馬斯克的神秘公司Neuralink，打算連接人腦和 AI 來完成「讀心術」

即使在對大腦進行了多年的研究之後，我們仍然對這個器官不甚了解。但是隨著深度學習、壓縮感知和神經修復術的發展，這一切都將改變。Elon Musk的公司Neuralink正在從事的研究（儘管我們知之甚少），很可能為我們打開新的科技大門，並助力我們最終真正了解自己的大腦。

👉 歡迎加入T客邦telegram ( https://t.me/TechbangNEWS )

當你把一個人的大腦握在手裡時，它不會給你帶來你所期望的任何感覺。

大多數人會覺得大腦的觸感就像是一些軟軟的東西，比如壓力球或果凍。但是從一罐福馬林溶液中拿出來的大腦的密度要大得多，也不那麼柔軟——總體來說就像拿著一團板油。

遙想21世紀初，作為約翰霍普金斯大學（Johns Hopkins University）認知科學（神經科學）專業的學生來說，我們要花三年的時間來研究這個器官的細節——在圖書館里通宵學習，透過極其困難的考試，還有緊張的講座——我們有為數不多的機會在教授的帶領下真正拿起這一器官，並把它捧在手裡。

我們的教授帶著擁有各種各樣的大腦——年輕的，年老的，正常的，病態的——的我們，空氣中有一股令人作嘔的工業級防腐劑的甜味。

一個學生暈倒了。我們開玩笑說，如果他摔了一跤，撞到了自己的頭，他不會選擇比在美國最著名的認知神經心理學家之一Michael McCloskey的演講大廳裡做這件事更好的地方了。（放心吧，這位學生沒什麼大礙。）

然而，即使在對大腦進行了多年的研究之後，我們仍然對這個器官不甚了解。我們可以觀察大腦是如何在無數個層面上工作的，了解某些區域的活動水準是如何影響感知的，甚至可以看到它的缺陷和損傷。但是，在我們的有生之年想要從科學角度控制意識和思想無疑是癡人說夢。即使是站在世界頂尖的專家中間——手中拿著一個大腦——這個器官的內部運作方式似乎也是神秘而不可知的。

隨著深度學習、壓縮感知和神經修復術的發展，這一切都將改變。處於這一變化前沿的是Tesla億萬富翁Elon Musk運營的一家神秘的公司：Neuralink。

Neuralink成立於2016年，總部位於舊金山。到目前為止，它已經籌集了1.58億美元，其中至少有1億美元來自Musk。

在這一場轟轟烈烈的創業潮流中，Neuralink對自己的技術、員工和成就守口如瓶。科技界對它的了解大多來自招聘動物研究專家的招聘啟事、少量正式公告和論文，以及Musk在2019年的演講。

雖然Neuralink沒有透露自己在幹什麼，但它的目標非常明確：該公司希望使用機器人將電極植入健康人的大腦，這樣他們就可以與人工智慧融合。人工智慧是Musk一直以來心心念念的領域之一，而Neuralink則是對「如果你不能打敗機器，就成為機器」這一概念的讓步。

電子人、腦外科手術機器人、讀心術，這一切聽起來都很恐怖，很科幻。所以我們不禁要問，Neuralink的技術是否合理？

▲ 圖片來源：Alpgiray Kelem/Getty Images

答案是肯定的，儘管這一回答可能會令你驚訝。

再一次，如果你在十年前問我——當時我戴著手套，手裡拿著一個人石化了的大腦——我會給一個模糊的科學家答案，比如，「除非有重大的技術突破，否則它看起來不太可能。」

但這一突破已經到來。它不在Neuralink計劃編織進你大腦的細如髮絲的電線裡，而是在那些電線連接的電腦裡。

Neuralink的目標是將這些細如髮絲的電線植入大腦，像縫紉機縫製襯衫一樣將其穿在血管上。這些電極將能夠讀取（並刺激）器官中多達1000個不同的位置。

這聽起來已經像科幻小說了。但臨床上確實存在用於刺激大腦的機器。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防線。大多數讀取（或刺激）的只是大腦中的幾個部位——在某些情況下只有兩個，使用的是比Neuralink更厚的電極。

從技術的角度來看，Neuralink提出的設備與其說是一個存在的飛躍，不如說是對現有技術的一個令人印象深刻的（如果是漸進的）改進。

該公司仍然需要應對一些問題，比如薄電極脫落（一個活的大腦真的很像一塊軟果凍）或者有疤痕組織形成。但是這些問題是可以解決的，只要有一群生物醫學工程師和幾億美元就可以解決。

假設Neuralink能夠製造出它的植入物——這仍然需要數年的時間——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？

還真不一定。

當我學習神經科學時，有兩種從大腦中讀取數據的範式。第一個是觀察大腦活動的整體模式，使用像fMRI掃描儀、PET掃描儀或EKG這樣的設備。這些掃描儀使用先進的技術和統計分析來獲得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非常有用。

另一種範式側重於極端微觀層面的閱讀——從單個通道到單個神經元。這種技術被稱為膜片鉗（patch clamp），它的發明者因此獲得了1991年的諾貝爾獎。膜片鉗能讓科學家們以令人難以置信的細節了解特定的大腦功能，比如某一類神經元中單個神經遞質的行為。

然而，在宏觀和微觀之間，並沒有太多的中間地帶。最重要的假設是，科學家可以透過fMRI和相關技術，從單個神經元讀取訊息，研究它們的功能，或者立刻看到整個大腦的活動模式。但即時獲取特定區域的詳細神經元水平數據是不現實的。這將需要為每個神經元安裝一個電極——這是一個不可能實現的成就。

電腦領域的一項重大發展正在徹底改變這一假設。深度學習是人工智慧領域的一個分支，至少自2010年代初以來，它一直在悄無聲息地重塑著領域格局，創造新的商業模式。

正是因為有了深度學習革命，Siri最終才能理解你說的話，Google Photos知道你什麼時候上傳了貓的照片，你可以從你的手機上存取款，Las Vegas的交通秩序終於得到了控制，甚至包括自動駕駛汽車這種創新背後的技術，也是深度學習大發展的功勞。

深度學習是透過模擬人腦來實現的。這項技術的基礎是所謂的神經網路，它利用大型電腦系統中的人工神經元和突觸，以全新的方式處理訊息。

深度學習系統是非常好的模式發現者。你可以向他們提供數據，任何模式它們都會在第一時間發現。你甚至不需要提前知道你要找的是什麼。像孩子（或博士研究生）一樣，深度學習系統不僅能在你的數據中找到模式，還能在一開始就教會自己如何找到這些模式。

深度學習的一些能力似乎很神奇。他們可以從無到有地創造出可信的假面孔，從聲音中猜測一個人的外貌，給黑白圖像上色，駕駛無人機，甚至可以安全地駕車在城市中穿行。

深度學習的核心是使用模式辨識從很小的數據樣本中理解整個系統。

壓縮感知領域就是一個很好的例子。在2010年《Wired》雜誌上發表的一篇文章中，科學家們展示瞭如何利用壓縮感知技術，從少量隨機分佈的像素點，重現時任美國總統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。但更令人驚奇的是，重建Obama的臉所需要的所有訊息都在那一小塊隨機的像素中。作為人類，你永遠不會想到這麼小的樣本可以用來重建一個完整的圖像。但深度學習系統可以很容易地找到並利用這些模式，即使是在非常稀疏的數據中也沒什麼問題。

對於像Neuralink這樣的公司來說，這些深度學習能力提供了一條有前途的新道路。它們蘊含著一種誘人的可能性：要理解大腦，你不需要讀取它所有的神經元。你只需要一個足夠大的樣本——1000個點對於一個特定的大腦區域來說似乎是合適的——和一個可以利用這個微小的部分來快速地重建整個大腦的深度學習系統就夠了。

想像一下這種可能的未來：Neuralink已經完善了其植入物的生物醫學技術。你已經安裝了一個，它能從控制運動的運動系統的神經元中讀取訊息。

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。這些訊息會立即被輸入到深度學習模型中。就像重建Obama臉部精確圖像的電腦一樣，該系統會獲取這1000個讀數，並根據它們推斷出你想要如何移動手臂的詳細計劃。

不過，電腦的分析並不是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（或電腦游標）。

現在再進一步，想像植入物被植入與視覺記憶相關的大腦區域。當你想像一個你曾經去過的地方（或者一個你想像出來的全新地方），電腦會記錄下你的神經活動，然後用它來重建一個你想像出來的逼真的地方。

它的數據可能需要超過1000個電極來讀取和收集，但基本概念和原理是合理的。我們知道空間記憶與神經相關。例如，了解城市復雜佈局的倫敦計程車司機，其大腦特定區域是不斷在增長的。

如果植入物能夠把這些區域裡的數據記錄下來，並利用深度學習重建完整的場景，那麼電腦能夠讀取你的想法，並重建你在腦海中想像的場景也完全是行得通的。

儘管這樣的應用可能還有很長的路要走，但這是有史以來第一次，我們有了一個理論和現實的途徑來實現這一目標。這就是為什麼像Neuralink這樣的公司會如此令人興奮。透過將人工智慧和真正的人類大腦在訊息處理層面結合起來，Neuralink創造了將兩者聯繫起來的真正可能性。

除了視覺讀心術，我們還可以把Neuralink的技術應用在其他的領域。例如，四肢癱瘓的人可以使用這項技術來控制輪椅。患有肌萎縮性脊髓側索硬化症和其他神經退行性疾病的人也有了新的交流方式。

這些醫學應用足以讓Neuralink資助和運轉，它構建了全面技術。就像特斯拉提供有利可圖的電動汽車作為一個平台來資助和收集數據的自動駕駛汽車，Neuralink可以使用植入的嚴重殘疾的網關的研究更廣泛的腦功能。

一旦你安裝了大腦植入物來解決四肢癱瘓的問題，何妨再用它來預測你的動作或讀取你對場景的視覺記憶呢？Neuralink可以很容易地將從這些早期患者身上學到的經驗應用到為大眾提供的功能性植入物上。當然，與人腦相互作用的大眾市場技術存在無數固有的風險。但如果這些問題能夠得到解決，這項技術本身就會變得越來越可行。

當我在十幾年前坐在那個悶熱的課堂裡聽講的時候，我從未想過這些可能性會在我的有生之年存在。有一個想法不知怎麼的突然跳進我的腦海裡——深度學習系統的人工大腦很可能為我們打開新的大門，讓我們最終真正了解自己的大腦。