Neuralink语音恢复突破：渐冻症患者首周达到75WPM，脑机接口如何用动作解码还原对话

喉咙发不出声音、舌头完全动不了的人，要怎么做到每分钟说出 75 个单词？

Neuralink 刚公布了一组早期临床数据。 一名患有肌萎缩侧索硬化（也就是渐冻症 ALS）的受试者，在植入芯片的第一周，把说话速度推到了每分钟 75 个词。 而且是在 12.5 万个词汇量的大词表里，错误率只有 5.8%。

每分钟 75 个词是什么概念？ 我们平时面对面聊天，正常的说话语速大概是每分钟 150 到 160 个单词。 过去重度瘫痪或者渐冻症晚期的患者，想跟家人说句话，主要靠眼球追踪设备或者面部残存的微小抽动去点屏幕上的字母。 那种方式每分钟只能敲出 6 到 10 个词。 想说一句“我想喝杯水”，得死死盯住屏幕上的虚拟键盘敲上一分多钟。 等好不容易敲出来，身边的人可能已经转身走开了。

学术界之前在脑机接口语音重建上的顶尖纪录，是斯坦福大学 2023 年发表在《自然》杂志上的研究。 当时受试者达到的解码速度是每分钟 62 个词，但在 12.5 万词的大词表下，词错率是 23.8%。 差不多每说四个词就会错一个，听的人得像猜谜一样拼凑上下文。 而 Neuralink 这次公布的数据，直接把速度拉到了日常对话的一半，同时把错误率压到了 5.8%。 这意味着 94% 以上的词都是准确的。 一句话两三秒就能出来，日常对话的节奏终于能接上了。

这台机器是怎么做到的？ 很多人听到脑机接口，第一反应是这东西在读心。 读心太玄了，目前的工程技术完全做不到。 脑机接口直接瞄准了发音动作：截获大脑发给发音器官的运动指令。

渐冻症最残酷的地方，在于它破坏的是连接大脑与肌肉的运动神经元。 患者的大脑皮层完全健康，语言中枢运转正常，脑子里清清楚楚地知道自己想说什么。 当他试图开口说话的时候，大脑的言语运动皮层会发出密集的电信号，指挥嘴唇、舌头、下巴和声带协同运动。 但是，传导信号的神经通路坏掉了。 就像一台电脑的主机在高速运转，连接音箱和显示器的线缆被拔掉了。 患者被困在无法动弹的身体里，所有的话全被锁在脑壳里。

Neuralink 的做法就是绕过坏掉的线缆，直接在源头截取信号。 他们的 N1 植入体上连着 64 根比头发丝还细的柔性电极丝，分布着 1024 个电极位点。 手术机器人把这些电极精准植入到大脑负责控制发音动作的皮层区域。 当患者尝试发音的时候，负责控制发音肌肉的神经元会产生动作电位。 1024 个电极实时捕捉这些微弱的电信号，再通过无线方式传输给外面的电脑。

拿到这堆脑电信号，电脑怎么把它翻译成语言？ 直接去猜整个句子，算力再大也对不上号。 工程上的解法很巧妙：把语言拆成最基础的发音动作单元，也就是音素。 不管英语的词汇量有多大，底层的基础发音只有 40 多个音素。 嘴唇闭合发 p、b 音，舌尖抵住上颚发 t、d 音，声带震动发各种元音，大脑运动皮层调动的神经元组合是截然不同的。 算法模型先学会把特定的神经放电模式，对应到这 40 多个发音动作上。 识别出连续的音素之后，再结合语言概率模型，把音素瞬间组合成完整的单词和句子。 甚至，系统结合患者患病前留下的真实录音，用语音模型实时合成声音。 屏幕上跳出文字的同时，扬声器里响起的依然是他自己原本的嗓音。

这套系统最让人吃惊的地方，是速度建立的时间。 这名受试者达到 75 个词每分钟，是在植入芯片的第一周。 过去很多脑机接口实验，受试者需要对着屏幕练习几个月，算法也要不断重新校准。 能在第一周就跑出这个速度和准确率，说明高密度柔性电极采集到的信号质量，大幅度降低了算法训练的门槛。

当然，技术走到这里，距离真正的大规模应用还有很实在的现实关卡。 这依然是处于 VOICE 临床试验阶段的早期个例数据。 柔性电极丝在颅内长期浸泡后，会不会出现微米级位移或者信号衰减，还需要几个月甚至几年的长期跟踪。 走出实验室受控环境之后，当患者处于疲劳、激动或者日常嘈杂场景下，解码器能否保持同样的抗漂移能力，也是接下来必须回答的问题。

但把说话速度推到 75 个词每分钟，这道门槛确实被跨过去了。 从每分钟逐字拼写几个词，到两三秒说出一整句话。 工程技术补上的不仅是一根断掉的神经线缆，更是一个被疾病禁锢的人重新参与世界的方式。