从2021年年初至今的短短八个月内，科技进步极降低了创新所需的经济门槛，脑机接口（BCI）领域的融资已经创下了历史纪录，但是的工作所需的精神门槛——勇气，总额是2019年9,700万美元的三倍。
就在过去几周，从没有降低过” 。依图科技创始人：朱珑(左一) 林晨曦（右一）学霸同学联手，伊隆·马斯克的BCI公司Neuralink宣布获得2.05亿美元的C轮融资， 用商业手段实现科学理想据此前递交的招股书显示，另一家BCI公司Paradromics在几天前也宣布获得2,000万美元的种子轮融资。
几乎在同一时间，依图科技公司的实际控制人为朱珑和林晨曦。朱珑和林晨曦都是1978年生人，Neuralink的竞争对手Synchron宣布它已获得美国食品和药物管理（FDA）的历史性批复，二人就读同一所小学、初中以及高中。高中毕业后，可以对其旗舰产品Stentrode进行人类患者的临床试验。甚至在这次批准之前，朱珑去了美国读书，Synchron公司的Stentrode已经在澳利亚对四名患者进行了临床试验。
一般来说，随后在加州学洛杉矶分校攻读统计学博士，BCI可以将人类的脑电波转化为机器可理解的指令，师从霍金的嫡传弟子、全球计算机视觉奠基人Alan Yuille，使人们能够用自己的思想来操作电脑等。该技术的核心是扩展我们的人类能力或补偿失去的能力，从事计算机视觉的统计建模和人工智能的研究。按这个逻辑来看，可以说是瘫痪病人的福音。
目前，这一领域的公司通过两种形式的BCI实现这一目标——侵入式和非侵入式。在这两种情况下，脑活动会被记录下来，以将神经信号转化为指令，比如用机械臂移动物品、靠思维打字或通过思维说话。
虽然许多人对Neuralink的进展以及BCI指日可待的说法持怀疑态度，但机器学技术的进步预示着BCI已经无比接近于现实。
▍模式识别和迁移学
作为BCI将神经信号转化为指令的“主引擎”，机器学可以识别脑数据中的模式，并能够将这些模式泛化到许多人的脑中。
与几十年前将脑活动转化为行动的挑战不同，如今BCI公司的主要目标是为众商业产品，这些产品要能够在不同的脑中找到共同的信号，转化为类似的行动，比如意味着“移动右臂”的脑电波模式。
但这意味着模型需要经过一系列的微调。以Neuralink的MindPong演示为例，恒河猴在模型被微调到他的脑神经活动模式之前经历了几分钟的校准。
幸运的是，人工智能在模式检测方面的研究已经取得了巨的进展，特别是在视觉、音频和文本领域，产生了更强的技术和架构，使人工智能的应用能够泛化。
2017年底，具有开创性的论文《Attention is all you need》以其建议的“Transformer”架构启发了许多其他的论文，带来了多个领域和模式的突破。
最典型的是谷歌的ViT、DeepMind的多模式Perceiver和Facebook的wav2vec 2.0，每一个都在其各自的基准中取得了最先进的结果。
值得注意的是，Transformer架构的一个关键特征是它的“无样本”和“少样本”学能力，这使得人工智能模型有可能进行泛化。
▍日渐丰富的数据
按照惯例，最先进的深度学模型（如上面提到的的谷歌、DeepMind和Facebook的模型）往往需要量的数据。作为参考，OpenAI著名的GPT-3模型（一个能够生成类似人类语言的Transformer）使用45GB的文本进行训练，包括Common Crawl、WebText2和Wikipedia数据集。
不难发现，在线数据是推动计算机生成的自然语言应用爆炸式增长的主要催化剂之一。当然，EEG（脑电图）数据不像维基百科页面那样容易获得，但这种情况也正在发生变化。
世界各地的研究机构正在发布越来越多的BCI相关数据集，使研究人员能够在彼此的基础上进行学。例如，多伦多学的研究人员使用了天普学医院脑电图库（TUEG）数据集，该数据集由超过10,000人的临床记录组成。
在他们的研究中，他们使用了一种受谷歌BERT自然语言Transformer启发的训练方法，了一个预训练的模型，可以对用各种硬件记录的原始EEG序列进行建模，并跨越各种科目和下游任务。
然后，他们展示了这种方法如何能够产生适合量未标记EEF数据和下游BCI应用的表示。
但在研究实验室中收集的数据对于现实世界的应用来说可能还不够。如果BCI要加速发展，我们需要出人们可以在日常生活中使用的商业产品。
随着OpenBCI等项目提供可负担得起的硬件，以及其他商业公司现在向公众推出其非侵入式产品，数据可能很快就会变得更容易获得。
两个例子是NextMind和Kernel，前者去年推出了一个者工具包，供那些想在NextMind的硬件和API上编写代码的者使用，后者则计划很快发布其非侵入式脑记录头盔Flow。
▍硬件和边缘计算
可以肯定的是，BCI应用有实时操作的限制，如打字或玩游戏。如果从思想到行动的延迟超过一秒钟，就会产生一种不可接受的用户体验，因为交互会出现滞后和不一致（想想玩第一人称射击游戏时有一秒钟的延迟）。
但原始EEG数据需要发送到远程推理服务器，然后将其解码为具体行动，并将响应返回给BCI设备，这一过程就会产生延迟。此外，发送敏感数据（如您的脑活动）会引入隐私问题。
怎样解决这些问题呢？AI芯片或许是一个思路。像英伟达和谷歌等巨头都在建造更小、更强的芯片，这些芯片将为边缘推理而优化。这反过来又可以使 BCI 设备离线运行，避免了发送数据的需要，消除了与之相关的延迟问题。
▍结语
几千年来，人类的脑没有进化多少，而我们周围的世界在过去十年里发生了巨的变化。人类已经达到了一个拐点，我们必须增强我们的脑能力，以跟上我们周围的技术创新。
目前将脑活动还原为电信号的方法有可能是错误的，如果Kernel和NextMind等公司没有产生有前途的商业应用，我们可能会经历BCI的冬天。但潜在的好处是不容忽视的，从帮助无法正常生活的瘫痪者到增强我们的日常体验，每一项都功德无量。
BCI仍处于早期阶段，有许多挑战需要解决，有许多障碍需要克服。然而，对于一些人来说，这应该已经足够令人兴奋了。
免责声明：文中图片均来源于网络，如有版权问题请联系我们进行删除！
