机器学习专家将竞争解码大脑语音

在接下来的五个月中机器学习大师可以尝试最好地预测大脑计算机界面（（BCI）用户谁失去了由于神经退行性疾病而发言的能力。竞争对手将设计算法从患者的大脑数据中预测单词。算法在预测句子和实际未遂句子之间犯错误的个人或团队将获得5,000美元的奖金。

竞争，叫大脑到文本25，是由研究实验室主办的第二届公众开放源，脑及文本竞赛紫色自2000年代初以来，该财团一直在开创BCI临床试验。 今年，比赛是由加利福尼亚大学戴维斯大学神经假心理实验室。（来自斯坦福大学大学使用来自不同BCI用户的大脑数据主持了第一次竞争。）

两年来，加州大学戴维斯分校研究小组从一个46岁的男子凯西·哈雷尔（Casey Harrell），他的演讲是难以理解的，除了他的普通照顾者。一旦演讲BCI接受了Harrell的培训大脑数据，它可以解码他想说的话超过97％时间，可以立即合成他自己的声音，如前报告经过IEEE光谱。

大脑数据的解码语音

大脑数据中解析单词是一个两步的过程：该算法必须首先预测来自神经数据的语音（称为音素）。然后，它必须预测音素的单词。竞争对手将在与大脑数据相对应的大脑数据上训练其算法10,948句，随附的成绩单哈雷尔试图说的话。

然后是真正的测试：算法必须预测1,450个句子从培训数据中扣留的大脑数据。最终的预测单词和哈雷尔试图说的单词之间的区别称为单词错误率–错误率越低，总体而言，BCI的语音效果越好。

研究人员报告说，单词错误率为6.70％，他们希望公众能够击败。竞争的目的是吸引可能没有意识到自己技能有多么有价值的机器学习专家BCIS说昵称加州大学戴维斯分校的博士后研究员领导临床试验和竞争。

卡说，我们可以坐在这些数据上并内部隐藏它，并随着时间的流逝而对其进行更多发现。”但是，如果目标是帮助使这项技术更加成熟，以帮助现在需要从这项技术中受益的人们，那么我们希望分享它，我们希望人们帮助我们解决这个问题。

公众邀请进入研究界是“在BCI领域长期逾期的发展”。Konrad Kording，宾夕法尼亚大学的教授，他使用机器学习研究大脑，并且不参与研究或竞争。

今年，Card和他的研究人员通过使用自己的高性能算法降低单词错误率来提高了标准。第一个2024年的大脑到文本竞赛从斯坦福大学小组发布的错误率为11.06％，并以竞赛冠军达到5.77％结束。同样，今年的新奖金是最低错误率和最具创新性的现金奖品，由BCI Company BlackRock提供神经技术，其电极和录制硬件已被使用紫色自2006年以来进行临床试验。

BCI的道德问题数据共享

BCI长期以来一直是神经科学，医学和机器学习。尽管机器学习具有开源研究的传统，但医学研究受患者机密性的约束。

生物伦理学家说，公共脑数据的主要问题是将确定患者。VeljkoDubljeviä，北卡罗来纳州立大学哲学与科学，技术和社会的教授。

在这种情况下，这种担忧是有争议的，因为哈雷尔在2024年8月上公开，大约在他开始失去肌肉的五年后肌萎缩性侧硬化症（也称为Lou Gehrig的疾病）。在2023年，加州大学戴维斯分校的神经外科医生植入了四个电极阵列他的大脑顶层总共有256个电极。哈雷尔在一次采访中使用他的演讲BCI与新英格兰医学杂志去年解释了这种疾病感觉就像在慢速车祸中。

Harrell进行了实验实验，并随便与家人和朋友交谈时，对BCI的演讲进行了培训。卡卡说，但是大脑到文本的竞争对手25不会看到记录的任何个人用途，而哈雷尔则随便又一世地讲话。

杜布尔杰维耶说，虽然这是一个很好的预防措施，但他想知道哈雷尔是否意识到让某人敏感的含义医疗数据在公共领域多年。例如，今天的BCIS的噪音可以在50年内被解码为有意义的个人信息，例如，类似于1955年在1955年捐赠的血液现在也可以揭示有关一个人DNA的细节。（DNA分析未建立直到1980年代。）dubljeviä建议限制数据存储到五年。

语音BCI解码了一个人的下巴和嘴巴的预期运动，就像手臂或手相同的方式假体解码打算动作。但是语音BCI比控制手的BCI更具个性假体，都柏耶维耶说。他说，讲话更接近一个人的最内向的圣所。•对阅读的心理恐惧，对吗？

Dubljeviä说，作为一名希望看到为公共利益而部署的科学技术的研究人员，我希望不被炒作以避免强烈反对。

创新BCI解决方案的现金奖品

两个最低的单词错误率分别为5,000美元和3,000美元的现金奖品，最具创新性的方法将赢得1,000美元。

最后类别的目的是鼓励具有巨大潜力的开箱即用的想法，如果给出了更多的数据或更多时间。堆叠同一算法的10个倍数是迫使总体性能更准确的一种常见方法，但是它的计算能力的成本是10倍，而且坦率地说，这不是一个非常有创造力的解决方案，对吗？

科尔丁说，创新类别可能会吸引通常的学术和行业BCI科学家的人群，他们喜欢寻找创造性的解决方案。

但是，在BCIS没有背景的编码人员中，最高的老虎机会像Kording所说的那样进行机器学习风格。这些街头战斗机专注于速度而不是独创性。实际上，Kording说，最好的BCI算法通常不是从对大脑如何工作的深刻了解中真正开动。他们从对机器学习方式的深入了解中回来。

也就是说，传统的BCI和新进入者都是科学工程生态系统的重要部分。随着角落的满足，比赛将是一场激动人心的战斗。