據英國《自然·神經科學》雜志30日發表的一項腦機接口最新研究，美國科學家報告了一種能夠以較高準確率解碼神經活動，并將其翻譯為句子的機器翻譯算法。通過該算法，可。

　　當人類思考時，大腦皮層中的神經元會產生微小的電流，不同的思考活動，激活的神經元也不同——這就是腦機接口技術所依靠的原理。但一直以來，腦機接口在解碼神經活動方面只取得了有限的成功，其準確率依然遠遠低于解碼自然言語——過去的腦機接口只能解碼口頭詞語的片段或口頭詞組中不到40%的詞語。

　　此次，美國加州大學舊金山分校科學家約瑟芬·馬金及其同事，盤點了機器翻譯領域的最新進展，并利用這些方法訓練循環神經網絡，將神經信號直接映射為句子。

　　研究中，4名受試者此前顱內均被植入了用以監測癲癇的電極，電極會將他們大聲讀出句子時的神經活動記錄下來。之后，這些記錄被添加到一個循環神經網絡中，從而將規律性出現的神經特征表示出來，這些神經特征可能與言語的重復性特征（比如元音、輔音或發音器官接收的指令）相關。接著，另一個循環神經網絡逐字解碼這種算法，形成句子。作者還發現，明顯參與言語解碼的腦區同樣參與言語生成和言語感知。

　　這種機器翻譯方法將一名受試者的神經活動解碼為口頭句子的錯誤率，已經和專業級言語轉錄相當。此外，如果利用某人的神經活動和言語對循環網絡進行預訓練后再在另一名受試者身上進行訓練，最終的解碼結果有所改善，這意味著這種方法在不同人員之間或許是可轉移的。

　　研究人員表示，目前還需要開展進一步的研究來更加完整地改善這個系統的功能，將解碼范圍擴展到研究所限語言之外。