特別適合發(fā)聲。已經(jīng)進行了幾項研究來定位和理解大腦語音的特定部分，但是由于同一大腦區(qū)域的大部分對所有聲音都是活躍的，所以不清楚大腦是否有獨特的語音處理過程以及如何處理它。它執(zhí)行這些過程。其中一個主要挑戰(zhàn)是描述當高度可變的聲音信號和語言表達之間沒有一一對應時，大腦如何將它們匹配起來，例如，大腦如何識別說話者和方言使用的相同單詞，它們是相同的。
在這項最新的研究中，由Riitta Salmelin教授領(lǐng)導的研究人員根據(jù)16名健康芬蘭志愿者的毫秒大腦記錄解碼并重建了語音。他們采用了一種新穎的方法，即利用各種聲音(不同說話者說出的單詞、來自多個類別的環(huán)境聲音)的自然聲學可，并使用受生理學啟發(fā)的機器學習模型將它們映射到腦磁圖(MEG)數(shù)據(jù)。這些類型的模型具有聲音的時間分辨和時間平均表示，并且之前已經(jīng)用于大腦研究。合著者阿里費薩爾(Ali Faisal)提出的新穎且可擴展的公式允許將這種模型應用于全腦錄音，并且本研究首次將同一模型的聲音與其他聲音進行比較。
阿爾托研究人員和主要作者安妮諾拉說：“我們發(fā)現(xiàn)皮層激活器的時間鎖定和擴展的語音輸入之間的聯(lián)系對于語音編碼非常重要。當我們聽到一個詞(如“貓”)時，我們的大腦必須及時準確地跟隨它來理解它的意思。
相比之下，時間鎖定在非言語環(huán)境聲音的皮層加工中并不突出，非言語環(huán)境聲音傳達的意義與口語相同，如音樂或笑聲。相反，時間平均分析足以實現(xiàn)其意義。這意味著當你聽到貓的叫聲時，大腦也會獲得同樣的表征(貓的外表、貓的行為、感覺等)。)，但聲音本身會作為一個整體來分析，沒有諾拉的解釋。
對于無意義的新詞，也觀察到時間鎖定編碼。然而，即使是對笑聲等人工非語音聲音的響應，動態(tài)時間鎖定機制也不能表現(xiàn)出更好的解碼效果，但可以利用時間平均模型進行更好的重構(gòu)，這表明時間鎖定編碼對識別出的聲音是特殊的。作為演講。
結(jié)果表明，大腦反應在講話后具有特別高的時間保真度。
目前的結(jié)果表明，在人類中，一種特殊的時間鎖定編碼機制可能已經(jīng)進化成了語音。根據(jù)其他研究，在早期發(fā)展過程中，這種加工機制似乎已經(jīng)針對母語進行了調(diào)整，并廣泛暴露于語言環(huán)境中。
當前對時間鎖定編碼的發(fā)現(xiàn)，尤其是對語音的發(fā)現(xiàn)，加深了對聲學和語言表示(從聲音到單詞)之間映射所需的計算的理解。目前對的發(fā)現(xiàn)提出了一個問題，即聲音的哪些特定方面對于促使大腦使用這種特殊的編碼模式至關(guān)重要。為了進一步的研究，研究人員的下一個目標是利用現(xiàn)實生活中如聽覺的環(huán)境，如重疊的環(huán)境聲音和聲音。諾拉說：“未來的研究還應該確定我們是否可以通過經(jīng)驗來處理類似的時間鎖定，并專門處理經(jīng)驗，比如處理音樂家的樂器聲音。"
標簽：
免責聲明：本文由用戶上傳，如有侵權(quán)請聯(lián)系刪除！