FaceBook 放弃用大脑打字作为AR眼镜的交互,一项新的研究仍可帮助解决语言障碍

272 阅读5分钟

Facebook的原型脑机接口耳机。 Image: Facebook Reality Labs

本文作者:Adi Robertson@thedextriarchy Jul 14, 2021, 5:05pm EDT


由Facebook支持的、旨在让人们“通过思考来打字”的研究计划“Steno项目”已经结束,今天他们公布了新的发现——

Steno项目是Facebook和加州大学旧金山分校Chang实验室之间的一项多年合作,旨在创建一个能将大脑活动转化为文字的系统。发表在_《新英格兰医学杂志_的一篇新研究论文显示了为有语言障碍的人实施该技术的潜力。

但在研究的同时,Facebook明确表示,它正在放弃商业化头戴式读脑设备的想法,而是建立腕戴式界面。新的研究对大众市场的技术产品没有明确的适用性,而且在一份新闻稿中,Facebook说它正在 "重新关注 " 其优先的研究事项,不再关注头戴式脑机接口。

"Facebook对开发需要植入电极的产品没有兴趣"

"明确地说,Facebook对开发需要植入电极的产品没有兴趣,"Facebook在一份新闻稿中说。在新闻稿的其他部分说到,"虽然我们仍然相信头戴式光学BCI技术的长期潜力,但我们已经决定将我们当前的努力集中在一种不同的神经接口方法上,这种方法有一个较近的上市路径。"

The Chang Lab 正在进行的研究涉及使用植入式脑机接口(BCI)来恢复人们的语言能力。

这篇新论文的重点是一位在16年前中风后失去说话能力的参与者。该实验室为该男子安装了可检测大脑活动的植入式电极。然后该男子花了22个小时(分布在一年多的时间里)训练一个系统来识别特定的模式。在该训练中,他将尝试从50个单词的词汇集中说出孤立的单词。在另一个训练课程中,他试图用这些词产生完整的句子,其中包括基本动词和代词(如 "am "和 "I"),以及具体的有用名词(如 "眼镜 "和 "电脑")和命令(如 "yes "和 "no")。

该系统对50个单词的大脑模式进行解码

这种训练有助于创建一个语言模型,当该男子想说特定的词时,即使他实际上无法说出这些词,也能做出反应。研究人员对该模型进行了微调,以预测他正在思考的50个单词中的哪一个,整合了一个类似于预测性智能手机键盘的英语语言模式概率系统。研究人员报告说,在最后的试验中,该系统的解码速度中位数为每分钟15.2个单词,算上错误,或每分钟12.5个单词,只有正确解码的单词。

张实验室在2019年和2020年发表了早期的Project Steno研究,表明电极阵列和预测模型可以创建相对快速和复杂的思维打字系统。以前的许多打字方案涉及用大脑植入物在屏幕上的键盘上用精神推动光标,尽管其他一些研究人员已经尝试了可视化手写等方法。该实验室的早期研究涉及对正常说话的人的大脑活动进行解码,而这篇最新的论文表明,即使受试者不(也不能)大声说话,它也能发挥作用。

image.png

The Facebook Reality Labs 的耳机,在研究中没有使用。

在一份新闻稿中,加州大学旧金山分校神经外科主任Eddie Chang说,下一步是改进该系统,并与更多人进行测试。"在硬件方面,我们需要建立具有更高的数据分辨率的系统,以记录更多来自大脑的信息,而且更快。在算法方面,我们需要有能够将这些来自大脑的非常复杂的信号翻译成口语的系统,不是文字,而是实际上是口头的、可听的口语。"张说,一个主要的优先事项是大大扩展词汇量。

Facebook将专注于腕部安装的EMG带

今天的研究对于那些没有得到键盘和其他现有界面服务的人来说是有价值的,因为即使是有限的词汇量也能帮助他们更容易地进行交流。但它远远没有达到Facebook在2017年设定的雄心勃勃的目标:一个非侵入性BCI系统,可以让人们每分钟输入100个单词,与他们在传统键盘上所能达到的最高速度相当。加州大学旧金山分校的最新研究涉及植入式技术,并没有接近达到这个数字--甚至没有达到大多数人在手机键盘上所能达到的速度。这预示着一项技术的商业前景不容乐观,比如Facebook现实实验室(该公司的虚拟和增强现实硬件部门)以原型形式发布的外部头带,可以通过光学方式测量脑氧水平。

此后,Facebook在2019年收购了肌电图(EMG)腕带公司CTRL-Lab,为AR和VR提供了另一种控制选择

"我们仍处于释放基于手腕的肌电图(EMG)潜力的早期阶段,但我们相信它将成为AR眼镜的核心输入,应用我们在BCI方面学到的东西将帮助我们更快地达到目标,”Facebook现实实验室研究主管Sean Keller说,"Facebook不会完全放弃头戴式大脑接口系统,但它正计划将软件开源,并与外部研究人员分享硬件原型,同时逐步停止自己的研究。"

原文链接:www.theverge.com/2021/7/14/2…