Fork me on GitHub

历时两年,马斯克终发布「脑后插管」黑科技,革新脑机接口

  机器之心报道

  参与:机器之心编辑部

  成立两年,马斯克著名的脑机接口研究公司 Neuralink 终于在刚刚发布了其首款产品。与人们的想象相同,第一款产品果然是「脑后插管」的新技术。

  具体来说,马斯克希望人们可以像微创眼科手术一样安全无痛地植入脑机接口芯片。新推出的「打孔器」使用激光在头骨上钻孔,旨在尽可能减少损害。而「缝纫机」则可以将一条只有人头发丝 1/4 粗细的线路植入脑中,同时可以避开大脑血管。

  在这条线上是一系列微小电极和传感器,可从大量细胞中捕获信息并将其无线发送到计算机以供分析。


Neuralink 发布的「缝纫机」就上面这个样子。用激光在头骨上钻孔,把电线和芯片植入你的大脑,这种方式你可以接受吗?

  马斯克表示,Neuralink 的脑机接口植入技术计划实现三大目标:

  • 在保证安全性和可持续性的情况下,逐步提高读取和写入的神经元数量。
  • 在每个阶段,为有着急切医疗需求的病患生产设备。
  • 让脑机接口手术如激光近视手术一样简单和自动化。

  「我们不会突然推出神奇的技术,这需要很长时间,」马斯克表示。「但我认为未来人类智力会被 AI 甩在身后,脑机接口可以让我们跟上 AI 的脚步。所以,让人脑和机器连接很重要。」

  真正的脑后插管

  Neuralink 新产品的最终目标是在截瘫病人身上植入设备,帮助其控制手机或电脑。

  今天,这家公司首次公布的重大突破是灵活的「线」,这些线的宽度大约是 4 到 6 微米,比人类发丝还要细。与脑机接口现在使用的材料相比,这种「线」对大脑造成损伤的可能性较小。根据 Elon Musk & Neuralink 发布的一份白皮书,这些线还为大量数据的传输创造了可能。白皮书摘要指出,该系统可以包含「分布在 96 根线上的 3072 个电极」。

  除了开发这种线,Neuralink 的另一个重大突破是:可以自动嵌入这些线的机器,从而实现脑机接口连接。


Neuralink 制造的嵌在实验室老鼠身上的系统,包含 3072 个电极通道。

  在 Neurallink 开发出脑机接口之前,世界上第一个类似的系统被称为「BrainGate」,由布朗大学开发。相比前者,Neuralink 今日发布的系统是一次巨大超越。首先,BrainGate 依赖于 Utah Array,这是一组坚硬的针,最多适用于 128 个电极通道。Neuralink 的电极通道比它多很多,这意味着可以收集到更多的大脑数据。

  此外,Neuralink 的线比 Utah Array 更软。更硬的材质可能在长期使用中出现问题:例如,大脑在颅骨内可以自由移动,但植入大脑的针无法随之移动,日积月累的磨损最终会导致接口损坏。而 Neuralink 使用的高分子细线或许可以解决这个问题——细线足够灵活,可以随大脑的移动而发生不损坏细线本身的位移。

  但是,Neuralink 的细线比 Utah Array 更难植入,原因在于它非常灵活。为了解决这一问题,Neuralink 开发了一种「每分钟自动嵌入 6 根线(192 个电极)的神经外科手术机器人」。从下图中我们可以看到,它很像显微镜和缝纫机的混合体。它闪避开血管的位置,这会减少大脑产生炎症反应的情况。


Neuralink 打造的用于插线的机器人。

  除了以上部分以外,该白皮书指出,Neuralink 已经开发了一个能够更好地读取、清理和放大大脑信号的定制芯片。目前,该系统只能通过有线连接(USB-C)传输数据,但最终目标是创建一个无线系统。

  Neuralink 目前正在老鼠身上测试这种平台的稳定性。如果可行,该技术将非常具有前景,有望创造一个通过机器人手术植入的「高带宽」脑机接口。这种连接将通过上述那种灵活的「细线」(只有头发丝的 1/3)来实现,同时记录许多神经元的活动。


用于放大信号并将信号传输到计算机的芯片。

  这款芯片比人的手指还要小很多,很适合植入人体。「从线上收集到的脑电波信息会通过芯片无线传输到人身体之外的接收器上,就像手机的蓝牙一样,」马斯克表示。

  Neurallink,马斯克的黑科技工厂

  伊隆·马斯克是如今科技界响当当的人物,他大胆推动了许多关乎人类前途的项目,如电动车公司特斯拉、面向太空的 SpaceX、变革交通出行方式的 Hyperloop,以及面向人工智能技术研究的 OpenAI。此外,还有关乎人类自身进化的脑机接口研发公司 Neuralink——后者可以说是最为神秘的一家公司,自 2016 年 7 月成立以来,外界对其研究知之甚少。

  提到脑机接口,人们可能会联想到《黑客帝国》中脑后插管的技术,亦或是《头号玩家》、《刀剑神域》里非接触的沉浸式虚拟环境体验。自成立以来,人们一直在猜测 Neuralink 的工作已经进行到怎样的程度。此前有迹象表明,这家公司正在研究机器与猴脑连接的「高带宽」通信设备。这种设备可以通过使用超薄柔性电极一次记录许多神经元的活动,并提取大量信息。

  这种技术可以实现一些前所未有的事,比如让猴子通过脑机接口来打游戏。无论如何,马斯克的公司今天向我们展示的似乎已是人类在脑机接口方向上目前最前沿的技术了。

  人类的思想需要与互联网无缝连接,这样我们才能与人工智能保持同步。这是马斯克早在 2017 年 4 月时发表的看法。不过在我们都成为半机械人之前,首先得搞清楚金属芯片和脑神经如何才能协同工作。

  在公司刚刚成立时,有报道称 Neuralink 的第一批产品会被应用于治疗脑疾病,如癫痫或重度抑郁症,这一市场价值数十亿美元。这类植入物此前已被应用于治疗帕金森氏病这样的脑部疾病了。不过在未来,Neuralink 或许会远远超出其对医疗技术的初步探索。马斯克的最终目标,实际上是消除将人们的思想转化为语言,随后通过键盘、鼠标等输入工具传入计算机中的过程。直接的人机交互可以带来更快的通信速度,以及更大的「带宽」。

  Neuralink 拥有强大的研发团队,其共同创始人包括神经科学领域的一些著名学者,包括 Lawrence Livermore 国家实验室的工程师和柔性电极专家 Vanessa Tolosa,加利福尼亚大学旧金山分校教授 Philip Sabes(主要研究大脑如何控制运动),波士顿大学教授 Timothy Gardner(他曾给小鸟植入微电极,研究鸟类鸣叫),拥有哈佛医学院、MIT 电气工程与计算机系两个博士学位的 Benjamin Rapoport。

  与马斯克旗下的其他公司一样,致力于新技术研发的 Neuralink 耗资巨大,迄今为止已经融资 1.58 亿美元,拥有约 90 名员工。据美国证券交易委员会(SEC)的文件显示,今年 5 月,Neuralink 完成了此前 5100 万美元轮次融资中 3900 万美元的入账。

  脑机接口:未来的交互方式

  脑机接口(BCI),又名脑机融合感知或大脑端口,是在人或动物脑(或者脑细胞的培养物)与外部设备间建立的直接连接通路。脑机接口的研究对运动、感觉等能力受损的群体具有非常重要的意义。近年来,强大的深度学习技术也被应用到脑机接口研究中,脑机接口也成为深度学习研究者的另一重要方向。

  现有的脑机接口研究一般分为侵入式和非侵入式接口。随着深度学习技术的迅猛发展,越来越多的研究者也开始尝试用神经网络进行脑机接口研究,其中既有侵入式研究,也包含对非侵入式信号的解码。

  侵入式脑机接口主要用于重建特殊感觉(例如视觉)以及瘫痪病人的运动功能。这类脑机接口通常需要植入到大脑皮层,因此信号质量较高。

  今年 1 月份,《Science》杂志上发表了一项关于利用大脑信号进行语音合成的研究。研究人员选取了五位癫痫病患者作为研究对象,手术时在其听觉皮层上植入电极。他们将电极输出的数据转换成计算机生成的语音,然后使用神经网络将其重建为人类能够听懂的单词和句子。这一研究对于失语者等无法自主发声的群体有着非常重要的意义。

  今年 5 月份,MIT 的三位科学家也发表了一份利用深度学习进行脑机接口研究的成果,他们成功地用自己创建的人工神经网络控制了猴子大脑皮层的神经活动。研究者利用从神经网络模型中获得的信息创建了特定的非自然图像(如下图),然后将这些图像展示给实验中的猴子,结果发现,这些图像可以强烈激活他们选择的特定脑神经元。该实验表明,人类利用自己创建的人工神经系统成功控制真实神经系统的活动。


MIT 科学家用计算机生成的特定图像。这些图像与自然图像存在很大的差异。

  以上两种脑机接口研究都属于侵入式的。这种方式虽然信号质量较高,但也存在一些问题,如容易引发免疫反应和愈伤组织(疤痕),进而导致信号质量的衰退甚至消失。因此,如果能借助非侵入式方式(如脑电图)创建脑机接口可能会更加安全。

  脑电图是一种利用电极记录大脑活动的非侵入式技术,但大脑活动和脑电图信号之间的关系非常复杂,如何「解码」成为困扰研究者的一大难题。2015 年,Kaggle 举办了一场关于脑电图(EEG)数据识别的竞赛,旨在检测哪些 EEG 模式对应特定的手臂和手势动作,如抓取或提起物体。

  在以不同的方式预处理数据之后,参赛者需要设计一个神经网络来执行这种分类。这一研究领域的最终目标是开发平价、实用的假肢装置,通过大脑控制假肢,帮助截肢者恢复轻松进行基本活动的能力。类似的技术也可以应用于读取肌肉电激活,从而通过分析激活的肌肉来解码人试图执行的运动类型。

    参考链接:https://www.theverge.com/2019/7/16/20697123/elon-musk-neuralink-brain-reading-thread-robot

来自:
机器之心(ID:almosthuman2014)

作者:Johnson
原创文章,版权所有,转载请保留原文链接。