Meta“AI读心术”准确率可达80% 到底是不是真的？

早在 2017 年，Meta(当时名字还是 Facebook)就宣布了一项能够通过意念发送信息的“Brain-reading Hat”计划。公司首席执行官扎克伯格当年在一篇帖子中声称“我们正在开发一个新系统，可以让你直接用意念打字。”

如今，Meta 实际上已经开发出来了，只不过，这个设备重达半吨有余，造价超过 200 万美元，很难进入寻常百姓家。

借助这个设备，Meta 的神经科学和人工智能研究人员成功地在人们打字时分析他们的大脑活动，仅凭思维就能判断出他们按下了哪些键。时至今日，这听起来仍然非常科幻。

这项研究成果分别发表在两篇论文和一篇博客文章中。研究过程简单来讲，其实就是首先使用磁共振扫描仪从外部测量受试者的大脑活动，然后通过深度神经网络进行处理。

Forest Neurotech 的创始人 Sumner Norman 虽然没有参与这项研究，但他认为，“正如我们一次又一次看到的那样，当与高质量数据结合时，深度神经网络能够揭示出惊人的见解。”他称赞 Meta 为获取高质量数据“付出了巨大努力”。

Meta 的“Brain & AI”研究团队负责人 Jean-Rémi King 表示，该系统能够识别打字员所按键位的准确率高达 80%，这一精度足以从大脑信号中重构完整的句子。

然而，Meta 最初设想的这种消费级“脑电帽”遇到了技术难题，最终公司放弃了这一想法。

但 Meta 从未停止对神经科学基础研究的支持，并视其为通往更强大人工智能的重要途径，这种人工智能可以像人类一样学习和推理。在 Jean-Rémi King 看来，他们的任务是探索“智能的基本原理”，从人类大脑中汲取灵感。

“理解人脑的精确结构或工作原理可能是为机器智能的发展提供信息的一种方式，而这也正是我们开展研究的出发点。”Jean-Rémi King 说道。

这种“意念打字”系统绝对不是一款商业产品，似乎也很难成为商业产品，它使用脑磁图扫描仪收集大脑皮层神经元活动产生的磁场信号，设备庞大且昂贵，必须在屏蔽室内操作，因为地球的磁场都比脑内的磁场强一万亿倍。

Sumner Norman 将该装置比喻成一台“侧放并悬挂在用户头顶的磁共振扫描仪”。

除此之外，一旦受试者的头部稍微移动信号就会丢失。“我们的努力其实并不是针对产品开发。实际上，我一直强调这没有可行的产业化路径，因为它太难实现了。”Jean-Rémi King 表示。

这项“意念打字”研究在西班牙巴斯克认知、大脑与语言中心开展，共有 35 名志愿者参与。每位参与者大约花费 20 小时在扫描仪内输入短语，比如“el procesador ejecuta la instrucción”(处理器执行指令)，同时他们的大脑信号被输入到一个深度学习系统中，Meta 将其称为“Brain2Qwerty”(名称参考了键盘上的字母布局)。

深度学习系统的任务是，识别哪些大脑信号代表按下了 a 键，哪些代表按下 z 键等等，以此类推。最终，模型在学习了志愿者输入了数千个字符后，就可以预测出他按下的键是什么。

在一篇论文中，Meta 研究人员报告称平均错误率约为 32%，即预测的每三个字母中有一个是错的。尽管如此，Meta 声称这是迄今为止使用全字母键盘和颅外信号进行“意念打字”最准确的结果。

虽然脑信号读取技术发展迅速，但最有效的方法还是通过植入大脑内部或表面的电极实现的，这些被称为“侵入式”脑机接口技术。然而，这项技术需要进行开颅手术植入电极，进而从少量神经元中非常精准地捕获脑电信号。

例如，在 2023 年，一位因肌萎缩侧索硬化症而丧失语言能力的患者借助脑机接口，通过脑电波读取软件连接到语音合成器，重新获得了语言能力。由马斯克创立的 Neuralink 公司正在开展大脑植入装置试验，可使瘫痪患者控制鼠标光标。

Meta 表示，他们继续专注于对“智能本质”的基础研究。

在这里，大型磁共振扫描仪发挥了关键作用。虽然这种设备不适合日常使用，也无法单独监测每个神经元的活动，但它可以一次性全面观测整个大脑的活动。

在另一项研究中，Meta 的科学家们使用同样的意念打字数据从整体角度分析发现，大脑是以一种自上而下的方式生成语言信息的，首先产生一个句子的整体信号，接着分解为单词、音节，最后才是具体的字母输入。

“我们的核心发现是，大脑在生成语言时是具有层级结构的。”Sumner Norman 解释道。其实，这并不是一个全新的概念，但 Meta 的研究更多的是揭示了“这些不同层级是如何作为一个系统协同工作的”。

这些研究成果可能会对未来的人工智能开发设计产生重要影响。例如，像聊天机器人这样的人工智能系统已经在很大程度上依赖语言进行信息处理和逻辑推理，类似于人类的认知过程。

“语言已成为现代人工智能的基础。”Jean-Rémi King 指出，“因此，理解大脑或任何系统如何获取这种语言处理能力是我们开展这项研究的主要原因。”