你可能不相信，一个AI刚刚被证明，它处理语音的方式类似于大脑拼图。
甚至在结构上也可以相互对应——
科学家们已经直接定位了人工智能中的“视觉皮层”。
这项来自Meta AI等机构的研究一发表就在社交媒体上炸开了锅。一大波神经科学家和AI研究人员前去观看。
LeCun称赞这是“出色的工作”:自我监督的变形金刚的分层活动和人类听觉皮层的活动之间确实存在密切的相关性。
有网友趁机调侃:对不起马库斯，但AGI真的快到了。
然而，这项研究也引起了一些学者的好奇。
例如，麦吉尔大学的神经科学博士Patrick Mineault问道:
那么，这是一个什么样的研究，又是如何得出“这个AI像大脑一样工作”的结论的呢？
人工智能学会像人脑一样工作
简单来说，在这项研究中，研究人员专注于语音处理，将自我监测模型Wav2Vec 2.0与412名志愿者的大脑活动进行了比较。
在412名志愿者中，351人说英语，28人说法语，33人说汉语。研究人员听了大约1个小时的有声书籍，并在此过程中用功能磁共振成像记录了他们的大脑活动。
在模型方面，研究人员使用了超过600小时的未标记语音来训练Wav2Vec 2.0。
对应志愿者的母语，模型也分为英语、法语、汉语三种，另一种用非语音声学场景数据集训练。
然后这些模特还听了志愿者的同款有声读物。研究人员提取了模型的激活。
相关性的评价标准遵循以下公式:
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，自我监督学习确实使Wav2Vec 2.0产生了类脑语音表征。
从上图可以看出，AI明显预测了一级和二级听觉皮层中几乎所有皮层区域的大脑活动。
研究人员进一步发现了AI的“听觉皮层”和“前额叶皮层”分别在哪一层。
图中显示，听觉皮层与《变形金刚》第一层(蓝色)的匹配度最高，而前额叶皮层与《变形金刚》最深层(红色)的匹配度最高。
此外，研究人员定量分析了人类感知母语和非母语音素能力的差异，并与Wav2Vec 2.0模型进行了对比。
他们发现AI和人类一样，对“母语”的分辨能力更强。例如，法语模型比英语模型更容易感知来自法语的刺激。
以上结果证明600小时的自我监督学习足以让Wav2Vec 2.0学会语言的具体表征——这相当于婴儿在学习说话的过程中接触到的“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(以及标记的那个)来建立一个好的语音转文本(STT)系统。
再次引发了神经科学和AI界的讨论。
对于这项研究，一些学者认为，它确实取得了一些新的突破。
例如，来自谷歌大脑的杰西·恩格尔(Jesse Engel)表示，这项研究将视觉过滤器提升到了一个新的水平。
现在，我们不仅可以在“pixel 空”中看到它们的样子，还可以在“brain-like 空”中模拟它们的样子:
例如，前MILA和谷歌研究员Joseph Viviano认为，这项研究也证明了fMRI中的静息状态成像数据是有意义的。
然而，在一次讨论中，也出现了一些质疑的声音。
比如神经科学博士帕特里克·米诺尔特(Patrick Mineault)指出，他也做过类似的研究但没有得出结论，但也给出了自己的一些疑问。
他认为，这项研究并没有真正证明它测量的是“语音处理”的过程。
与人说话的速度相比，fMRI实际上测量信号的速度非常慢，所以急于得出“Wav2vec 2.0已经学会了大脑的行为”的结论是不科学的。
当然，帕特里克·米诺尔特(Patrick Mineault)表示，他并不否认研究观点，他本人也是“作者的粉丝之一”，但这项研究应该会给出一些更有说服力的数据。
另外，也有网友认为Wav2vec和人脑的输入是不一样的，一个是处理过的波形，一个是原始波形。
在这方面，Meta AI的作者之一和研究员Jean-Rémi King总结说:
你认为呢?
论文地址:
https://arxiv.org/abs/2206.01685
参考链接:
[1]https://Twitter . com/patrickmineault/status/153388345683767297
[2]https://twitter.com/JeanRemiking/status/1533720262344[3]https://www . Reddit . com/r/singularity/comments/v6bqx 8/forward _ a _ realistic _ model _ of _ speech _ processing _ in/
[4]https://Twitter . com/y lecun/status/15337928666
