亚马逊（Amazon）和Google 等公司的智慧助理近几年的发展，已可准确辨识人们的语音指令。但另一个更难以置信的里程碑可能就在眼前，这将使语音识别相形见绌：人工智能（AI）可将大脑活动转化为文字，而不需要用户说话。
加州大学旧金山分校（University of California San Francisco, UCSF）神经外科医生张复伦（Edward Chang）领导的团队，使用一种新的方法来译码皮层脑电图（electrocorticogram），这是由植入大脑的电极所接收的大脑皮层电脉冲记录。
这项研究招募四名癫痫患者参与实验，这些患者大脑已植入电极以监控癫痫发作状况。实验方式为让参与者大声朗读并重复 30 至 50 个不同的句子，同时记录他们的大脑活动，然后将数据输入到人工智能神经网络。
这个神经网络会根据实验过程收集到的音档，分析与某些语音特征相对应的大脑活动模式，例如元音、子音或口部动作。并使用神经网络从重复句子收集的皮层活动去分析表现特征，然后试着预测说话内容。
实验结果显示，错误率平均低于 3％，但超出训练及使用的句子会产生较差的结果。不过在严格定义的实验条件下，这可能是 AI 有史以来最接近实现读心术的一次实验。
在论文中，团队详细介绍参与者所说句子的许多范例，以及 AI 产生的预测结果，有些显而易见的错误与人耳听到的语音有很大不同，这可能是由于引入 AI 的数据量有限。
尽管存在怪异的明显错误，但整体来说，此 AI 系统仍可成为解读大脑活动的新基准，相当于单字错误率为 5％ 的专业语音转文字系统 。当然，处理一般对话的语音转文字系统必须有成千上万个单词的词汇库。相比之下，该系统仅学习有限短句中大约 250 个单词的皮质特征，因此将两者比较未尽公平。
研究小组认为该系统未来可能成为语言障碍患者与外界沟通的机会。作者解释：「已长期植入电极的受测者可用于训练的数据量，将比本研究中使用约半小时语音还要大几个数量级，也就是说词汇库和弹性还有再大幅度扩展的可能性。」
