结合声音合成与人工智能技术，美国一个科研团队开发出一种新系统，可解读人类倾听他人说话时产生的脑电波，并将其转化为声音。这一进展为失去说话能力的人将来重获交流能力带来可能。

　　当人们听别人说话甚至想象听别人说话时，脑电波会呈现出特定模式。多年来，科学家一直在尝试解读这类脑电波，并努力将其转化为声音语言。

　　美国哥伦比亚大学研究人员在新一期英国《科学报告》杂志上发表论文说，他们利用语音合成技术与神经网络算法新开发出一种“声码器”，可将受试者倾听数字时产生的脑电波还原为他们听到的声音。测试显示，约75%的情况下，“声码器”能将人脑电波还原为可被人类理解的一串数字。

　　在研究中，科研团队首先让接受过脑部手术的癫痫患者听不同人说话，同时监测他们倾听时产生的脑电波，以此训练“声码器”，然后让这些癫痫患者听别人念0至9之间的数字，并记录他们产生的脑电波，基于神经网络算法的“声码器”可对这些信号加以“理解”，并转化为机器声音复述的一串数字。

　　“我们（测试）发现，大约75%的情况下，人们能够理解和复述这些（机器）声音，这远高于此前的（类似脑信号解读）尝试，”论文作者之一、哥伦比亚大学副教授尼马·麦斯加拉尼在一份声明中说。

　　研究人员说，这是开发脑机接口技术的一项关键性进展。麦斯加拉尼团队未来计划利用更加复杂的词汇进行测试，最终目标是开发一款可植入设备，可将中风等说话能力受损的患者的想法转化为语言，让他们重获交流能力。

哥伦比亚大学开发出有自我意识萌芽的智能机械臂

      美国科研团队利用人工智能算法训练出一款可以自主认识自己身体的智能机械臂，向具有自我意识的机器人推进一步。

　　发表在新一期《科学·机器人学》杂志上的研究显示，这个与人的手臂大小相当的机械臂在没有物理学、几何学和运动动力学知识输入的情况下，可以短时间内认知自己的形状，并作出较高水平的运动决策。

　　研究人员说，自我想象是一种高级认知能力，目前机器人只能通过人类输入的模型或费时费力的试错来“理解”自身，而自我想象是实现通用人工智能的重要障碍。

　　在新研究中，美国哥伦比亚大学团队先让一只机械臂随意运动并收集了大约1000个运动轨迹，每个轨迹包含100个运动节点，然后利用深度学习技术让机械臂构建自我模型。机械臂一开始不知道自己的形状如何、关节如何连接，但不到35个小时的训练后，它所构建的自我模型与实际物理形状之间误差已经很小，有助于更精准地完成任务。

　　实验显示，在允许机械臂根据运动轨迹自我调整的“可校准”模式下，它能以100%的成功率将多个小球夹起放入杯中。

　　研究人员还为机械臂换上3D打印的残缺零件，以模拟其身体损伤。结果显示，智能机械臂的自我模型可以发现“身体”的变化，经过重新训练后，能以与此前相当的水平完成实验任务。

　　论文作者之一、哥伦比亚大学机械工程学教授霍德·利普森说，这可能类似于婴儿的自我学习过程，因此这一研究还有助于理解人类的自我意识是如何产生的，尽管这个智能机械臂的自我意识目前还很粗浅。