AI越进化越跟人类大脑像！Meta找到了机器的前额叶皮层

　　鱼羊 萧箫 发自 凹非寺
　　量子位 | 公众号 QbitAI
　　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。
　　甚至在结构 上都能相互对应——
　　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。
　　还有网友趁机调侃：Sorry马库斯，但AGI真的快要来了。
　　不过，研究也引发了一些学者的好奇。
　　例如麦吉尔大学神经科学博士Patrick Mineault提出疑问：
　　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？AI学会像人脑一样工作
　　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。
　　相关性的评价标准，遵照这个公式：
　　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。
　　再次引发神经科学和AI界讨论
　　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。
　　对此，作者之一、Meta AI研究员Jean-Rémi King总结：
　　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。
　　你认为呢？
　　论文地址：
　　https://arxiv.org/abs/2206.01685
　　参考链接：
　　[1]https://twitter.com/patrickmineault/status/1533888345683767297
　　[2]https://twitter.com/JeanRemiKing/status/1533720262344073218
　　[3]https://www.reddit.com/r/singularity/comments/v6bqx8/toward_a_realistic_model_of_speech_processing_in/
　　[4]https://twitter.com/ylecun/status/1533792866232934400
　　— 完 —
　　量子位 QbitAI · 头条号签约
　　关注我们，第一时间获知前沿科技动态