人类一直都在探索并且了解我们所处的宇宙。爱因斯坦曾说,“宇宙的永恒之谜在于其可理解性,宇宙能被理解是个奇迹。”
人类的大脑中拥有大约860亿个神经元,这些神经元之间通过一种名为“触突”的结构来互相联系,并以此来处理和传递信号,数量之繁密,胜过整个银河系的星辰。因此,大脑之谜与宇宙之谜被称为“两大科学难题”。
破解“宇宙之谜”是诗意且长期主义的,攻克“大脑之谜”是具体且迫切的
大脑作为最重要且最脆弱的器官,可以使人类成为“万物之灵”,也会被各种脑疾病缠绕,如青少年的自闭症,中年的抑郁症,老年后的痴呆症等。随着中国推出了“脑计划”,即认识脑、保护脑、模拟脑。而脑科学研究的顺利开展离不开底层核心工具——脑机接口,它可以实现长期稳定读写大规模神经元动态网络数据。
成立于2021年底的脑虎科技是目前国内侵入式脑机接口领域最具代表性的公司,同时也是脑机接口领域较大规模的早期融资获得者。
脑虎科技CEO彭雷近期在接受采访时表示,“脑机接口是典型的多学科交叉的领域,涵盖了微电子、半导体、芯片、材料、算法、机器人、医学、伦理、神经科学等众多的学科,而我们所做的核心难点,是如何最大限度的利用大脑,同时最少限度损伤它,要尽可能实现两者之间的平衡。”拥有20余年创业经验的彭雷不禁感叹,脑机接口的学科交叉领域之宽,着实超出了他之前所有的创业经验。
简单来说,脑机接口就是把电极插入大脑,把信息解码放到云端,整个链路全部打通,实现端到端的整体的解决方案。彭雷表示,脑虎科技正在探索的一种方式,是把线变硬,通过固化的蚕丝蛋白液包裹电极植入大脑,植入后的蚕丝蛋白会慢慢释放,释放之后是一个生物安全性非常高的材料,可以理解成以电极为剑、用蚕丝蛋白做剑鞘,插入之后剑鞘融化、留下剑本身。
在大脑的探索之路上引发的技术变革
由于解析神经电活动是解析大脑功能的核心,能够同时实现光刺激和脑电信号记录的多功能神经探针,是脑科学和脑疾病领域的一个重要研究方向。
从脑机接口的发展方向上来看,不仅要求类似摩尔定律一样的高通量“通讯”,从一周、一月到一年甚至更长的“长期在体”,而且要求“低创伤”。彭雷提出,“在集成电路里有一条著名定律‘摩尔定律’,也就是晶体管的数量每 18 个月会翻一番。其实在脑机接口领域也有‘摩尔定律’,或者叫‘亚摩尔定律’,就是用于同时捕捉脑神经元的电极位点数量每 70 个月才会翻一番,发展速度还远远落后于集成电路行业。”
据悉,中科院上海微系统所陶虎课题组利用微纳加工技术和生物相容性材料,成功研制出一种由天然丝蛋白光纤和多通道超柔性微电极阵列组成的多功能探针Silk-Optrode。鉴于蚕丝的高透明度、良好的生物相容性和机械可控性,该光电探针可以精确地插入大脑,对自由行为的动物进行同步光遗传刺激和多通道记录。
通过丝光纤的水化作用,Silk - Optrode探针能够主动适应植入后的环境,降低自身的机械刚度,以高准确度植入大脑,同时保持与周围组织的机械顺应性。该光电探针具有128个记录通道,可以在进行低光损耗的颅内光刺激的同时,检测到高良率、良好隔离的单个单元,超过了以往同类工作。术后两个月的结果表明,Silk-Optrode探针在植入—神经界面处产生较少的免疫反应和组织损伤,具有良好的生物相容性。
随着近期AGI大火,很多人会将脑机接口做对比,彭雷说,“这两件事可以看成是一座桥的两端。AGI用全人类的数据、语料库、反复训练成一个超大语言模型,最终这个模型不会产生意识和认知。而脑机接口的本质是将人类如星辰大海般的大脑,进行解析,尝试将它变成电脑可以理解的算法跟数据。”
大脑和宇宙之间唯一的共通性就是“神秘”。温伯格说:搞懂了大脑,才能让我们明白自己究竟何以为人。
好文章,需要你的鼓励
西部数据首席产品与工程官Ahmed Shihab表示,公司HAMR技术进展顺利,OptiNAND能提供容量优势。HAMR技术物理原理已突破,正进行制造工艺优化。相比希捷10盘片技术,西数11盘片设计提供更大发展空间,可更快推向市场。OptiNAND结合UltraSMR算法可实现更高单盘容量。公司采取保守策略,注重可靠性,客户已完成相关软件认证。硬盘在数据经济中仍是基础,在视频监控等写密集型应用中具备成本和耐久性优势。
新加坡国立大学研究团队开发了SPIRAL框架,通过让AI与自己对弈零和游戏来提升推理能力。实验显示,仅训练AI玩简单扑克游戏就能让其数学推理能力提升8.6%,通用推理提升8.4%,且无需任何数学题目作为训练材料。研究发现游戏中的三种推理模式能成功转移到数学解题中,为AI训练提供了新思路。
一旦人工智能达到通用智能(AGI)或超级智能(ASI)水平,人类将无法逆转回传统AI。AGI与人类智力相当,ASI则超越人类智慧。由于人类会对此类AI产生依赖,且AGI/ASI具备自我保护能力,通过全球禁令、内置终止开关或控制措施都难以有效阻止。AI末日论者担心existential风险,而AI加速主义者认为将解决人类问题。唯一可能的逆转机会是AGI/ASI主动选择关闭自己以拯救人类。
同济大学团队开发的GIGA-ToF技术通过融合多帧图像的"图结构"信息,创新性地解决了3D相机噪声问题。该技术利用图像间的不变几何关系,结合深度学习和数学优化方法,在合成数据集上实现37.9%的精度提升,并在真实设备上展现出色泛化能力,为机器人、AR和自动驾驶等领域提供更可靠的3D视觉解决方案。