對於癱瘓而無法說話的患者來說，他們僅能憑藉眼球的移動或其他微小的移動訊號，來控制游標選擇眼前螢幕的單字。知名天文物理學家史蒂芬·霍金（Stephen Hawking）便是利用臉頰的肌肉運動，控制游標輸入欲說的文句。但此方法受限於速度上的問題，使患者無法及時的參與話題。因此，科學家已測試將大腦訊號透過神經網路（neural networks）進行解讀，試著直接重現患者的聲音。
大腦訊號
美國哥倫比亞大學（Columbia University）電腦科學家摩卡拉尼博士（Nima Mesgarani）表示，從大腦訊號找到相應的文字和聲音並不是那麼簡單，此訊號的變動因人而異。因此，神經網路需要對每個人進行學習。為提供最精準的數據來源，最佳的方法便是打開頭蓋骨直接量測大腦訊號。
但能夠直接量測大腦訊號的機會並不常見。其中一個機會是在進行腦瘤移除手術時，會讀取大腦訊號避免醫師誤觸大腦攸關話語能力的部位；其次則是癲癇患者在進行手術前，會植入電極找出不正常放電的來源區域。因此數據的來源與收集時間都相當有限，最多只有 20 至 30 分鐘的時間。
重現聲音
目前有數組研究團隊同步進行相關的試驗，摩卡拉尼博士領導的團隊便是其一。其團隊以五位癲癇患者在說出數字零到九時，感測聽覺皮質層（auditory cortex）訊號作為神經網路學習的數據。接著直接將大腦訊號輸入至電腦模型，使電腦讀出數字由研究人員判斷，準確率約為 75 %；第二組研究團隊由德國不來梅大學（University Bremen）的舒爾茨博士（Tanja Schultz）領導，其研究對象為六名接受腦瘤移除手術的患者，並更進一步在患者說出個別單字時，將其大腦訊號提供神經網路進行學習。
最後是加州大學舊金山分校（University of California, San Francisco）神經科學家張復倫（Edward Chang）的研究團隊，該團隊直接收集癲癇患者說出整個句子時的大腦訊號，而在電腦重現聲音的十選一線上測試時，其辨識度高達 80 %。
未來發展
除了持續改善精準確度之外，在聖地牙哥州立大學（San Diego State University）研究語言產生的神經科學家里斯博士（Stephanie Riès）提到另一項挑戰：「真正的挑戰在於如何在完全無法說話的患者上重現此結果。」現行的研究方法是將語言經由大腦訊號輸入神經網路進行學習，但此方法無法用於沒有口語能力的患者，因為我們無法理解這些大腦訊號所代表的意義為何。
參考資料：
- ServickJan, K., MervisJan, J., & MalakoffJan, D. (2019, January 09). Artificial intelligence turns brain activity into speech. Science