NeurIPS收錄的一項新研究，讓大模型也學(xué)會“讀心術(shù)”了！

通過學(xué)習(xí)腦電波數(shù)據(jù)，模型成功地把受試者的腦電圖信號翻譯成了文本。

而且整個過程不需要大型設(shè)備，只要一塊特制的“頭巾”就能實現(xiàn)。

這項成果名為DeWave，能在不通過侵入式設(shè)備和MRI的情況下解讀腦電波并翻譯成文本。

由于用了大模型來讀腦，因此報道DeWave的iFLScience也管它叫BrainGPT。

DeWave雖然不是最早實現(xiàn)腦電波解碼的技術(shù)，但是它第一個做到了非侵入且無需MRI的腦電波-文本轉(zhuǎn)換。

如果能夠規(guī)模化運(yùn)用，DeWave將為腦部癱瘓的人群提供交流上的幫助。

那么，DeWave的表現(xiàn)到底怎么樣呢？

測評成績超SOTA

由于DeWave采用非侵入式方法，信號中的噪聲更強(qiáng)，解析難度更高，但相比于此前的SOTA方法，DeWave的測試成績還是有所提高。

研究團(tuán)隊采用了公開的ZuCo數(shù)據(jù)集，其中包含了一萬多個不重復(fù)的句子；受試者進(jìn)行自然閱讀的同時，研究團(tuán)隊對他們的腦信號和正在閱讀的文本進(jìn)行記錄。腦電波信號采樣頻率為500Hz，包含128個信道。

如果輸入的EEG信息已經(jīng)按照眼動追蹤方式的特征切分好，那么DeWave大概可以準(zhǔn)確解讀出句子的三分之一；即使不切分也能夠成功捕捉一部分的關(guān)鍵詞。

研究結(jié)果還顯示，DeWave對單詞的解析準(zhǔn)確率高于整句，對動詞的準(zhǔn)確率高于名詞。

數(shù)據(jù)方面，研究團(tuán)隊一共讓DeWave對29名受試者的腦電圖進(jìn)行了采集和解析。

結(jié)果顯示，有切分時，DeWave在BLUE-N數(shù)據(jù)集上成績比傳統(tǒng)方法高出了3-18%，在ROUGE-1數(shù)據(jù)集上也有最高6.35%的提升。

如果不做切分，DeWave與相同條件的傳統(tǒng)方法相比，表現(xiàn)最多提升了120%。

為了評估DeWave的魯棒性，團(tuán)隊對其進(jìn)行了跨受試者（Cross-subject）測試。

這輪測試一共有18名受試者，其中一人的腦電波相信被用于訓(xùn)練。

然后，研究團(tuán)隊觀察了模型在其他17人上進(jìn)行測試時的表現(xiàn)，與被用于訓(xùn)練的人差距越小，說明模型的魯棒性越強(qiáng)。

結(jié)果顯示，DeWave的分?jǐn)?shù)下降值低于傳統(tǒng)模型，顯示出了更強(qiáng)的魯棒性和泛化能力。

那么，DeWave是如何實現(xiàn)腦電波解碼的呢？

用大模型解讀腦電波

DeWave的核心是引入了名為“離散碼本”的概念。

通過向量化編碼器，連續(xù)的腦電圖信號被拆分為離散形式，分別與詞匯進(jìn)行對齊。

之后，研究團(tuán)隊將離散化的數(shù)據(jù)送入Transformer編碼器，得到上下文語義融合的向量表示。

將向量化的文本信息作為監(jiān)督數(shù)據(jù)，用得到的向量化信號對BART大模型進(jìn)行訓(xùn)練，就得到了DeWave。

新的信號解析過程也與之相似——先進(jìn)行離散化和向量化編碼，然后用BART對其進(jìn)行解讀，就得到了文本信息。

同時，為了增強(qiáng)可解碼性研究團(tuán)隊還通過正負(fù)樣本對編碼進(jìn)行調(diào)節(jié)，使DeWave解析出的語義更接近目標(biāo)文本詞向量。

作者簡介

DeWave團(tuán)隊一共有五名成員，全都是華人。

第一作者是悉尼科技大學(xué)的Yiqun Duan，來自H(Human-centric)AI研究中心，研究方向是機(jī)器智能和腦機(jī)接口。

除了DeWave，Duan此前還有一項基于擴(kuò)散模型的“反向成果”——把文字轉(zhuǎn)換成腦電波的工具BrainDiffusion。

該研究中心主任Chin-Teng Lin教授是本文的通訊作者。

同實驗室的Jinzhao Zhou和Yu-Kai Wang，以及悉尼大學(xué)的Zhen Wang也參與了此項目。

論文地址：https://arxiv.org/abs/2309.14030v2