AI越进化越跟人类大脑像！Meta找到了机器的“前额叶皮层”( 二 )

文章图片
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。

文章图片
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JesseEngel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：

文章图片
又例如，前MILA和谷歌研究员JosephViviano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。

文章图片
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PatrickMineault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。

文章图片
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“Wav2vec2.0学习到了大脑的行为”的结论是不科学的。
当然， PatrickMineault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。

文章图片
对此，作者之一、MetaAI研究员Jean-RémiKing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。

文章图片
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