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

• 电池|iPhone耗电越来越快 四招教你如何延缓电池健康的下降
• 苹果|iPhone耗电越来越快 四招教你如何延缓电池健康的下降
• 华为|为什么对互联网时代的孩子，你说的话越来越无效？
• 分布式云越来越火，它凭什么代表云计算的未来？
• 耳机|头戴HiFi耳机选什么好，耳罩越大并不会带来更好的音质
• 抖音|暴利音乐号项目-卖U盘，副业超越主业绝对有可能
• 电子商务|阿里、京东电商节为什么越来越没人买单了？
• 近几年|AMD超威卓越游戏本进化2.0！五大智能、别无分号
• 软件|不要再让垃圾软件肆无忌惮地侵占电脑资源了，电脑越来越卡的原因
• 跑分|为啥越来越多人选手机都不注重跑分了？手机店老板的回答一针见血