【新智元导读】Facebook“脑波打字”项目的主管Mark Chevillet在约翰霍普金斯大学应用物理实验室的一次演讲中详解了这个项目，研究人员已经同时在非侵入技术和脑科学研究两条路径探索，它正试图开发的东西被认为是“绝对全新的东西”。

Facebook 的 Mark Chevillet 描述了该公司的“意念打字”项目，他有办法让这听起来不是天方夜谭。

Chevillet 是一名神经科学博士，他对当前的脑科学现状有很好的了解。因此，当他在约翰霍普金斯大学应用物理实验室最近的一次会议上演讲时，听众频频点头。他描述了一个可以从用户大脑皮层的语言中枢每分钟读取100个词的脑机接口，而且能利用非侵入性技术将其置于用户头上。

然后他停顿了一下，回到了事实：今天还没有这样的技术。目前能实现的“意念打字”记录是每分钟8个词，并且需要使用植入电极。目前的研究还没能真正了解大脑中负责讲话的是哪个地方。

Chevillet 承认这些事实的存在，也承认 Facebook 的目标是野心勃勃的。“这里面有许多技术和研究上的风险，”他说：“但我们寻求的不是渐进式的进步，我们正在寻找变革性的东西。”

Chevillet 是这个项目的负责人，这是 Facebook 的神秘硬件实验室 Building 8 内部的一个项目。Chevillet 向观众介绍了他的团队如何应对这些挑战的一些方法。但他对技术的描述相当模糊，不足以说服后文采访的一些专家。

Facebook 执行官 Regina Dugan 4月在F8开发者大会上公开了这个“用意念打字”（typing-by-brain）项目。

距离 Facebook 执行官 Regina Dugan 在公司的年度开发者大会上宣布这个项目已经过去6周，许多神经科学家都对此项目的 timeline 表示怀疑：Dugan说，团队将在未来两年里开展这项技术。

Chevillet 澄清说 Facebook 不会在两年内做出商业化的产品——而是高管们希望到那时相关技术的研究能证明做出一个产品的可行性。

为了实现这个目标，Chevillet 说，他的团队正从两个平行的轨道进行研究。一个是专注开发一种能够读取高质量的神经数据的非侵入性技术。另一个的重点是脑科学，特别有关更好地理解语言和讲话的机制的研究。Chevillet 说，他们提出了这样一个问题：“假设在技术上能够获取高质量的神经活动数据，那么，要怎么实现每分钟解码100个词？”

对每分钟解码100个词这个目标，直播，Chevillet 说他们是根据人的自然语速选择的。某种能够与自然语速保持一致的技术将允许用户对他们目前所使用的 iPhone Siri 或 Amazon 的 Alexa 发出语音指令时，不必发出声音。Chevillet 说：“我们对这样一种沉默的语音界面感兴趣，这也能为语音识别带来同样的益处。”

Chevillet 没有针对他的团队正在开发的脑扫描技术提供更多细节信息，而 Facebook 也只说有涉及光学成像技术。哥伦比亚大学生物医学工程教授，脑研究先进技术的专家 Paul Sajda 说，Facebook 正试图开发的东西是“绝对全新的东西”。

为了实现非侵入式地读取大脑的信号，神经科学家和医生通常依靠的技术是 EEG，即使用头皮电极记录下来自数百万个神经元的集合信号。但是，Sajda 解释说，EEG 技术无法从小脑区域得到准确的数据。他说：“现在大家都认为，EEG无法得到足够好的信号，我们不会使用EEG的。”

瑞士日内瓦的威斯（Wyss）生物和神经工程中心主任 John Donoghue 也对无创脑扫描技术持怀疑态度。他在使用植入电极的“BrainGate”系统工作了几十年。“BrainGate”是一种实验性质的技术，让瘫痪的人能够控制机械臂和计算机光标。Donoghue 说：“如果存在不需植入电极就能帮助瘫痪者的技术，我会是第一个这样做的人。”但他不认为EEG能有很大的提升，他也不认为存在一种能够非侵入性地从脑中获取更好的数据的方法。“我认为我们在这类技术上已经接近极限了，”他说，“但假如我是错的，这将带来一场巨大的革命。”

斯坦福大学研究出利用意念每分钟打出8个词的设备

BrainGate 系统实现了目前每分钟8个单词的“脑波打字”记录。这项研究中，完全瘫痪的受试者的大脑运动皮层中被植入电极，她能够用“意念”将计算机光标引向屏幕中特定的位置，并选择字母进行输入，由此实现“打字”。植入的电极收集的是有关运动命令的数据，直播，而不是实际的字母或单词。

显然，Facebook 正在计划的似乎是一些完全不同的事情：Chevillet 说，这项技术是直接从大脑读取“打算讲的话语”。他说：“没有哪种方法能够检测和解码抽象形式的思维本身。”因此，研究人员必须先确定“人在想象说话时”所涉及的脑区，然后建立起一个将大脑活动的模式与语言词汇对应起来的模型。