AI越进化越跟人类大脑像！Meta找到了机器的“前额叶皮层”引热议

说出来你可能不信，有一只AI刚刚被证明，处理语音的方式跟大脑谜之相似。

科学家们在AI身上直接定位出了“视觉皮层”。

这项来自META AI等机构的研究一经PO出，立马在社交媒体上炸开了锅。一大波神经科学家和AI研究者前往围观。

LECUN称赞这是“出色的工作”：自监督TRANSFORMER分层活动与人类听觉皮层活动之间，确实密切相关。

不过，研究也引发了一些学者的好奇。

我们发表在NEURIPS的一篇论文中，也尝试过将FMRI数据和模型联系起来，但当时并不觉得这俩有啥关系。

所以，这到底是一项怎样的研究，它又是如何得出“这只AI干起活来像大脑”的结论的？

简单来说，在这项研究中，研究人员聚焦语音处理问题，将自监督模型WAV2VEC 2.0同412名志愿者的大脑活动进行了比较。

这412名志愿者中，有351人说英语，28人说法语，33人说中文。研究人员给他们听了大约1个小时的有声书，并在此过程中用FMRI对他们的大脑活动进行了记录。

模型这边，研究人员则用超过600小时的无标签语音来训练WAV2VEC 2.0。

对应志愿者的母语，模型也分为英语、法语、中文三款，另外还有一款是用非语音声学场景数据集训练的。

而后这些模型也听了听志愿者同款有声书。研究人员从中提取出了模型的激活。

其中，X为模型激活，Y为人类大脑活动，W为标准编码模型。

从结果来看，自监督学习确实让WAV2VEC 2.0产生了类似大脑的语音表征。

从上图中可以看到，在初级和次级听觉皮层，AI明显预测到了几乎所有皮层区域的大脑活动。

研究人员还进一步发现了AI的“听觉皮层”、“前额叶皮层”到底长在哪一层。

图中显示，听觉皮层与TRANSFORMER的第一层（蓝色）最吻合，而前额叶皮层则与TRANSFORMER的最深一层（红色）最吻合。

此外，研究人员量化分析了人类感知母语和非母语音素的能力差异，并与WAV2VEC 2.0模型进行对比。

他们发现，AI也像人类一样，对“母语”有更强的辨别能力，比如，法语模型就比英语模型更容易感知来自法语的刺激。

上述结果证明了，600小时的自监督学习，就足以让WAV2VEC 2.0学习到语言的特定表征――这与婴儿在学说话的过程中接触到的“数据量”相当。

要知道，之前DEEPSPEECH2论文认为，至少需要10000小时的语音数据（还得是标记的那种），才能构建一套不错的语音转文字（STT）系统。

对于这项研究，有学者认为，它确实做出了一些新突破。

例如，来自谷歌大脑的JESSE ENGEL称，这项研究将可视化滤波器提升到了一个新的层次。

现在，不仅能看到它们在“像素空间”里长啥样，连它们在“类脑空间”中的模样也能模拟出来了：

又例如，前MILA和谷歌研究员JOSEPH VIVIANO认为，这个研究还证明了FMRI中的静息态（RESTING-STATE）成像数据是有意义的。

但在一片讨论中，也出现了一些质疑的声音。

例如，神经科学博士PATRICK MINEAULT除了指出自己做过相似研究但没得出结论外，也给出了自己的一些质疑。

他认为，这篇研究并没有真正证明它测量的是“语音处理”的过程。

相比于人说话的速度，FMRI测量信号的速度其实非常慢，因此贸然得出“WAV2VEC 2.0学习到了大脑的行为”的结论是不科学的。

当然，PATRICK MINEAULT表示自己并非否认研究的观点，他自己也是“作者的粉丝之一”，但这项研究应该给出一些更有说服力的数据。

此外也有网友认为，WAV2VEC和人类大脑的输入也不尽相同，一个是经过处理后的波形，但另一个则是原始波形。

模拟人类水平的智能，确实还有很长的路要走。但至少现在来看，我们或许走在了一条正确的道路上。