华人团队用大模型实现“读心术”：大脑活动直接变文字

NeurIPS收录的一项新研究，让大模型也学会“读心术”了！

通过学习脑电波数据，模型成功地把受试者的脑电图信号翻译成了文本。

而且整个过程不需要大型设备，只要一块特制的“头巾”就能实现。

在这里插入图片描述

这项成果名为DeWave，能在不通过侵入式设备和MRI的情况下解读脑电波并翻译成文本。

由于用了大模型来读脑，因此报道DeWave的iFLScience也管它叫BrainGPT。

在这里插入图片描述

DeWave虽然不是最早实现脑电波解码的技术，但是它第一个做到了非侵入且无需MRI的脑电波-文本转换。

如果能够规模化运用，DeWave将为脑部瘫痪的人群提供交流上的帮助。

那么，DeWave的表现到底怎么样呢？

测评成绩超SOTA

由于DeWave采用非侵入式方法，信号中的噪声更强，解析难度更高，但相比于此前的SOTA方法，DeWave的测试成绩还是有所提高。

研究团队采用了公开的ZuCo数据集，其中包含了一万多个不重复的句子；受试者进行自然阅读的同时，研究团队对他们的脑信号和正在阅读的文本进行记录。脑电波信号采样频率为500Hz，包含128个信道。

如果输入的EEG信息已经按照眼动追踪方式的特征切分好，那么DeWave大概可以准确解读出句子的三分之一；即使不切分也能够成功捕捉一部分的关键词。

研究结果还显示，DeWave对单词的解析准确率高于整句，对动词的准确率高于名词。

在这里插入图片描述

数据方面，研究团队一共让DeWave对29名受试者的脑电图进行了采集和解析。

结果显示，有切分时，DeWave在BLUE-N数据集上成绩比传统方法高出了3-18%，在ROUGE-1数据集上也有最高6.35%的提升。

如果不做切分，DeWave与相同条件的传统方法相比，表现最多提升了120%。

为了评估DeWave的鲁棒性，团队对其进行了跨受试者（Cross-subject）测试。

这轮测试一共有18名受试者，其中一人的脑电波相信被用于训练。

然后，研究团队观察了模型在其他17人上进行测试时的表现，与被用于训练的人差距越小，说明模型的鲁棒性越强。

结果显示，DeWave的分数下降值低于传统模型，显示出了更强的鲁棒性和泛化能力。

在这里插入图片描述

那么，DeWave是如何实现脑电波解码的呢？

用大模型解读脑电波

DeWave的核心是引入了名为“离散码本”的概念。

通过向量化编码器，连续的脑电图信号被拆分为离散形式，分别与词汇进行对齐。

之后，研究团队将离散化的数据送入Transformer编码器，得到上下文语义融合的向量表示。

在这里插入图片描述

将向量化的文本信息作为监督数据，用得到的向量化信号对BART大模型进行训练，就得到了DeWave。

新的信号解析过程也与之相似——先进行离散化和向量化编码，然后用BART对其进行解读，就得到了文本信息。

在这里插入图片描述

同时，为了增强可解码性研究团队还通过正负样本对编码进行调节，使DeWave解析出的语义更接近目标文本词向量。

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

在这里插入图片描述