据报道，近日美国加州大学旧金山分校的Joseph Makin及同事在《自然-神经科学》上发表的一篇论文报告了一种能够以较高的准确率，解码神经活动并将其翻译为句子的机器翻译算法。

在人类大脑信号首次解码出语音十年后，其准确率和速度仍远远低于自然语言。

研究人员盘点了机器翻译领域的最新进展，并利用这些方法训练循环神经网络，将神经信号直接映射为句子。

据了解，四名受试者此前颅内均被植入了用以监测癫痫的电极，电极会将他们大声读出句子时的神经活动记录下来。

之后，这些记录被添加到一个循环神经网络中，从而将规律性出现的神经特征表示出来，这些神经特征可能与言语的中的元音、辅音或发音器官接收的指令相关。

接着，另一个循环神经网络逐字解码这种算法表示，形成句子。

作者还发现，明显参与言语解码的脑区同样参与言语生成和言语感知。

这种机器翻译方法将每名受试者的神经活动解码为口头句子的平均错误率竟低至3%。

最后，研究人员还展示了如何通过多个参与者数据来训练网络的某些层，利用传输学习来改进对有限数据的解码。