马斯克的神秘公司Neuralink：毗连人脑和 AI 的“读心术”

铅笔道荐语：

纵然在对大脑举行了多年的研究之后，我们仍然对这个器官不甚相识。可是随着深度学习、压缩感知和神经修复术的生长，这一切都将改变。Elon Musk的公司Neuralink正在从事的研究，只管我们知之甚少，但依然很可能为我们打开新的科技大门，并助力我们最终真正相识自己的大脑。

文章作者Thomas Smith，原文标题How Elon Musk’s Neuralink Will Read Your Mind。

泉源 | 36氪神译局

译者 | 喜汤

当你把一小我私家的大脑握在手里时，它不会给你带来你所期望的任何感受。

大多数人会以为大脑的触感就像是一些软软的工具，好比压力球或果冻。可是从一罐福尔马林溶液中拿出来的大脑的密度要大得多，也不那么柔软——总体来说就像拿着一团板油。

遥想21世纪初，作为约翰霍普金斯大学（Johns Hopkins University）认知科学（神经科学）专业的学生来说，我们要花三年的时间来研究这个器官的细节——在图书馆里通宵学习，通过极其难题的考试，另有紧张的讲座——我们有为数不多的时机在教授的领导下真正拿起这一器官，并把它捧在手里。

我们的教授带着拥有种种各样的大脑——年轻的，年迈的，正常的，病态的——的我们，空气中有一股令人作呕的工业级防腐剂的甜味。

一个学生晕倒了。我们开顽笑说，如果他摔了一跤，撞到了自己的头，他不会选择比在美国最著名的认知神经心理学家之一Michael McCloskey的演讲大厅里做这件事更好的地方了。（放心吧，这位学生没什么大碍。）

然而，纵然在对大脑举行了多年的研究之后，我们仍然对这个器官不甚相识。我们可以视察大脑是如何在无数个层面上事情的，相识某些区域的运动水平是如何影响感知的，甚至可以看到它的缺陷和损伤。可是，在我们的有生之年想要从科学角度控制意识和思想无疑是痴人说梦。纵然是站在世界顶尖的专家中间——手中拿着一个大脑——这个器官的内部运作方式似乎也是神秘而不行知的。

随着深度学习、压缩感知和神经修复术的生长，这一切都将改变。处于这一变化前沿的是Tesla亿万富翁Elon Musk运营的一家神秘的公司：Neuralink。

Neuralink建立于2016年，总部位于旧金山。到现在为止，它已经筹集了1.58亿美元，其中至少有1亿美元来自Musk。

在这一场轰轰烈烈的创业潮水中，Neuralink对自己的技术、员工和成就守口如瓶。科技界对它的相识大多来自招聘动物研究专家的招聘启事、少量正式通告和论文，以及Musk在2019年的演讲。

虽然Neuralink没有透露自己在干什么，但它的目的很是明确：该公司希望使用机械人将电极植入康健人的大脑，这样他们就可以与人工智能融合。人工智能是Musk一直以来心心念念的领域之一，而Neuralink则是对“如果你不能打败机械，就成为机械”这一观点的让步。

电子人、脑外科手术机械人、读心术，这一切听起来都很恐怖，很科幻。所以我们不禁要问，Neuralink的技术是否合理？

谜底是肯定的，只管这一回覆可能会令你惊讶。

再一次，如果你在十年前问我——其时我戴着手套，手里拿着一小我私家石化了的大脑——我会给一个模糊的科学家谜底，好比，“除非有重大的技术突破，否则它看起来不太可能。”

但这一突破已经到来。它不在Neuralink计划编织进你大脑的细如发丝的电线里，而是在那些电线毗连的电脑里。

Neuralink的目的是将这些细如发丝的电线植入大脑，像缝纫机缝制衬衫一样将其穿在血管上。这些电极将能够读取（并刺激）器官中多达1000个差别的位置。

这听起来已经像科幻小说了。但临床上确实存在用于刺激大脑的机械。它们是治疗诸如帕金森氏症等顽固性疾病的最后一道实验性防线。大多数读取（或刺激）的只是大脑中的几个部位——在某些情况下只有两个，使用的是比Neuralink更厚的电极。

从技术的角度来看，Neuralink提出的设备与其说是一个存在的飞跃，不如说是对现有技术的一个令人印象深刻的（如果是渐进的）革新。

该公司仍然需要应对一些问题，好比薄电极脱落（一个活的大脑真的很像一块软果冻）或者有疤痕组织形成。可是这些问题是可以解决的，只要有一群生物医学工程师和几亿美元就可以解决。

假设Neuralink能够制造出它的植入物——这仍然需要数年的时间——从1000个电极上读取数据能给你带来几多利益呢？一个典型的人类大脑有860亿个神经元。从1000个疏散的位置读取数据岂非不是杯水车薪吗？

还真纷歧定。

当我学习神经科学时，有两种从大脑中读取数据的范式。第一个是视察大脑运动的整体模式，使用像fMRI扫描仪、PET扫描仪或EKG这样的设备。这些扫描仪使用先进的技术和统计分析来获得大脑运动的宏观层面的图像。它们在检查大脑哪些区域与阅读、情感和运动有关等方面很是有用。

另一种范式偏重于极端微观层面的阅读——从单个通道到单个神经元。这种技术被称为膜片钳（patch clamp），它的发现者因此获得了1991年的诺贝尔奖。膜片钳能让科学家们以令人难以置信的细节相识特定的大脑功效，好比某一类神经元中单个神经递质的行为。

然而，在宏观和微观之间，并没有太多的中间地带。最重要的假设是，科学家可以通过fMRI和相关技术，从单个神经元读取信息，研究它们的功效，或者连忙看到整个大脑的运动模式。但实时获取特定区域的详细神经元水平数据是不现实的。这将需要为每个神经元安装一个电极——这是一个不行能实现的成就。

盘算机领域的一项重大生长正在彻底改变这一假设。深度学习是人工智能领域的一个分支，至少自2010年月初以来，它一直在悄无声息地重塑着领域格式，缔造新的商业模式。

正是因为有了深度学习革命，Siri最终才气明白你说的话，Google Photos知道你什么时候上传了猫的照片，你可以从你的手机上存取款，Las Vegas的交通秩序终于获得了控制，甚至包罗自动驾驶汽车这种创新背后的技术，也是深度学习大生长的劳绩。

深度学习是通过模拟人脑来实现的。这项技术的基础是所谓的神经网络，它使用大型盘算机系统中的人工神经元和突触，以全新的方式处置惩罚信息。

深度学习系统是很是好的模式发现者。你可以向他们提供数据，任何模式它们都市在第一时间发现。你甚至不需要提前知道你要找的是什么。像孩子（或博士研究生）一样，深度学习系统不仅能在你的数据中找到模式，还能在一开始就教会自己如何找到这些模式。

深度学习的一些能力似乎很神奇。他们可以从无到有地缔造出可信的假面貌，从声音中推测一小我私家的外貌，给黑白图像上色，驾驶无人机，甚至可以宁静地驾车在都会中穿行。

深度学习的焦点是使用模式识别从很小的数据样本中明白整个系统。

压缩感知领域就是一个很好的例子。在2010年《Wired》杂志上揭晓的一篇文章中，科学家们展示了如何使用压缩感知技术，从少量随机漫衍的像素点，重现时任美国总统Barack Obama的脸部准确图像。

电脑能完成这样的重建真是太神奇了。但更令人惊讶的是，重建Obama的脸所需要的所有信息都在那一小块随机的像素中。作为人类，你永远不会想到这么小的样本可以用来重建一个完整的图像。但深度学习系统可以很容易地找到并使用这些模式，纵然是在很是稀疏的数据中也没什么问题。

对于像Neuralink这样的公司来说，这些深度学习能力提供了一条有前途的新门路。它们蕴含着一种诱人的可能性：要明白大脑，你不需要读取它所有的神经元。你只需要一个足够大的样本——1000个点对于一个特定的大脑区域来说似乎是合适的——和一个可以使用这个微小的部门来快速地重建整个大脑的深度学习系统就够了。

想象一下这种可能的未来：Neuralink已经完善了其植入物的生物医学技术。你已经安装了一个，它能从控制运动的运动系统的神经元中读取信息。

当你想要移动你的手臂时，植入物会读取1000个电极上的神经元运动模式。这些信息会立刻被输入到深度学习模型中。就像重建Obama脸部准确图像的电脑一样，该系统会获取这1000个读数，并凭据它们推断出你想要如何移动手臂的详细计划。

不外，电脑的分析并不是实际地移动你的手臂，而是根据你在头脑中计划的方式来移念头器人手臂（或电脑光标）。

现在再进一步，想象植入物被植入与视觉影象相关的大脑区域。当你想象一个你曾经去过的地方（或者一个你想象出来的全新地方），电脑会记载下你的神经运动，然后用它来重建一个你想象出来的传神的地方。

它的数据可能需要凌驾1000个电极来读取和收集，但基本观点和原理是合理的。我们知道空间影象与神经相关。例如，相识都会庞大结构的伦敦出租车司机，其大脑特定区域是不停在增长的。

如果植入物能够把这些区域里的数据记载下来，并使用深度学习重建完整的场景，那么盘算性能够读取你的想法，并重建你在脑海中想象的场景也完全是行得通的。

只管这样的应用可能另有很长的路要走，但这是有史以来第一次，我们有了一个理论和现实的途径来实现这一目的。这就是为什么像Neuralink这样的公司会如此令人兴奋。通过将人工智能和真正的人类大脑在信息处置惩罚层面联合起来，Neuralink缔造了将两者联系起来的真正可能性。

除了视觉读心术，我们还可以把Neuralink的技术应用在其他的领域。例如，四肢瘫痪的人可以使用这项技术来控制轮椅。患有肌萎缩性脊髓侧索硬化症和其他神经退行性疾病的人也有了新的交流方式。

这些医学应用足以让Neuralink资助和运转,它构建了全面技术。就像特斯拉提供有利可图的电动汽车作为一个平台来资助和收集数据的自动驾驶汽车,Neuralink可以使用植入的严重残疾的网关的研究更广泛的脑功效。

一旦你安装了大脑植入物来解决四肢瘫痪的问题，何妨再用它来预测你的行动或读取你对场景的视觉影象呢？Neuralink可以很容易地将从这些早期患者身上学到的履历应用到为公共提供的功效性植入物上。固然，与人脑相互作用的公共市场技术存在无数固有的风险。但如果这些问题能够获得解决，这项技术自己就会变得越来越可行。

当我在十几年前坐在谁人闷热的课堂里听讲的时候，我从未想过这些可能性会在我的有生之年存在。有一个想法不知怎么的突然跳进我的脑海里——深度学习系统的人工大脑很可能为我们打开新的大门，让我们最终真正相识自己的大脑。