钟写90个字符,准确率超过99%

杨净 梦晨 只想说 凹非寺量子位 报导 | 微信公众号 QbitAI

万万想不到,脑机接口这么快就拥有重大成果!

乃至还走上了Nature封面图。

一位瘫痪病人,已经用“潜意识”搞出一段话,0.5秒上下就能輸出一个字母。

准确度也十分令人震惊,达到99.1%。

他所必须做的,仅仅在脑里将字母“笔写”出去,随后系统软件便会自动检索转化成字母,一分钟可写90个字符。

这幅字尽管写的不咋地,但至少遭受了Nature的“亲睐”。

值得一提的是,在此之前,这名病人在另一个测试报告中,试着过“潜意识”挪动鼠标光标来打字,但是一分钟只有搞出13.4个恰当字符 。

此研究一出,就引起学术界、网民的极大关心。

庆贺之外,一位加州大学专家教授乃至大呼:打的都比它慢!

RNN有功了

这名编号为T5的老头脑中嵌入的,是2个来源于Braingate的电级列阵,各带有96个电级。

试验一开始就碰到第一个艰难:如何识别客户何时逐渐试着书写字母。

最终发觉本来用以语音识别技术的实体模型能够 进行这一每日任务。

处理这个问题以后,研究工作人员发觉书写单独字符时观查到的头部主题活动相对性固定不动,而且一直集中化在一起。

而且书写样子相近的字母例如“b”和“p”时采用的地区是贴近的。

来看即便偏瘫很多年,健身运动表皮层中字迹的神经系统定性分析都没有消散。

历经人力标明后,这种数据信息就可以做为原始记录集了。

下面是优化算法,研究工作人员挑选了循环系统神经元网络(Recurrent Neural Network,下称RNN)。

与普遍的前馈控制神经元网络对比,RNN对数据信息编码序列中的每一个原素实行同样的每日任务,数值在于以前的全部結果,因此用循环系统取名。

RNN更善于预测分析持续数据信息,正合适此次研究的持续书写一个语句。

RNN虽强劲但有一个缺陷,便是必须很多的数据信息,不然非常容易发生多重共线性。

此次参加研究的被试就仅有老头一人,他也不愿意每天花费很多钟头很多的开展反复书写给出的数据。

但是没事儿,也有数据增强(Data Augmentation)。便是对每一个图象数据信息开展一些细微的更改,转动一下、放缩一点、或是镜像翻转这类的实际操作,提升数据信息的多元性。

除开二十六个字母之外,输入英文还得有一些必需的标点。例如空格符,研究工作人员就规定老头用>替代,英语句点仅有一个点也不太好辨别,用~替代。除此之外也有分号、顿号和疑问。

但是此次研究没添加数据,可能是研究工作人员感觉区别z和2有点儿难,就已非下一次解决了。

逐渐训炼时应用的数据信息仅有242个语句,接着每日都提升一些,最后一共有572个语句,31,472个字符。

最终,为了更好地处理有的英文字母中间过度类似,研究工作人员还设计方案了一套专用型于脑机接口的字母表开展检测,准确度会高许多,但有学习培训成本费。

字符准确度最大达99.1%

然后,就到青年志愿者产品测试。

依据屏幕提示,志愿填报在人的大脑中一个字母一个字母地拷贝书写,字符历经鉴别转化成在显示屏上。

結果检测表明,从人的大脑“笔写”字符,到字符在显示屏中发生,正中间会有一个延迟时间,大约在0.4-0.7秒中间。

总体看来,青年志愿者均值每分能够 搞出18个英语单词、90个字符,字符差错率仅为5.9%。

历经相近手机上全自动改正的预测分析语言模型以后,她们进一步将字符的准确度提升 到99.1%。

英语单词的差错率也从25.1%减少到3.4%。

除此之外,青年志愿者还开展了一番自身写作——无需拷贝、自身“书写”语句,結果每分还可以搞出73.8 个字符,历经预测分析语言模型改正后,准确度超出了97%。

最终,为了更好地极限挑战,研究工作人员还训炼了一个新的RNN,客户写详细个语句以后再集中化运输,这类方式的准确率达到99.83%,但是客户就无法得到即时的意见反馈了。

事实上,这实际上是BrainGate新项目的一部分。它是一个多组织同盟的新项目,包含莱斯大学、英国生物科技企业Cyberkinetics,致力于脑机接口技术性,专注于修复中枢神经系统病症、损害或缺失身体的人的沟通交流、行動和自觉性。

先前,这一新项目完成了脑机接口数据信号的无线数据传输,让病人能够 离去试验室自然环境,在家里轻松上网播放视频。

斯坦福学校霍华德休斯医药学研究所(HHMI)研究员、毕业论文创作者之一Krishna Shenoy表明,本次研究较大的自主创新取决于,破解了与手写笔记有关的人的大脑数据信号,让瘫痪病人迅速精确的打字。

毕业论文一作,一样是来源于斯坦福学校的Frank Willett博士研究生,他表明会将全部研究的编码和神经系统数据信息开源系统。

现阶段,它还并不是一个详细的、临床医学的商业部门,终究也只在一个人的身上开展了检测。

下面将在大量检测人群、打字作用的扩展(编写、删掉)、拓展字符集(例如英文大写字母,及其别的语言表达)等层面开展提高。

是否能够 dream一个中文?

此外,也有一些要素非常值得探讨,例如成本费和风险性。

加州大学微生物工程学院专家学者Pavithra Rajeswaran、电气设备和电子计算机工程学院专家学者Amy Orsborn表明,此项研究仍必须历经实验论述,将电级嵌入人的大脑的花费和风险性是不是有效。

获益的不仅偏瘫者

除开偏瘫病人外,也是有因别的伤势造成打字艰难的人表明很兴奋!

例如闭锁综合症,因一部分神经系统的毁坏造成人体一部分功能的衰退或消退,尽管观念保持清醒,但没法根据语言表达沟通交流。

也有可重复性挤压损害(RSI),包含因应用电脑鼠标或打字不合理造成的手腕腱鞘炎、手指腱鞘炎等。

有一位RSI病人说,我都必须一个可以效仿鼠标中键的作用,但是网民回应他说道你用一个脚踩的脚踏板或是眼球追踪要比入侵型脑机接口简易多了。

见到这一信息,网民也脑洞大。

有些人发觉,想像自身用手写字和立即想像脑子里的运动轨迹是不一样的觉得,不清楚哪一个更非常容易鉴别。

要不, 你也试一下在脑中写毛笔字?(手动狗头

毕业论文连接:[1]https://www.nature.com/articles/s41586-021-03506-2

参照连接:https://www.nature.com/articles/d41586-021-00776-5https://news.ycombinator.com/item?id=27134049https://twitter.com/WillettNeurohttp://www.wildml.com/2015/09/recurrent-neural-networks-tutorial-part-1-introduction-to-rnns/

非特殊说明,本文由原创资讯网原创或收集发布。

转载请注明本文地址:http://www.acewise.org/kj/2403.html