解碼人腦辨聲

朱崇愷

想象一下當你參加派對的時候，周圍播放著音樂，有很多人在跳舞，但是，你還是可以和你想要交流的人對話。是不是很神奇？我們的大腦具有可以在嘈雜的環境中篩選出某個人的聲音的卓越能力，而即使最高端的助聽器也做不到這一點。哥倫比亞大學電氣工程專業副教授梅斯卡拉尼（Nima Mesgarani）博士說：“在擁擠的地方，比如喧鬧的街道上使用助聽器時，會同時放大周圍所有的聲音。雖然一些高級的助聽器可以抑制特定類型的背景噪聲（例如交通），但還是會將周圍的對話音量無差別放大。這嚴重阻礙了佩戴者的有效交流。”一些人工智能交互設備，例如手機上的語音對話軟件和智能音箱也有著同樣的困擾。科學家將其稱為“雞尾酒會問題”，名字來源于在喧鬧的聚會中混合在一起的刺耳聲音。

“我們發現，當兩個人開始交談時，說話者的腦電波會逐漸接近聽者的腦電波。”梅斯卡拉尼博士說。利用這些知識，該團隊將強大的語音分離算法與神經網絡結合，從而創建了一個系統：首先從一組聲音中分離出單個說話者的聲音，然后將每個說話者的聲音與聽者的腦電波進行比較，再將聲音模式與聽者腦電波最為匹配的說話者的聲音放大。

為了測試該算法的有效性，研究人員與神經外科醫生（同時也是該論文合著者）梅塔博士（Ashesh Dinesh Mehta）合作。在梅塔博士負責治療的癲癇患者中，一些人必須定期接受手術。梅斯卡拉尼博士說：“這些患者自愿在我們通過植入患者大腦的電極監測他們的腦波時，聽取多個發言者的聲音，然后我們將新開發的算法應用于這些數據。”受到研究結果的鼓舞，研究人員正在研究如何將它轉變為無創設備，屆時只需將其置于頭皮外部或耳朵周圍就可以工作。

“到目前為止，我們只在室內環境中進行了測試，”梅斯卡拉尼博士說。“但我們希望確保它也能在繁華的城市街道或嘈雜的餐廳中工作，這樣無論走到哪里，使用者都可以充分地感受周圍的世界和人群。”