人工智能越进化，它就越像人脑！Meta发现了机器的“前额皮质”，让AI学者和神经科学家震惊不已。说出来你可能不相信，但人工智能刚刚被证明能够以类似于大脑之谜的方式处理语音。它们甚至可以在结构上相互对应——科学家已经直接定位了人工智能中的“视觉皮层”。MetaAI等机构的这项研究一经发表，立即在社交媒体上引爆。一大波神经科学家和人工智能研究人员前去围观。LeCun称赞这是“出色的工作”：自我监督的Transformer分层活动与人类听觉皮层活动之间确实存在密切的相关性。有网友趁机调侃：对不起Marcus，AGI真的快来了。不过，这项研究也引起了一些学者的好奇。例如，PatrickMineault博士麦吉尔大学神经科学博士提出了问题：在NeurIPS上发表的一篇论文中，我们也试图将fMRI数据和模型联系起来，但当时我们认为这两者没有任何关系。那么，这是什么样的研究，又是如何得出这个人工智能像大脑一样工作的结论的呢？AI学会像人脑一样工作简而言之，在这项研究中，研究人员专注于语音处理问题，将自我监督模型Wav2Vec2.0与412名志愿者的大脑活动进行比较。412名志愿者中，351人说英语，28人说法语，33人说中文。研究人员听了大约一个小时的有声读物，并在此过程中用fMRI记录了他们的大脑活动。在模型方面，研究人员使用了600多个小时的未标记语音来训练Wav2Vec2.0。对应志愿者的母语，模型也分为英文、法文、中文三种。另一个模型使用非语音声学场景数据集进行训练。然后，这些模特也听了志愿者的同一本有声读物。由此，研究人员提取了模型的激活。相关性的评估标准遵循以下公式：其中X是模型激活，Y是人脑活动，W是标准编码模型。从结果来看，自监督学习确实能让Wav2Vec2.0产生类脑语音表征。从上图可以看出，在初级和次级听觉皮层中，AI清楚地预测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人工智能的“听觉皮层”和“前额叶皮层”生长在哪一层。该图显示听觉皮层与Transformer的第一层（蓝色）最佳对齐，而前额叶皮层与Transformer的最深层（红色）最佳对齐。此外，研究人员还定量分析了人类感知原生音素和非原生音素的能力差异，并将其与Wav2Vec2.0模型进行了比较。他们发现，人工智能和人类一样，对“母语”的歧视能力更强。例如，法国模特比英国模特更容易感知来自法语的刺激。上述结果证明，600小时的自监督学习足以让Wav2Vec2.0学习特定语言的表征——相当于婴儿在学习说话过程中接触到的“数据量”。要知道，之前的DeepSpeech2论文认为，至少需要10,000小时的语音数据（必须标记）才能构建良好的语音转文本（STT）系统。再次引发了神经科学界和AI界的讨论。对于这项研究，有学者认为确实取得了一些新的突破。例如，来自GoogleBrain的JesseEngel表示，这项研究将可视化过滤器提升到了一个新的水平。现在，你不仅可以看到它们在“像素空间”中的样子，还可以模拟它们在“类脑空间”中的样子：再举个例子，前MILA和谷歌研究员JosephViviano认为，这项研究也证明fMRI中的静息态成像数据很有意义。但在讨论中，也有一些质疑的声音。例如，PatrickMineault博士在神经科学领域，他不仅指出自己做过类似研究但未能得出结论，还提出了一些质疑。他争辩说这项研究并没有真正证明它测量的是“语音处理”。与人类说话的速度相比，fMRI测量信号的速度其实很慢，因此妄下“Wav2vec2.0学习了大脑的行为”的结论是不科学的。当然，PatrickMineault表示他并不否认研究的观点，他本人也是“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。另外，有网友认为Wav2vec的输入和人脑的输入不一样，一个是处理后的波形，一个是原始波形。对此，作者之一、MetaAI研究员Jean-RémiKing总结道，要模拟人类水平的智能，确实还有很长的路要走。但至少就目前而言，我们可能走在正确的道路上。你认为呢？论文地址：https://arxiv.org/abs/2206.01685
