# 用大脑通宵打〈文明6〉：脑机接口的真实进度与极限 > Cognitive Revolution No. 128 中文精读 - 原标题：Merging Man and Machine? The Neurotech Frontier with Dean W. Ball - 发布日期：2024-04-26 - 主持：Nathan Labenz - 网页版：https://cogrev.1mmt.com/ep/128-merging-man-and-machine-the-neurotech-frontier-with-dean-w-b-dRxola.html - 精读字数：约 5646 字（阅读约 13 分钟） > 本文为 cogrev.1mmt.com 基于原始访谈的 AI 改写中文精读，非官方翻译；引用请注明出处并链接网页版。 一位四肢瘫痪的病人，植入脑机接口后的第一晚，通宵玩了《文明6》。他用大脑移动光标，跑的是原版 Windows，没装任何特殊软件。这位因潜水事故瘫痪的年轻人叫诺兰·阿博，是 Neuralink 的首位受试者。 另一组数字同样具体：一个 8 通道的消费级脑电头带，每秒从头皮采集 8000 个数据点；实验室里的脑电设备，能在癫痫发作前一小时做出预测，准确率接近 100%；早期帕金森病的神经特征，识别准确率超过 90%。 这是播客 Cognitive Revolution 2024 年 4 月一期节目的内容。主持人 Nathan Labenz 请来美国乔治梅森大学梅卡图斯中心（Mercatus Center）研究员、Substack 通讯 Hyperdimensional 的作者迪恩·鲍尔（Dean W. Ball），把脑机接口的技术现状从头到尾捋了一遍。迪恩在智库做了十年州和地方经济政策，研究住房与基建，年轻时给开源论坛软件 phpBB 提交过代码，ChatGPT 出现后开始密集跟踪机器学习文献。政策出身加技术底子，让他成了讲清这件事的合适人选。 ## 合并早就开始了 迪恩的出发点是个历史判断。1960 年，DARPA 资深研究员利克莱德（J. C. R. Licklider）发表《人机共生》，预言通用人工智能五到十年内就会到来，之后可能进化成超级智能取代人类，「在那之前，我们会玩得很开心」。一位国防系统内的高级官员在六十年代写下这种判断，可见当时的计算技术给了人多大的想象空间。 六十多年后，同样的论调回来了。奥尔特曼写过一篇叫 The Merge 的博客，把人机合并描述成必然；马斯克更直接，成立 Neuralink 动手做。迪恩跟不少 AI 前沿的从业者聊过，一个共同直觉是：如果超级智能真有哪怕一点可能，人机合并就不会太远。 迪恩的核心论点比这些说法都冷静：**合并是进行时，已经跑了几十年。**他在节目开头就说： > 「计算机早已是神经接口。你不直接用大脑控制它，但它显然在与你的大脑交互，你通过触控、经由大脑在操作它。」 信息技术史上反复出现一个规律：**新技术除了改变信息的传播方式，还会改变人的思维方式。**Nathan 在节目里给了自己的例子。过去写代码，他习惯先冲进编辑器；现在用语言模型，他发现先想清楚要什么、把概念定义好再动手，回报高得多。收件箱也一样，以前靠记关键词搜邮件，现在直接问问题，他甚至感觉关键词搜索的能力开始退化。 迪恩的版本是提问能力。GPT-4 刚发布时，他问一个问题，结果不理想，但他判断模型有能力给出更好的答案，问题一定出在自己身上，于是反复打磨问法。**找到正确的问题，占智力旅程的九成。**工具逼着他把这件事练好了。他还观察到，Claude 3 Opus 和 GPT-4 在常规问题上差距不大，越到知识前沿差距越明显，他自己研究神经科学就大量靠 Claude 补文献，GPT-4 给的答案他有时一眼能看出是在编。 迪恩担心的是另一件事：世界正在迎来一轮认知密度的大跃升，类似曼哈顿四百年的变化，土地没变，密度完全不同。他担心自己和 Nathan 这样的人已经活在泡泡里，天天推演 AI 智能体，而很多人一年前问过 ChatGPT 一个问题就再没碰过。Nathan 引用了一项当周的研究，30% 的年轻人在工作中用上了 ChatGPT，一年多就有这个渗透速度，很快，但离全覆盖还远。**神经技术可能是让普通人跟上复杂度的办法之一。** ## 读脑：隔着颅骨收信号 迪恩把整个神经技术概括成一句话：先进的传感器融合加信号处理。思想由电和磁介导，测量大脑活动产生的电场和磁场，就是最直接的读法。 最常用的工具是脑电（EEG），它的近亲脑磁图（MEG）需要大型设备，短时间出不了实验室。消费级和实验室脑电的差别主要在通道数：消费级从 2 个电极到 32 个，8 到 16 个最常见，实验室能上到 256。采样率通常 1000 赫兹，一个 8 通道头带每秒产生 8000 个数据点，用上一小时就是几千万个点。另一个候选是功能近红外光谱（fNIRS），像一台能戴出门的简化版 fMRI，靠血氧推断脑活动，能力和成本与脑电相当。 真正的敌人是颅骨。颅骨的任务是保护大脑，它不导电，会衰减进出的信号。更麻烦的是，每个人的颅骨厚度、密度都不同，同一个人颅骨不同位置也不一样，理想的读数需要实时建模。而且脑电只能读到皮层表面，最多往下 1 到 3 毫米，深部脑区完全读不到。 时间分辨率是脑电的强项。空间成像的金标准 fMRI 最好状态每 2 秒拍一张，还需要超导材料，只能待在实验室；64 通道脑电在 fMRI 拍一张图的时间里能采上百个样本。代价是空间精度：一个电极再精准，看到的也是数百万个神经元的集体活动，分辨率在厘米到毫米级。 Nathan 用类比理解信号处理：脑电拿到的混叠信号靠傅里叶变换拆开，像把一个和弦拆成单个音符。迪恩补充了噪声来源：眨眼的电场、面部肌肉、设备本身都在发电信号，全要滤掉。 即便这么粗糙，能做的事已经不少： - 癫痫预警：患者毫无外在感觉，脑电模式已经能提前一小时预测发作，准确率接近 100%，八年前就在实验室验证过，相关设备已服务癫痫病人。 - 早期帕金森病：神经特征清晰，识别准确率 90% 以上。 - 神经反馈：头带连手机应用，实时显示脑波，用游戏训练专注或放松，大脑练多了会自己形成更易放松的回路。有厂商做了睡眠眼罩，播放随脑电动态调整的音乐助眠。 - 运动意图解码：想动一个东西时，大脑已经在发运动指令。实验室里有人戴脑电头盔控制机械臂，动作慢、会抖，但能用。 消费级产品里走得最远的是 EMOTIV。32 通道头带加配套软件，校准之后能在屏幕上移动方块这类简单物体，离 Neuralink 演示的光标控制还差得远，但这条路已经通了。苹果甚至有专利在研究给 AirPods 加电极做医疗级监测。 读脑的天花板在哪，可以看一个研究参照。Nathan 上一期请来 MindEye2 论文作者 Paul Scotti，这个项目用 fMRI 重建人看到的图像。最初每个受试者要躺进磁共振 30 到 40 小时；新版用 7 个人的数据训练出共享潜空间，第 8 个人只需 1 小时数据就能接入。8 个人的视觉皮层体素数从 1.2 万到 1.8 万不等，相差约 40%，照样对齐。更关键的发现：**视觉皮层里不只有画面，还有语义，模型能直接从脑活动预测你看到的图像的文字描述。** ## 卡脖子的变了：从方法到数据 Nathan 给现状定位：脑机接口大概在 GPT-1 和 GPT-2 之间。GPT-2 微调后能干点活，但没有推理，没有少样本学习。迪恩有切身体会，他做住房政策时试过用 GPT-2 分析市政区划代码，得到的答案就是「好、坏」两个级别的判断。 接下来的变化，两人判断高度一致：**数据即将换挡。**MindEye2 总共只有 8 个人、两百多个小时的磁共振数据；消费设备一旦铺开，哪怕只卖给发烧友，数据量也是几个数量级的跳升。硬件已经在出货，解码架构现成，同一套机器学习技术在各领域都灵，没理由在这里失效。设备先出货、先收集数据、再变好用，这个飞轮转起来，很多产品不用大改硬件就能升级。 迪恩补了一个观察：这个领域的方法论偏保守，学界还在用卷积网络、循环网络这类老工具，基于 transformer 的工作少得反常。Nathan 给了两个猜测：脑电每秒上千个采样点，喂给注意力平方复杂度的模型很快超载；超噪声环境里，transformer 的梯度容易被噪声主导，反而逐 token 更新的选择性状态空间模型，就是今年的 Mamba 热潮，可能更合适。迪恩说，如果真是这样，接下来两年会很热闹。 迪恩自己的判断更直接：一个又一个问题倒在「不讲究原理、直接上神经网络」的做法面前，每次都有专家说不可能，然后就成了。学界保守，因为要和已有研究可比；创业公司和大厂研发部门没这个包袱。苹果、Meta 内部都有神经科学家，扎克伯格评测 Vision Pro 时把神经接口说成下一代交互的必然方向。 具体会先兑现什么？迪恩的答案是意图触发。想想 Rabbit R1 的大动作模型，或者苹果的快捷指令：把「看看今天日程」「关掉楼下灯」这类基本意图翻译成动作。如果脑机接口能读出这些基本意图，接上现有的自动化基础设施，你一想，灯就灭了。**那感觉会像心灵感应，尽管底层只是粗糙的读脑加一堆现成的自动化。**迪恩的原话是，5 到 10 年内做不到这个他会震惊，也许更快。 高维思想能不能读？迪恩持保留态度。他想到莫扎特时的联想和你想到莫扎特时的联想，大概率是两套签名；但「我怕那只老虎，我要跑」这类低维思想，签名高度一致，现在就能读。 ## 写脑：超声波带来意外惊喜 读和写是两回事。迪恩说，颅骨的任务与其说是把信号关在里面，不如说是把信号挡在外面。经颅电刺激、经颅磁刺激都试过，要么设备贵，要么信号发散、无法聚焦、个体差异大，他长期不看好。 他真正押注的是经颅聚焦超声（TFUS）。这是一项百年老技术，近二十年才重生。原理是把远超人耳听觉范围的高频声波打进大脑，深度能到几毫米乃至一厘米，空间分辨率到毫米级，这个组合其他非侵入手段都够不着。更妙的是它便宜，超声换能器和电极一样走在变便宜、变密的硬件曲线上，FDA 认定一定剂量以下安全。 尴尬的是，没人完全搞清它为什么有效。有理论说它改变了脑组织的电响应特性，有理论说它刺激了神经递质释放。大剂量会有热效应，日常长期使用的影响没人建模过。但实验室结果已经足够扎眼： - 体感皮层实验：蒙住眼睛，先用一根针、再用两根紧挨的针碰手背，看受试者能否分辨。超声刺激体感皮层后分辨能力提升，刺激结束 40 分钟后效果仍在，只是略有衰减。 - 情绪、专注、视觉分辨、听觉分辨都有改善证据，还能诱发光幻视，就是闭眼按压眼皮时看到的那些光斑。 - 抑制性刺激主要用在镇痛上，副作用是部分运动任务的反应时间变短。 迪恩说，这是他整轮研究里最兴奋的发现：**超声可能直接提高了大脑通向感官的信道带宽。**他聊过过去十年发过顶级 TFUS 论文的两位领军科学家，两人都确信剂量还能安全地往上加。 纽约公司 Prophetic AI 把读和写接到了一起。他们做了一个「超声 transformer」，用脑电和 fMRI 数据训练，输入头带采到的脑电，输出给同一头带上超声换能器的指令。第一个场景是清醒梦：睡眠脑电特征好认，前额叶一出现伽马波尖峰，换能器就开始刺激，把你按在清醒梦里。这家公司的野心不止于此，专注、好心情只是起点。 离「下载开直升机技能」还有多远？迪恩提到《黑客帝国》里崔妮蒂下载驾驶程序的桥段，说高维信息要编码成超声指令再传进多个脑区，他不知道怎么做到，但也不排除。Nathan 的整体判断是：**消费级设备未来几年会有相当能打的读脑，写脑只能做到情绪、专注这类粗粒度调节；高带宽双向通信要靠侵入式。**Neuralink 的 N1 芯片有 1024 个电极，分布在 64 根细线上，能读到单个神经元，但只能读局部；而且把脑内设备连上网，光从网络安全角度想就够吓人。Neuralink 真正被低估的创新可能是那台自动植入手术机器人，马斯克在改成本结构，瞄准的是规模化。 ## 当大脑可以被传唤 迪恩是政策研究员，他先讲了个故事。维多利亚时代的美国房子，墙都是深红深绿，因为照明靠煤油灯，灯熏墙，深色墙耐脏；电普及之后，白墙才成为可能。**技术规模化的后果几乎无法提前预测，能做的只有把机制想清楚。** 他第一个想到的是法庭。如果能在生物学层面测谎，「宣誓作证」这个概念就变了。迪恩的态度很明确：他相当确信一定程度的欺骗是生活的重要部分，也是司法生活的重要部分，法庭本来就预设证词会有水分。一个没有欺骗的社会是否更好，他倾向于否定答案。传票和搜查令的边界怎么划，是未来二十年绕不开的问题。极端情形他划了红线：如果人人都植入 Neuralink，每个念头都被高分辨率记录，这些数据绝不该流向广告业。 监管现状比很多人想的松。这类设备大多走 FDA 的「通用健康设备」豁免，只要不宣称诊断或治疗具体疾病、剂量不超标，就能直接卖。苹果手表加血氧传感器那年，苹果反复强调这和新冠诊断无关，就是为了留在豁免区。FDA 被问到神经技术适不适用豁免时拒绝表态。迪恩说，加密货币圈的人熟悉这套：**监管不确定性本身就是一种监管，机构借此保留随时收网的选项。** 关于「有进化优势大家就都会用」的推演，迪恩泼了冷水。进化激励早就在那里：该跑步、该早睡、不该喝酒，道理都懂，做到的有几个。他看 AI 安全社区里太多人高估了达尔文式冲动对技术采纳的驱动力。谈到民调他也不买账，很多调查的问题设计是「有人要造 HAL 9000 来杀你，你同意吗」，98% 反对这种数据没什么信息量。 他也认真对待另一端的人。节目开头那段话值得完整听： > 「很多人会想，只要有使用的激励，所有人都不得不用。那些不想用的人怎么办？我同情他们，我想到了阿米什人。未来大概会出现各种形式的数字阿米什，我们需要提前想清楚。但同时，想增强认知的人也应该有这个自由。我们应该希望世界上有更多认知，尤其是人类的认知。」 他的潜台词是：GPT-5 都在门口了，这时候盼着人类少动脑子，他不知道这是从哪个世界观推出来的，但他确定能找出那个世界观的漏洞。他还提醒，技术采纳正在政治化，Vision Pro 在他眼里已经算一种政治表态，以后用不用脑机接口、用不用 AI，都会被贴上立场标签。 ## 明天就能做的四件事 - 把语言模型用进一件真实工作，练提问。先写清楚你要什么，再发问；答案不满意，先改问题。迪恩的经验是，这九成的智力活练好了，收益会复利。 - 去看两个东西：Neuralink 首位受试者用意念下棋的视频，和 MindEye2 论文。前者是侵入式的天花板，后者是读脑研究的最新水位线，十分钟建立直观。 - 考虑买脑电头带（EMOTIV 这类，500 到 1000 美元一档）之前，先想清楚一件事：你的脑数据会流向哪里，隐私条款逐条读。 - 给自己划一条「数字阿米什」边界：哪些认知愿意外包给机器，哪些坚持自己练。这个清单现在写，比设备普及后再写容易得多。 Nathan 在节目结尾的建议同样简单：花点时间亲手用技术，把你的数据喂给它，看它怎么回应，建立自己的体感，别让媒体替你体验。读脑的临界点可能比想象中近，写脑的边界也比科幻保守，中间这段窗口期，正好用来想清楚自己要站在哪一边。