来源：外媒 编辑：Priscilla LQ

【新智元导读】兴奋猪猪、「通灵猴子」……Neuralink总是刷新着人们的认知。近日，Neuralink的神经工程师兼大脑信号团队负责人Joseph O'Doherty接受了一场独家问答访谈。

Neuralink给你印象最深的是什么？

是在两个月大的猪的大脑中植入硬币大小的Neurallink设备，成功读取它的大脑活动？

△ 植入了Neuralink设备的「二师兄」Gertrude

还是那只用「意念」玩乒乓球游戏且水平炉火纯青的猴子？

△ 「大师兄」Pager通过想象操纵杆的移动来打乒乓球，打中了就有奶昔喝

不管哪一个，每次Neuralink的脑机接口（BMI）都能让人「大受震撼」！

2016年6月，Neuralink成立之初，马斯克曾经探讨过一个科幻小说概念：Neural lace（神经织网）——一个无缝、稳定、可以直接与大脑通信的全脑接口。

△ Iain M. Banks在硅谷广受欢迎。马斯克说，他对脑机接口的兴趣部分源于Iain M. Banks的10部小说系列《文化》中的虚构宇宙中的「neuro lace」科幻概念

历来不羁放纵的马斯克声称，Neuralink设备有朝一日能实现「人工智能共生」（AI symbiosis），人脑将会和人工智能融合。

或许大家已经对马斯克的「口出狂言」习以为常了，毕竟Neuralink设备仍在试验中，甚至还没有获得最基本的临床安全性试验的批准。

但是，在这种夸张的言辞背后，Neuralink的科学家和工程师们也的确一直在开发完全植入式的脑机接口。

那么，他们进展如何，这背后又有什么不曾公开的神秘技术？

近日，Neuralink的神经工程师兼大脑信号团队负责人Joseph O'Doherty接受了一场独家问答访谈，向大家解释了Neuralink的目标、硬软件设备、当下的研发进展以及研发的「上限」。

下面节选了本次独家访谈的部分内容:

Neuralink离创造世界记录还有多远？

Q：马斯克经常提及Neuralink在未来的可能性，而在未来，人们可以自愿接受脑手术，并通过植入Link来增强能力。但在短期内，这个产品是为谁设计的呢？

A：目前我们在研究一种「通讯假体」（communication prosthesis），能让瘫痪的人重新控制键盘和鼠标。现在也正在加快使用这款假肢后的打字速度。

BMI要有一个良好记录设备，但也需要真正关注解码器的细节，因为它是一个「闭环系统」。要注意闭环问题才能真正提高性能。

我们的内部目标是，在BMI 的信息率方面打破世界纪录。我们已经非常接近最佳性能了，但现在还有一个问题：我们还能走多远？

优化软硬件设备

Q：2019年的时候，每根「线」有128个电极，现在呢？

A：现在每根「线」有16个触点，每个触点间隔200微米，之前的触点间隔更小。当触点间隔大约为20微米时，我们可以在多个相邻通道上记录相同的神经元，能够很好地表征我们正在记录的单个神经元。但这会要求很高的密度，需要的功率更多，这样做出来的产品效果会比较差。

所以我们改变了设计，将接触分散在皮质中，并将它们分布皮质区域的「线」上，这样就不会有多余的信息。现在的设计是每根「线」 16 个通道，共有64 根「线」，可以将它们放置在皮质区域内的任何位置，共计 1,024 个通道。

这些「线」会放进一个微型设备，这个设备具有算法、脉冲检测、电池、遥测等功能。除了 64x16，我们还在测试128x8 和 256x4 配置，看看性能有没有提升。

每个Link设备有4个芯片，每个芯片有256个通道，加起来就是1024个通道。

Q：好像很多脉冲检测都在芯片上完成的，几年前我以为它是在外部设备上完成的，这是随着时间的推移而优化的吗？

A：没错。我们有一种略有不同的脉冲检测方法。在神经科学，你通常想检测脉冲，然后根据神经元生成脉冲对脉冲进行排序。如果在通道上检测到脉冲，就会意识到，我其实可以在这里记录五个不同的神经元。这个脉冲来自哪个神经元？怎么找到产生每个脉冲的神经元？这是一个很难计算问题。

还有另一种极端情况：在电压上设置一个阈值，每次超过这个阈值时，就形成一个脉冲，只需计算其中发生了多少个。

这两个极端都不是好事。第一种情况下要进行大量计算，而这在小程序包中可能是不可行的。在第二个极端情况对噪声和伪影非常敏感，因为很多方面都会导致非神经元放电的阈值交叉。所以我们在找看起来像神经元产生的信号的形状。

这些之前是设备外部做的。在我们验证该算法时，因为它是一个有线系统，所以带宽更高，能够传输大量数据。芯片团队采用了这个算法，放在了硬件里，所以现在这一切都在芯片上自动发生。它会自动调整参数，然后检测脉冲，将脉冲信号发送到解码器。

学会了乒乓球，那水果忍者呢？

Q：之前提到Neuralink团队要么创造纪录，要么找出不能创造纪录的原因。那么，不能创造纪录的原因可能会是什么？

A：2D 光标控制不是一个非常高维的任务，可能存在与意念和速度相关的限制。

想象一下移动光标到命中目标需要多长时间: 用户从 a 点到达 b 点需要多长时间，在 b 点时做选择需要多长时间。并且，如果他们做错了或按错按钮，那结果就非常棘手了。所以他们必须在 a 和 b 之间走得更快，他们必须更确信地点击那些按钮，不能犯出现错误。

在某种程度上，我们将会达到一个极限，因为大脑无法跟上。如果光标移动太快，用户甚至看不到它在移动。我认为这时就会出现局限——不是神经接口，而是移动光标的意义。

因此，我们必须想出其他方法，与大脑接触，超越这一点。还有其他更好的沟通方式，也许包括十指打字。我认为天花板在哪里仍未可知。

Q：此前猴子玩的两个游戏都是光标控制：在乒乓球游戏中，猴子找到目标并使用光标移动球拍。对于其他非人灵长类动物，是否会有所突破？

A：非人灵长类动物可以学习其他更复杂的任务。训练时间可能会更长，因为我们不能告诉他们该做什么；我们必须向它们展示逐步变得复杂的事情。随便挑一个游戏：现在我们知道猴子可以玩乒乓，但是它们能玩水果忍者吗？这里存在训练负担，但我认为这在他们的能力范围之内。

要想了解更多详细的独家问答，有兴趣的读者可以点击下方链接阅读。

参考资料：

https://spectrum.ieee.org/tech-talk/biomedical/bionics/exclusive-neuralinks-goal-of-bestinworld-bmi#.YOZzBgZhNnM.twitter

—完—

欢迎点赞~ 关注 新智元 及时了解人工智能新动态~