标签：视觉 完整 程序 图书 特斯拉 改变 领域 campaign 安全
让我们来设想一下，当你手里握着一个“人脑”时是什么感觉？可能大多数人会想到柔软而糊状的东西，例如压力球或果冻模具。但是如果将人脑器官泡入一罐甲醛中，大脑密度会变得更大，柔软性更低——就像拿着一团羊脂。
对于2000年代初约翰霍普金斯大学认知科学（neuroscience）专业的学生而言，“大脑日”是他们完成所有课程后可以得到的嘉奖。“我们花了三年的时间来研究这个器官的细节——在图书馆通宵学习、通过极其困难的考试和接连不断的讲座……这是我们第一次有机会真正拿起一个器官，捧起一个大脑。”
“教授带着各种各样装着的大脑器官的罐子到教室。空气中有一种令人作呕的工业强效防腐剂的甜味。”
"一个学生晕倒了。我们开玩笑说，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迈克尔·麦克洛斯基(Michael
McCloskey)的演讲大厅里做这件事更好的地方了。"
然而，即使在对大脑进行了多年的研究之后，这个器官仍然有一些不透明的成分。我们可以观察到大脑是如何在无数的层面上工作的，我们可以理解在特定区域的活动水平是如何影响感知的，我们甚至看到它的畸形和病变是如何反应在我们身体上的。即使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似乎也是神秘而未知的。
随着深度学习、压缩感知和神经修复术的发展，这一切都将出现改变。处于这一变化前沿的是亿万富翁埃隆?马斯克(Elon Musk)运营的一家神秘且低调的公司:Neuralink。
Neuralink成立于2016年，总部位于旧金山。到目前为止，它已经筹集了1.58亿美元，其中至少有1亿美元来自马斯克。
在真正的创业潮流中，Neuralink一直对自己的技术、人员和成就讳莫如深。科技界对它的了解大多来自动物研究专家的招聘启事、少量正式公告和论文，以及马斯克的2019年的演讲。
虽然Neuralink没有透露其研究方法，但它的目标非常明确:公司希望使用机器人将电极植入健康人的大脑，这样他们就可以与人工智能融合。人工智能是马斯克一直以来的焦虑之一，而Neuralink是对“如果你不能打败机器，就成为机器”这一概念的让步。机器人、脑外科手术
机器人、读心术……这一切听起来都很诡异，很像科幻电影。那Neuralink的技术是否合理?
令人惊讶的是,是的。
再说一次，如果你在十年前问我——当时我戴着手套，手里拿着一个人的石化大脑——我会给一个模糊的科学家答案，比如，“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。它不再是Neuralink计划编织进你大脑的细如发丝的电线里。它就在那些电线连接的电脑里。
Neuralink正在研发一种大脑假肢。它的目标是将薄层植入大脑，像缝纫机缝制衬衫一样将它们穿在血管上。这些电极将能够沿着它们穿过器官的路线从多达1,000个不同的位置进行读取（并刺激）信息。
这听起来已经像科幻小说了。但目前临床上有用的深部脑刺激器是存在的。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药物。大多数只从（或刺激）大脑的几个位置读取（在某些情况下只有两个）。而且它们使用的电极要比Neuralink厚得多。
从技术的角度来看，Neuralink提出的设备与其说是一个基于现有技术的飞跃，不如说是对现有技术的一个重大的改进。该公司仍然需要面对一些问题，比如薄电极折断(一个活的大脑真的很像软果冻，不像我们在实验室里接触到的那样）或者伤疤组织的形成等问题。但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。
假设Neuralink可以制造其拟议的植入物（这仍需要数年），那么从1000个电极上读取数据能给你带来多少好处呢?一个典型的人类大脑有860亿个神经元。从1000个分散的位置读取数据难道不是杯水车薪吗?
不一定。
当我学习神经科学时，有两种从大脑中读取数据的范式。第一项研究是使用fMRI扫描仪、PET扫描仪或EKG等设备观察大脑活动的整体模式。这些扫描仪使用先进的技术和统计分析来获得大脑活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非常有用。
另一种范式侧重于极端微观层面的读取——从单个通道到单个神经元。这种技术被称为膜片钳，它的发明者还因此获得了1991年的诺贝尔奖。贴片钳可以让科学家们更细致地了解特定的大脑功能，比如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，研究它们的功能，或者立刻看到整个大脑的活动模式。但实时获取特定区域的详细神经元水平数据是不现实的。为每个神经元安装一个电极是一个不可能达成的任务。
计算机领域的一项重大发展正在彻底改变这一假设。深度学习是人工智能的一个分支，至少自2010年代初以来，它一直在悄悄地改造并创建着新的业务模式。
所谓的深度学习革命是Siri终于可以理解你在说什么；谷歌Photos知道你何时上传了你的猫的照片；你可以从你的手机上存支票；拉斯维加斯的交通也终于可以好好地治理了。这也是自动驾驶汽车等全新创新背后的技术。
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，它在大型计算机系统中使用人工神经元和突触来以全新的方式处理信息。
深度学习系统是非常好的模式设计者。你可以向他们提供数据，如果有任何关联模式/信息，他就会自动发现。你甚至都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，深度学习系统不仅会在你的数据中发现（所谓的）模式，还会在第一时间教会自己如何发现这些模式，真正地自学成才。
深度学习的一些能力似乎很神奇。他可以从无到有地创造出可信的虚拟人脸，从声音中猜测一个人的外貌，给黑白图像、无人机上色，甚至可以安全地驾驶汽车在城市中穿行。
深度学习的核心是使用模式识别从很小的数据样本中理解整个系统。
压缩传感领域就是一个很好的例子。在2010年《连线》杂志上发表的一篇文章中，科学家们展示了如何利用压缩感知技术，从少量随机分布的像素点，重现时任美国总统巴拉克?奥巴马(Barack Obama)的脸部精确图像。
电脑能完成这样的重建真是太神奇了。但更令人惊奇的是，重建奥巴马的脸所需要的所有信息都在最开始的那一小块随机像素中。作为一个人，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利用这些模式，即使是在非常稀疏的数据中。
对于像Neuralink这样的公司来说，这些深度学习能力提供了一条充满希望的新的发展之路。它们蕴含着一种诱人的可能性:那就是理解大脑。你不需要阅读它所有的神经元，只需要一个足够大的样本和一个能够提取这一小部分并使用它来快速重建整个大脑的深度学习系统。
想象一下这个可能的未来:Neuralink已经完善了其植入物的生物医学方面的研究。然后你已经安装了一个，它从控制运动的运动系统的神经元读取信息。当你想要移动你的手臂时，植入物会读取1000个电极上的神经元活动模式。这些信息会立即被输入到深度学习模型中。就像重建奥巴马的电脑一样，该系统会获取这1000个读数，并根据它们推断将其外推到详细的计划中，以了解你是如何移动手臂的。
不过，电脑的分析并不是实际地移动你的手臂，而是按照你在头脑中计划的方式来移动机器人手臂(或电脑光标)。
通过人工智能让电脑读懂你的想法，并重建你在脑海中想象的场景，是完全有可能发生的事情。
现在再进一步，想象植入物被植入与视觉记忆相关的大脑区域。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)，电脑会记录下你的神经活动，然后用它来重建一个你想象出来的逼真的地方。
这可能需要超过1000个输入，但基本概念是合理的。我们知道空间记忆与神经相关。例如，了解城市复杂布局的伦敦出租车司机，其大脑特定区域的增长一直是可以衡量的。
如果植入物能够进行记录并使用深度学习重建整个场景，那么完全可以想象，计算机能够读取你的想法，并重建你在脑海中想象的场景。这样的应用可能是一种想法。但是，这是有史以来第一次可以实现这一目标的理论和实践途径。这就是为什么像Neuralink这样的公司如此令人兴奋。
通过将人工智能和真正的人类大脑在信息处理层面结合起来，Neuralink创造了将两者联系起来的真正可能性。
除了视觉思维之外，还可以想象到Neuralink技术的一些非常有用的应用程序。例如，Quadriplegics可以使用该技术仅靠他们的思想来控制轮椅或光标。患有肌萎缩性侧索硬化症（ALS）和其他神经退行性疾病的人将拥有一种新的沟通方式。
这些医疗应用程序足以使Neuralink在建立其全面技术的同时保持资金和运作。正如特斯拉作为一个平台来资助和收集数据的自动驾驶汽车。Neuralink可以将重度残疾人的植入物用作研究更广泛的大脑功能的门户。
Neuralink可以很容易地将从这些早期患者身上学到的经验应用到为大众提供的功能性植入物上。当然，与人脑相互作用的大众市场技术存在无数固有的风险。但如果这些问题能够得到解决，这项技术本身就会变得越来越可行。
当我在”大脑日“那天站在巴尔的摩的一个闷热的演讲厅里时，我从来没有想过这些可能性会在我的有生之年存在。在某种程度上，这里有一种协同效应——深度学习系统的人工大脑很可能会为我们的研究提供巨大的飞跃，使我们最终了解了我们真正的大脑。
原文链接：https://onezero.medium.com/how-elon-musks-neuralink-will-read-your-mind-bc06b09a0550
欢迎点击“京东智联云”了解更多精彩内容！
以上信息来源于网络，由“京东智联云开发者”公众号编辑整理，不代表京东智联云立场。
标签：视觉 完整 程序 图书 特斯拉 改变 领域 campaign 安全
原文地址：https://www.cnblogs.com/jdclouddeveloper/p/12589930.html
