Reconstructing the brain’s language network from non-invasive EEG enables interpretable speech decoding

几十年来，科学家们一直梦想着能从外部直接读取大脑的语言，希望能为那些失去发音能力的人恢复言语功能。大脑是一个由电活动构成的庞大且嘈杂的城市，当我们思考词汇时，特定的区域会按精确的顺序亮起。然而，在不进行手术的情况下捕捉这些活动，就像试图从停车场听清拥挤体育场内的一场单一对话一样困难；信号微弱、相互混合，并且因人而异。传统的尝试将这些脑波转化为文本的方法通常依赖于强大的计算机程序，这些程序充当“黑箱”。这些程序通过识别数据中的统计模式来学习预测下一个词，但它们无法解释大脑究竟是如何产生该想法的，也无法解释为什么有时会失败。由于缺乏对底层机制的理解，这些系统难以在不同的人或不同类型的语言任务中可靠地运行，使得实现通用通信设备的愿景依然遥不可及。

深圳和香港的一个研究团队现在提出了一条不同的路径，即超越简单的猜测，转而重建大脑语言网络的实际图谱。他们开发了一个名为 CAGNNF 的新框架，该框架不将大脑视为黑箱，而是将其视为一个具有特定规则的物理系统。该系统并非直接从头皮上的原始电信号跳转到文本句子，而是首先构建一个动态的三维大脑内部活动模型。它使用一种称为“神经扰动推理”的方法，追踪大脑某一区域的一点活动如何向外扩散并影响其他区域，就像向池塘中丢下一块石头并观察波纹扩散一样。为了使该模型符合生物学现实，他们加入了基于人类皮层实际形状和结构的几何约束，确保重建的活动沿着大脑的自然高速公路流动，而不是悬浮在虚空中。

这一过程的结果是生成了一张清晰、可解释的正在运作的大脑语言网络图谱。研究人员发现，这张图谱一致地强调了已知对语言至关重要的区域，特别是构成腹侧流（ventral stream）的时间区域，这是一条对于理解句子的路径。这不仅仅是一项理论练习；该系统成功解码了人们在静默阅读中文和英文时记录下的脑波所对应的文本。在测试中，这种新方法优于现有的最先进方法，与之前的最佳模型相比，将解码文本的错误率降低了高达 11%。至关重要的是，该系统证明了无论一个人是在阅读屏幕上的文字还是在聆听朗读的声音，大脑的语言网络运作方式都是相似的，这表明语言的核心机制在不同感官之间是共享的。

这项工作的特别意义在于，它将解码错误转化为了诊断工具。由于该系统理解语言处理的各个阶段，因此它可以精准定位错误发生的具体位置。研究人员发现，识别字符形状时的错误与早期的视觉处理信号有关，而遗漏单词的错误则与注意力相关的信号有关，而理解含义时的错误则与涉及语义整合的信号相关。通过识别这些特定的失效点，系统可以应用针对性的纠正，从而使错误率进一步降低了 8% 以上。这种将错误追溯到大脑处理链中特定时刻的能力，提供了以往方法所缺乏的清晰度，将解码过程从统计猜测转变为具有生理依据的重建。

研究还表明，该系统可以快速适应新个体。通过使用一种允许模型从极少量样本中学习的技术，研究人员展示了仅需一百个句子的阅读数据，即可完成对一个人大脑的校准。这种效率表明，核心语言网络足够稳定，可以用极少的训练进行捕捉，这是使此类技术在长期使用中变得实用的关键一步。虽然目前的系统是在离线环境下运行的，这意味着它在数据记录完成后进行处理，但研究人员指出，其速度已经接近实时通信所需的水平。通过在头皮电信号、重建的大脑语言网络以及最终文本之间建立起清晰、可解释的联系，这项工作为开发不仅强大而且可理解、可信赖的脑机接口迈出了切实的一步。