埃隆·馬斯克的Neuralink將如何讀取你的大腦信息？

讓咱們來設想一下，當你手裏握着一個「人腦」時是什麼感受？可能大多數人會想到柔軟而糊狀的東西，例如壓力球或果凍模具。可是若是將人腦器官泡入一罐甲醛中，大腦密度會變得更大，柔軟性更低——就像拿着一團羊脂。

對於2000年代初約翰霍普金斯大學認知科學（neuroscience）專業的學生而言，「大腦日」是他們完成全部課程後能夠獲得的嘉獎。「咱們花了三年的時間來研究這個器官的細節——在圖書館通宵學習、經過極其困難的考試和接連不斷的講座……這是咱們第一次有機會真正拿起一個器官，捧起一個大腦。」
「教授帶着各類各樣裝着的大腦器官的罐子到教室。空氣中有一種使人做嘔的工業強效防腐劑的甜味。」
"一個學生暈倒了。咱們開玩笑說，若是他摔了一跤，撞到了本身的頭，他不會選擇比在美國最著名的認知神經心理學家之一邁克爾·麥克洛斯基(Michael
McCloskey)的演講大廳裏作這件事更好的地方了。"

然而，即便在對大腦進行了多年的研究以後，這個器官仍然有一些不透明的成分。咱們能夠觀察到大腦是如何在無數的層面上工做的，咱們能夠理解在特定區域的活動水平是如何影響感知的，咱們甚至看到它的畸形和病變是如何反應在咱們身體上的。即便是站在世界頂尖的專家中間——手中拿着一個大腦——這個器官的內部運做彷佛也是神祕而未知的。

---

隨着深度學習、壓縮感知和神經修復術的發展，這一切都將出現改變。處於這一變化前沿的是億萬富翁埃隆•馬斯克(Elon Musk)運營的一家神祕且低調的公司:Neuralink。

Neuralink成立於2016年，總部位於舊金山。到目前爲止，它已經籌集了1.58億美圓，其中至少有1億美圓來自馬斯克。

在真正的創業潮流中，Neuralink一直對本身的技術、人員和成就諱莫如深。科技界對它的瞭解大多來自動物研究專家的招聘啓事、少許正式公告和論文，以及馬斯克的2019年的演講。

雖然Neuralink沒有透露其研究方法，但它的目標很是明確:公司但願使用機器人將電極植入健康人的大腦，這樣他們就能夠與人工智能融合。人工智能是馬斯克一直以來的焦慮之一，而Neuralink是對「若是你不能戰勝機器，就成爲機器」這一律唸的讓步。機器人、腦外科手術

機器人、讀心術……這一切聽起來都很詭異，很像科幻電影。那Neuralink的技術是否合理?

使人驚訝的是,是的。

再說一次，若是你在十年前問我——當時我戴着手套，手裏拿着一我的的石化大腦——我會給一個模糊的科學家答案，好比，「除非有重大的技術突破，不然它看起來不太可能。」

但這一突破已經到來。它再也不是Neuralink計劃編織進你大腦的細如髮絲的電線裏。它就在那些電線鏈接的電腦裏。

Neuralink正在研發一種大腦假肢。它的目標是將薄層植入大腦，像縫紉機縫製襯衫同樣將它們穿在血管上。這些電極將可以沿着它們穿過器官的路線從多達1,000個不一樣的位置進行讀取（並刺激）信息。

這聽起來已經像科幻小說了。但目前臨牀上有用的深部腦刺激器是存在的。它們是治療諸如帕金森氏症等頑固性疾病的最後一道實驗性藥物。大多數只從（或刺激）大腦的幾個位置讀取（在某些狀況下只有兩個）。並且它們使用的電極要比Neuralink厚得多。

從技術的角度來看，Neuralink提出的設備與其說是一個基於現有技術的飛躍，不如說是對現有技術的一個重大的改進。該公司仍然須要面對一些問題，好比薄電極折斷(一個活的大腦真的很像軟果凍，不像咱們在實驗室裏接觸到的那樣）或者傷疤組織的造成等問題。可是這些問題是能夠解決的，只要有一羣生物醫學工程師和幾億美圓就能夠。

---

假設Neuralink能夠製造其擬議的植入物（這仍須要數年），那麼從1000個電極上讀取數據能給你帶來多少好處呢?一個典型的人類大腦有860億個神經元。從1000個分散的位置讀取數據難道不是杯水車薪嗎?

不必定。

當我學習神經科學時，有兩種從大腦中讀取數據的範式。第一項研究是使用fMRI掃描儀、PET掃描儀或EKG等設備觀察大腦活動的總體模式。這些掃描儀使用先進的技術和統計分析來得到大腦活動的宏觀層面的圖像。它們在檢查大腦哪些區域與閱讀、情感和運動有關等方面很是有用。

另外一種範式側重於極端微觀層面的讀取——從單個通道到單個神經元。這種技術被稱爲膜片鉗，它的發明者還所以得到了1991年的諾貝爾獎。貼片鉗可讓科學家們更細緻地瞭解特定的大腦功能，好比某一類神經元中單個神經遞質的行爲。

然而，在宏觀和微觀之間，並無太多的中間地帶。最重要的假設是，科學家能夠經過fMRI和相關技術，從單個神經元讀取信息，研究它們的功能，或者馬上看到整個大腦的活動模式。但實時獲取特定區域的詳細神經元水平數據是不現實的。爲每一個神經元安裝一個電極是一個不可能達成的任務。

計算機領域的一項重大發展正在完全改變這一假設。深度學習是人工智能的一個分支，至少自2010年代初以來，它一直在悄悄地改造並建立着新的業務模式。

所謂的深度學習革命是Siri終於能夠理解你在說什麼；谷歌Photos知道你什麼時候上傳了你的貓的照片；你能夠從你的手機上存支票；拉斯維加斯的交通也終於能夠好好地治理了。這也是自動駕駛汽車等全新創新背後的技術。

深度學習是經過模擬人腦來實現的。這項技術的基礎是所謂的神經網絡，它在大型計算機系統中使用人工神經元和突觸來以全新的方式處理信息。

深度學習系統是很是好的模式設計者。你能夠向他們提供數據，若是有任何關聯模式/信息，他就會自動發現。你甚至都不須要提早知道你要找的是什麼。像孩子(或博士研究生)同樣，深度學習系統不只會在你的數據中發現（所謂的）模式，還會在第一時間教會本身如何發現這些模式，真正地自學成才。

深度學習的一些能力彷佛很神奇。他能夠從無到有地創造出可信的虛擬人臉，從聲音中猜想一我的的外貌，給黑白圖像、無人機上色，甚至能夠安全地駕駛汽車在城市中穿行。

---

深度學習的核心是使用模式識別從很小的數據樣本中理解整個系統。

壓縮傳感領域就是一個很好的例子。在2010年《連線》雜誌上發表的一篇文章中，科學家們展現瞭如何利用壓縮感知技術，從少許隨機分佈的像素點，重現時任美國總統巴拉克•奧巴馬(Barack Obama)的臉部精確圖像。

電腦能完成這樣的重建真是太神奇了。但更使人驚奇的是，重建奧巴馬的臉所須要的全部信息都在最開始的那一小塊隨機像素中。做爲一我的，你永遠不會想到這麼小的樣本能夠用來重建一個完整的圖像。但深度學習系統能夠很容易地找到並利用這些模式，即便是在很是稀疏的數據中。

對於像Neuralink這樣的公司來講，這些深度學習能力提供了一條充滿但願的新的發展之路。它們蘊含着一種誘人的可能性:那就是理解大腦。你不須要閱讀它全部的神經元，只須要一個足夠大的樣本和一個可以提取這一小部分並使用它來快速重建整個大腦的深度學習系統。

想象一下這個可能的將來:Neuralink已經完善了其植入物的生物醫學方面的研究。而後你已經安裝了一個，它從控制運動的運動系統的神經元讀取信息。當你想要移動你的手臂時，植入物會讀取1000個電極上的神經元活動模式。這些信息會當即被輸入到深度學習模型中。就像重建奧巴馬的電腦同樣，該系統會獲取這1000個讀數，並根據它們推斷將其外推到詳細的計劃中，以瞭解你是如何移動手臂的。

不過，電腦的分析並非實際地移動你的手臂，而是按照你在頭腦中計劃的方式來移動機器人手臂(或電腦光標)。

經過人工智能讓電腦讀懂你的想法，並重建你在腦海中想象的場景，是徹底有可能發生的事情。

如今再進一步，想象植入物被植入與視覺記憶相關的大腦區域。當你想象一個你曾經去過的地方(或者一個你想象出來的全新地方)，電腦會記錄下你的神經活動，而後用它來重建一個你想象出來的逼真的地方。

這可能須要超過1000個輸入，但基本概念是合理的。咱們知道空間記憶與神經相關。例如，瞭解城市複雜佈局的倫敦出租車司機，其大腦特定區域的增加一直是能夠衡量的。

若是植入物可以進行記錄並使用深度學習重建整個場景，那麼徹底能夠想象，計算機可以讀取你的想法，並重建你在腦海中想象的場景。這樣的應用多是一種想法。可是，這是有史以來第一次能夠實現這一目標的理論和實踐途徑。這就是爲何像Neuralink這樣的公司如此使人興奮。

經過將人工智能和真正的人類大腦在信息處理層面結合起來，Neuralink創造了將二者聯繫起來的真正可能性。

除了視覺思惟以外，還能夠想象到Neuralink技術的一些很是有用的應用程序。例如，Quadriplegics可使用該技術僅靠他們的思想來控制輪椅或光標。患有肌萎縮性側索硬化症（ALS）和其餘神經退行性疾病的人將擁有一種新的溝通方式。

這些醫療應用程序足以使Neuralink在創建其全面技術的同時保持資金和運做。正如特斯拉做爲一個平臺來資助和收集數據的自動駕駛汽車。Neuralink能夠將重度殘疾人的植入物用做研究更普遍的大腦功能的門戶。

Neuralink能夠很容易地將從這些早期患者身上學到的經驗應用到爲大衆提供的功能性植入物上。固然，與人腦相互做用的大衆市場技術存在無數固有的風險。但若是這些問題可以獲得解決，這項技術自己就會變得愈來愈可行。

當我在」大腦日「那天站在巴爾的摩的一個悶熱的演講廳裏時，我歷來沒有想過這些可能性會在個人有生之年存在。在某種程度上，這裏有一種協同效應——深度學習系統的人工大腦極可能會爲咱們的研究提供巨大的飛躍，使咱們最終了解了咱們真正的大腦。

原文連接：https://onezero.medium.com/how-elon-musks-neuralink-will-read-your-mind-bc06b09a0550

歡迎點擊「京東智聯雲」瞭解更多精彩內容！

以上信息來源於網絡，由「京東智聯雲開發者」公衆號編輯整理，不表明京東智聯雲立場。