AI也有類似人類的“聽覺皮層”、“前額葉皮層”機制嗎？

近日，Meta AI、美國哥倫比亞大學(xué)、多倫多大學(xué)等的研究人員就完成了一個關(guān)于深度學(xué)習(xí)模型和人腦之間相似性的研究。

“模擬人類智能是一個遙遠(yuǎn)的目標(biāo)。盡管如此，自我監(jiān)督算法中類腦功能的出現(xiàn)表明我們可能走在正確的道路上?！闭撐淖髡咧?、Meta AI研究員在推特上發(fā)文稱。

所以他們有什么發(fā)現(xiàn)？

研究發(fā)現(xiàn)，AI模型Wav2Vec 2.0與人類大腦處理語音的方式非常相似，甚至AI也像人類一樣，對“母語”有更強的辨別能力，如法語模型就比英語模型更容易感知來自法語的刺激。

Jean-Rémi King在推特上發(fā)布的演示視頻中展示了AI模型與人腦相互對應(yīng)的結(jié)構(gòu)：聽覺皮層與Transformer的第一層（藍(lán)色）最吻合，而前額葉皮層則與Transformer的最深一層（紅色）最吻合。

Wav2Vec 2.0 接受了600小時的語音訓(xùn)練，這大致相當(dāng)于新生兒在語言習(xí)得的早期階段所接觸的內(nèi)容。研究人員將此模型與412名志愿者（351名說英語、28名說法語和33名說中文普通話的人）的大腦活動進(jìn)行比較。

科學(xué)家讓參與者聽一小時自己母語的有聲小說，然后對他們的大腦做功能性磁共振成像 (fMRI) 紀(jì)錄。研究人員將這些大腦活動與Wav2Vec 2.0模型的每一層以及幾個變體進(jìn)行比較，包括隨機（未經(jīng)訓(xùn)練的）Wav2Vec 2.0 模型、在600小時非語音上訓(xùn)練的模型、在600小時非母語語音上訓(xùn)練的模型、在600小時母語訓(xùn)練的模型和直接在參與者母語的語音到文本（speech-to-text）上訓(xùn)練的模型。

實驗有四個重要發(fā)現(xiàn)。

首先，Wav2Vec 2.0使用自監(jiān)督學(xué)習(xí)來獲取語音波形時的表現(xiàn)類似于在人類大腦中看到的。其次，Transformer層的功能層次與大腦中語音的皮層層次相吻合，這以前所未有的細(xì)節(jié)揭示了語音處理的全腦排列。第三，該模型對聽覺、語音和語言的表征與人腦的表征趨同。第四，對模型與另外386名人類參與者進(jìn)行的語音辨別練習(xí)行為比較表明一種共同的語言專業(yè)化。

這些實驗結(jié)果證明了，600小時的自監(jiān)督學(xué)習(xí)就足以產(chǎn)生一個在功能上等同于人腦語音感知的模型。Wav2Vec 2.0學(xué)習(xí)到語言特定表征的所需的材料與嬰兒學(xué)說話過程中接觸到的“數(shù)據(jù)量”相當(dāng)。

“深度學(xué)習(xí)三巨頭”之一Yann LeCun盛贊這是“出色的工作”，這個團隊的研究表明在語音方面接受自監(jiān)督學(xué)習(xí)訓(xùn)練的Transformer分層活動與人類聽覺皮層活動之間，確實密切相關(guān)。

谷歌大腦的研究員Jesse Engel則稱，這項研究將可視化濾波器提升到下一個層次。現(xiàn)在，不僅能看到它們在“像素空間”的樣子，而且“類腦空間”中的模樣也能模擬出來了。

但也有一些批評聲音，如加利福尼亞大學(xué)洛杉磯分校的神經(jīng)科學(xué)博士后Patrick Mineault就有些懷疑這篇研究是否真的測量了人類大腦的語音處理過程。因為相比于人說話的速度，fMRI測量信號的速度其實非常慢，這意味解釋結(jié)果時需要非常謹(jǐn)慎。Mineault也表示自己并非認(rèn)為研究不可信，但這項研究需要給出一些更有說服力的數(shù)據(jù)。

Meta AI實際上一直在尋找AI算法與人類大腦之間的聯(lián)系。此前Meta AI宣布，他們將與神經(jīng)影像中心Neurospin(CEA)和INRIA合作，試圖解碼人類大腦和完成語言任務(wù)訓(xùn)練的深度學(xué)習(xí)算法如何對同一段文本作出反應(yīng)。

舉個例子，如通過在一個人主動閱讀、說話或聆聽時，將人腦掃描與深度學(xué)習(xí)算法進(jìn)行比較，并給出相同的單詞和句子集進(jìn)行破譯，研究人員希望找到大腦生物學(xué)和人工神經(jīng)網(wǎng)絡(luò)之間的相似之處以及關(guān)鍵的結(jié)構(gòu)和行為差異，幫助解釋為什么人類處理語言的效率比機器高得多。 

Meta AI研究科學(xué)家Jean-Rémi King說道，“我們正在做的是嘗試將大腦活動與機器學(xué)習(xí)算法進(jìn)行比較，以了解大腦如何運作，并嘗試改進(jìn)機器學(xué)習(xí)?！?nbsp;