新智元报道
电影《黑客帝国》以及《超验骇客》里面所展示的那些情节, 现在正在被埃隆·马斯克通过一步一步的方式, 慢慢地变成现实中的事物。
就在今天这个时间点上, 那个被叫做Neuralink的机构, 它扔出来了一个最新的那个进展内容, 说实话, 真的是让人有一点感到那种非常震撼的感觉。
在这一次的状况当中, 马斯克把事做得比较直接, 他把SpaceX里的Grok这个产品呢, 就接在了人类的大脑上面。
只要患者在脑子里头默默念叨一句, 也就是Hey Neuralink这几个英文字母, 然后紧接着在心里头去想一想, 打算去干那些活儿, 那么这时候电脑上面的Grok Agent这个东西, 就会被瞬间给唤醒过来。
在接下来的这个时间点, Grok它便会由始至终全自动去接管屏幕的运行, 接着它就会直接登录到YouTube上面去了。
最让人心中受到触动的场面, 其实是一通看起来不普通的电话。
那个重度瘫痪并且失语的患者, 他的大脑里的芯片能够直接把他想说的话转化成纯净的音频流, 随后这个纯净的音频流会被实时地注入到iPhone麦克风的通话底层。
在那样一个漫长的、让人几乎快要绝望的七年之后。他终于还是能够靠着那股子叫做意念的力量。去给他的妻子拨打电话。
人类现在离真正意义上的也就是大家说的那个所谓机械飞升这个东西, 其实是越来越近了, 而且这一步跨得真的是太疯狂了, 疯狂得不像话。
72小时封神实录
「脑机接口」最狠升级
能够达成这所有的一切成果, 这背后的原因全都在于是Neuralink团队, 他们在几天之前所付出的那份努力, 他们在那段时间里打了一场可以被叫做「硬仗」的斗争, 所以事情才能办成。
那几位核心工程师, 他们直接打包好行李, 然后住进了受试者的家里边, 一起吃, 一起住, 搞了一个长达七十二小时的极限闭关开发。
他们足足花了三天三夜的时间, 把这原本需要花费了好几个星期的工作硬是在短短的几个小时里完成掉, 一口气拼命地弄出了8个全新的功能。
在过去的时间里, 我们对脑机接口这个概念的认知, 它还是停留在这样的一个状况当中, 也就是说, 我们认为脑机接口的作用就是仅仅只是可以通过人的意念来挪动一下鼠标的光标。
在过了这72小时之后, 大脑就会正式成为人工智能所对应的那个原生的输入终端方面的内容。
这位患者, 他的名字叫Kenneth, 已经被确诊为肌萎缩侧索硬化症（ALS）, 并且这个诊断的结果持续了整整七年, 他还是Neuralink P21这项临床试验里的受试人员。
在过往的一路行程里面, 他总是保持一种非常乐观的状态, 这就像是经常挂在他嘴边的那句话所表达出的意思一样, 尽管肌萎缩侧索硬化症这种状况是很糟糕的, 可是属于他个人的人生旅程并不是这样子的。
脑子里猛地蹦出来一个念头, 心想这Grok终于算是真的干上了正经事。
这次最有科幻感的功能, 当然是Grok。
脑机接口的患者, 只需要在大脑里面想象去说出那个“Hey Neuralink”这个词汇, 然后呢再加上自己心里面希望去完成的那个各种各样的任务内容, 这么一来, 就能去把这个名叫Groki的那个智能体给直接触发了, 那这个由它来在电脑的上面自己去把相关的一些执行动作自动完成就可以了。
手其实不需要去敲那个键盘, 嘴巴也用不着真的发出声音来, 那些指令呢, 是直接从咱们的神经活动那一头给发出去的。
把这条链路拆分开来, 这样就比较容易理解了。脑机接口负责的工作, 是把表达的意图转换成可用的输入, 然后由Grok智能体来接住这个任务, 接着再去操作电脑。
大家通常讲的那个叫做接入的东西, 它其实就是一个彻底进行改变的过程, 这个改变涉及到的是交互这个方面的一个新的维度。
脑机接口领域存在一个最为主要的限制性因素, 也就是带宽的大小。由于受到物理条件的限制, 电极数量以及解码速度这两个方面, 都有各自能够达到的最高极限。
Agent这一种东西, 它的价值在哪里? 在于它把一句话这个东西进行放大的操作。这种放大是一连串的操作过程。咱们不用加一个电极出来, 那么, 每一次意念能够完成的事情, 就可以被成倍地放大了。
这就如同Neuralink自己讲明了的那样, 这只是一次早期的试探性的探索过程, 然而它确确实实地展现了这一点:
只要大脑和电脑之间的沟通变顺畅了, 「想到」和「做到»之间那道坎, 就能被抹平。
八大核心技术拆解
在这72个小时之内, 诞生了8项技术的原型。这些原型是从底层的信号捕捉开始做起的。它们一路打通了系统级的交互环节。最后, 它们接入了顶层的AI大模型。
在这次黑客马拉松活动开始之前, Kenneth想要使用靠脑电波来产生语音的功能的时候, 他必须去应对一个让人感到十分尴尬的悖论现象, 那就是你无论如何都必须先用手指手动地去按下那个按钮, 以此向软件发送一个明确的指令, 告知程序你此刻已经准备好开始集中精力进行思考了, 而当你所想的这些内容结束之后, 你还必须再一次去按下那个按钮, 以此来告诉系统现在可以停止录制声音了。
对于那些患上渐冻症, 也就是ALS这个病, 又或者是因为高位截瘫而身体没法正常动弹的患者们来讲, 去按下这么个按钮这回事, 本身就是特别巨大的负担。
在这个情况下, 工程师们采取了直接行动的这种方式, 他们从系统最基础的部分开始, 从头到尾重新进行构建工作, 最终打造出了一套全新的「神经语音活动检测（Neural VAD）」系统。
这套算法就像是在24小时间隔里都保持待命状态的一个神经哨兵, 它对从植入物里面传回来的那些脑电信号流进行实时监听。
它可以非常灵敏地进行区分, 并且能够看清大脑在当前的时间点究竟是一种什么样的情形。这种情形可能是让思绪完全停止, 呈现出放空和发呆的静息状态, 也可能是已经调动起了运动皮层, 进入了准备开口说话的状态。
只要捕捉到了说话意图脉冲, 那么应用程序就会在毫秒级别的时间内自动开启解码工作, 一旦话音停止之后, 系统就会自动进入休眠状态。
整个过程中不需要按键, 也不用动手, 做到了纯粹通过意念就能让话语马上说出来。
在脑机接口这个领域, 一直以来都存在一个让人非常苦恼的黑盒难题, 甚至连受试者自己也搞不清楚, 究竟在脑子里用什么样的方式来进行思考, 这种思考才能够激发出最为强烈以及最为清晰的神经元放电反应呢。
大家得明白这样一个事实, 那就是, 要是输入信号里面的信噪比变得更高了的话, 那么这个处在后端的机器学习的解码器, 它那方面的准确率, 就会变得非常逆天。
将那个团队从植入物里面所检测到的信号强度还有它的那个空间分布情况, 全部都转化成了实时的画面, 然后把这个结果反馈给Kenneth。他能够换着不同的花样去进行那个所谓的“在脑中发音”。并且能够在这个过程当中当场看清楚。看到究竟是哪一种方式能够充分调动起最多的神经活跃度。
这在神经科学里面属于闭环神经反馈这个事儿, 意思就是大家需要明白, 并不是只有那个模型在不停地适应人类的大脑, 同时反过来讲, 人类的大脑也应该是在不断地去适应那个模型, 这两者是相互的影响关系。
原本看不见摸不着的调参, 现在变成了有即时反馈的闯关游戏。
通过操作手机来订购咖啡, 在这一整个过程里面是不需要用到手的。
过去的这几个月, Neuralink的内部一直在悄悄地进行打磨这一款名为Bloom的专属应用的过程, 而这个应用的目标是非常明确的, 就是要把体积非常庞大的、复杂的言语脑机解码系统, 直接安装到一部普通的手机当中去。
趁着这次黑客松活动, 工程师就直接推着Kenneth出了家门, 顺手把Bloom带上, 然后径直奔向那一片嘈杂的公共场所。
在这家真实的咖啡馆当中, Kenneth他头一回, 他没有再去依靠旁边的人来替他把话传出去, 相反的, 他是直接通过他自己手里面的那个手机应用软件叫作Bloom的那个玩意儿, 他用一种靠意念的力量给他自己点了这一杯咖啡饮品类饮品。
而这件事, 仅仅才算是刚刚起步而已。
对于ALS患者而言, 苹果公司自带的那个简易的软键盘功能以及那个语音输入听写工具Siri, 他们都压根没办法正常使用。
所以, 研究小组就不得不直接去调用iOS系统底层的那些接口程序, 然后再自己动手硬生生地制作出了一套在操作系统级别上的脑机接口类型的输入法软件, 并且给他们起名叫BCI Keyboard Dictation这样的一串字母数字组合的名称。
只要把键盘调出来, Kenneth脑子里边想要说的话, 就会经由神经解码这一套操作处理完之后, 接着就像那流水一样没完没了地、持续不断地输入到iPhone这个手机当中去的那些随便哪一个应用程序里面。
在写备忘录、回消息、刷社交网络的时候, 全程都不需要在不同的模式之中来回去切换, 能够指着哪儿就打哪儿。
解码这个过程里, 出现错误的情况是不可避免的现实存在。
因为这样, 所以工程师在黑客人马拉松活动的时间里头, 接连着改了好几版纠错的界面, 最后, 是跟一套预测修改的流程一起打包了, 直接弄进了那个键盘里面, 只要一旦那识别出现了问题, 不对的情况, 那么键盘上方会很快弹出来几个可能性比较高的候选词, Kenneth这个人, 只需要用念头快速扫一遍, 就可以在任何App应用里边完成那种超级快速的替换动作。
另外还有一个小细节, 就是它让平常时候跟人进行交流的那个开始的难易程度变到了非常低、差不多等于没有的程度这一状况。
工程师很巧妙地把iPhone里面有的那个「实时活动」的功能给借用过来了, 同时呢还把灵动岛的那个机制也一并利用了, 这么一来呢, 就能让Bloom这个东西一直待在锁屏界面的上面不走了。
Kenneth根本就用不着去解锁他的手机, 他的屏幕一亮起来, 他就能看清楚现在的脑机连接到底是什么样的状况；而他的脑筋稍微一动一下, 他就能够在锁屏的状态当中直接开口去“说话”这样的一种动作, 他做到了真的是可以马上接住话语的那种境界。
他瘫痪七年
总算是在心里头给那边拨出去了, 电话就这么接通了。
在各个功能当中, 「用意念拨通电话」这项技术, 其难度在客观事实上并不是处于最高水平这一状态, 但它却成功地在现场所有的参与者内部引发了强烈的感动情绪并导致了流泪反应的发生。
在技术层面, 这个团队把Bloom和电话通话的功能给连接起来了。这样做是为了让脑机接口弄出来的声音, 能够直接放到电话麦克风的音频流里面去。
可是咱们得说这么个事儿, 它的分量到底在什么地方呢? 它并不在于技术怎么样, 它是在于这个故事讲得好不好。
关于Kenneth和他妻子的那个恋爱, 最开始是在电话里头弄起来的。两个人在一开始刚认识的那个当下, 相互之间的感情状态是凭借着那一个接着一个的电话在慢慢通过聊天给发展出来的。在过去那个时间段里, 连接他们俩的那根通信用的电话线, 曾经被看作是两人中间最为关键的一条联络渠道。
后来的时间, 那个疾病让他变得很难再发出声音去说话。那一根线, 也在不知不觉里头慢慢变得安静下来, 不再发出任何声响。
在这次这个时刻, 工程师们才刚刚把用来接打电话的那个功能给弄出来。于是他就拿起了那个手机, 然后拨打了号电话打给了自己的配偶也就是他的妻子。
电话接通了。他没有张嘴说话, 但是脑海里想说的话被植入体给捕捉到了。然后呢, 又被解码器给翻译了一遍。最后再合成成为声音, 直接就把这个声音送入了通话线路里面。
从听筒的那一端, 传来了妻子的笑声。
然后这两个人就都开始在一起互相拿对方开玩笑、互相争辩说大话, 这种情况就跟他们过去那些日子的时候, 通过打那个电话来进行谈朋友的时候的状况是一样的。
工程师们当时就这么站在一旁看着, 随后 Neuralink 官方方面对外宣称, 这被他们认为是从过去的一整周的漫长时光里所经历过的所有事情中, 最为难以忘怀的一个时刻之一。
在工程领域, 很少有什么比这更具有成就感了。你会看到这样的一种情景, 就是某一个人用他在当天的早上刚刚才写好的代码, 去跟他所喜欢的人进行交谈。
通过意念来驱动人工智能, 让这件事成为现实中可以被做到的事情。
在过去的那个年代里, 大脑的带宽显得太过狭窄了, 导致人们必须一个一个字母地去敲击键盘, 还得一次又一次地点击鼠标, 才勉强能够向机器那边输出信息, 这简直就像是在一点点地挤牙膏一样。
现在是这样的情况, 大脑只需要输出一句意图就行了, 而剩下的那些事情, 像是要进行拆解, 要去执行, 要去做操作, 这些全部都可以交给人工智能。因为当Grok接入了脑机接口之后, 人类的大脑才有很大希望可以第一次真正成为人工智能的直接输入端。
这将是一个巨大的转变, 这个转变体现在人与计算机之间进行互动的方面, 这是一个重大的跨越。
