广告

马斯克正在做的脑机接口靠谱吗?

时间:2017-05-27 作者:R. Colin Johnson 阅读:
Elon Musk新创的Neuralink目标在于打造“脑电极帽”;《MIT Technology Review》并将这种“脑机接口”称为“人与人之间的心电感应”…
广告

科技界奇才埃隆马斯克(Elon Musk)最近忙着进行另一项“不可能的任务”。就在不久前,他宣布成立了一家名为Neuralink的新创公司,当然他自己就是首席执行官。该公司目前处于“隐藏模式”(stealth mode),不过,Musk最喜欢的漫画家Tim Urban则是个例外。2JzEETC-电子工程专辑

Neuralink目前拒绝接受采访,但在Urban的漫画叙述中,Neuralink的目标就在于批评者所称的“不可能的梦想”:“脑电极帽”(brain-cap),或称为“超人类主义”(transhumanism)——这和Elon Musk的其它几家如特斯拉(Tesla)、Space X和OpenAI的方向全然不同。2JzEETC-电子工程专辑

美国麻省理工学院技术评论杂志《MIT Technology Review》将Neuralink致力于打造的这种“脑机界面”(brain-machine interface;BMI)称为“人与人之间的心电感应”,并对于该技术的可行性抱持怀疑态度。
Elon-Musk-1
Elon Musk身兼SpaceX首席技术官/首席执行官、特斯拉首席执行官以及OpenAI联合主席,现在又多了一个新的身份——Neuralink创办人兼首席执行官…2JzEETC-电子工程专辑

不过,如此描述Neuralink的目标,很可能只是一种诡计,目的在于转移对于其真正目标的注意力。正如Urban在漫画中提到的,这家新创公司的真正目标是在治疗脑部疾病,如阿兹海默症(Alzheimer)等。事实上,这将使Musk在SpaceX和特斯拉等其他计划的基础上展开这场冒险行动。2JzEETC-电子工程专辑

无论真正的目标为何,Musk已经为Neuralink组织了一支“众星云集”的团队阵容:2JzEETC-电子工程专辑

  • Paul Merolla,IBM SyNAPSE计划首席芯片设计师,主导其TrueNorthbrain仿真芯片的开发。
  • Vanessa Tolosa,Neuralink微制造(microfabrication)专家,在此之前曾经是生物相容微电极设计师。
  • Max Hodak,曾经创立Transcriptic的生命科学机器人云端实验室。
  • Dongjin Seo,曾经发明神经尘(neural dust)——超小型超音波传感器,可提供非侵入式脑活动记录方式。
  • Ben Rapoport,神经外科医师,还拥有电子工程博士学位。
  • Tim Hanson,材料科学与微制造专家,负责开发Neuralink的核心技术。
  • Flip Sabes,专精于皮质生理学、理论建模和人类心理生理学。
  • Tim Gardner,研究不同时间规模下神经活动模式关系的专家

但还有17个职缺尚未补齐,包括微制造工程师(MEMS & 传感器)、机电整合工程师、聚合物科学家、医疗器械工程师、电化学家、模拟与混合讯号工程师、软件工程师(嵌入式系统与韧体)、软件工程师(基础设施与模具)、生物医学工程师、硬件系统整合工程师、实验室技术员、微电子封装工程师、首席科学家(先进接口)、资深科学家(脑机接口)、资深科学家(神经科学)、资深技术员(免疫组织化学)、软件工程师(医学成像)。2JzEETC-电子工程专辑

问题出在哪里?2JzEETC-电子工程专辑

从Urban的漫画来看,除了仿真Facebook,“Oculus Rift的制造者Facebook也正深入探索这一切。有一次在采访祖克伯(Mark Zuckerberg)有关虚拟现实(VR)时,我们的对话一度转向脑机接口。”
20170526_Neuralink_NT01P2
Pascal Kaufmann是瑞士Starmind International AG的创办人 (来源:Starmind)2JzEETC-电子工程专辑

我们的课程有执行简单任务的脑机接口,例如移动光标和控制智能义肢等。这些应用已经进展到患者只需要几个月的培训即可掌握脑机接口。但大多数的专家认为,Neuralink的脑电极帽计划注定会失败。2JzEETC-电子工程专辑

瑞士Starmind International AG创办人Pascal Kaufmann表示:“Neuralink希望为皮质添加另一分层,让他们得以利用连接至成千甚至数百梦个神经元,存取外部内存和信道。”但他宣称Neuralink以及其他许多公司都错了,在应该先学习如何运作时,他们的目标是在皮质上增加另一分层。2JzEETC-电子工程专辑

Kaufmann表示:“Neuralink从医疗应用起步,是相当聪明的营销策略,这将使其取得FDA认证,得以学习如何连接神经元。”但是,在这种可能性以及其瞄准的目标之间存在着巨大的差距——毕竟,人脑和计算机是完全不同的。事实上,大约有90%的脑细胞功能尚未被开发出来。2JzEETC-电子工程专辑

据Kaufmann表示,科学家迄今所做过最聪明的事情是教人们如何将自己的心理信息上传至智能手机中,特别是iPhone,因为它能提供整合的环境,分类并存取所有不同种类的信息,再从单一接口进行存取。2JzEETC-电子工程专辑

然而,脑机接口的目标则是朝向另一个方向发展。Neuralink的目标并不是想在智能手机上阅读一本书,而是要将整本书(或甚至是空手道的技巧)下载到大脑记忆中。对于这个目标来说,目前并没有比在20世纪时更密切多少。2JzEETC-电子工程专辑

Kaufmann说:“我们需要破解大脑的程序代码,才能够直接插入信息。在此之前就想学习如何插入数千个电极(就像Neualink想做的一样)绝对没什么好处。但是,如果我们知道大脑的程序代码,可能只需要在合适之处放置两个或三个电极即可。”2JzEETC-电子工程专辑

据Kaufmann表示,Neuralink、Facebook、Google以及全世界其他的大脑科学家都假设大脑只是不同种类的计算机,但他则宣称大脑更像是一种“细胞自动机”(cellular automaton)。2JzEETC-电子工程专辑

Kaufmann说:“Starmind认为这些细胞自动机包含大约200种技能各不相同的不同动物,所有的动物并共享相同的大脑。”2JzEETC-电子工程专辑

Starmind本身专注于从这些动物中撷取信息,并将其技能储存于传统的计算机中,以免在员工离职后失去信息或技能。员工本身仅执行任务,而Starmind则为公司收集专业知识的基本要素。2JzEETC-电子工程专辑

编译:Susan Hong2JzEETC-电子工程专辑

本文授权编译自EE Times,版权所有,谢绝转载2JzEETC-电子工程专辑

EETC wechat barcode


关注最前沿的电子设计资讯,请关注“电子工程专辑微信公众号”。
2JzEETC-电子工程专辑

2JzEETC-电子工程专辑

本文为EET电子工程专辑 原创文章,禁止转载。请尊重知识产权,违者本司保留追究责任的权利。
R. Colin Johnson
EETimes前瞻技术编辑。R. Colin Johnson自1986年以来一直担任EE Times的技术编辑,负责下一代电子技术。 他是《Cognizers – Neural Networks and Machines that Think》一书的作者,是SlashDot.Org的综合编辑,并且是他还因对先进技术和国际问题的报道,获得了“Kyoto Prize Journalism Fellow”的荣誉。
  • 13年,那些我们看着长大的iPhone 富人一般睡醒直接买,小编和穷人才熬夜看发布会,作为从iPhone 4开始就通宵写报道的《电子工程专辑》小编,可以说是看着iPhone慢慢长大的。事实上,iPhone确实在长大,从最初代的3.5英寸到iPhone 12 Pro Max的6.7英寸 ,苹果在13年里发布了29款iPhone。本文将带大家一起回顾iPhone历史上那些重要时刻和事件……
  • 一文讲透AiP毫米波雷达的演进与创新 AiP技术的成功归功于人们重拾了对60GHz无线系统的研究与开发兴趣。通过将天线与其它电路集成在同一封装内,很好地兼顾了天线性能、成本及体积,近年来深受广大芯片及封装制造商的青睐。
  • 毫米波雷达是如何监测生命体征信号的? 毫米波(mmWave)雷达会发射电磁波,其路径中的任何物体都会将信号反射回去。通过捕获和处理反射信号,雷达系统可以确定物体的距离、速度和角度。毫米波雷达在物体距离检测中可以提供毫米级别的精度,因而成为人类生物信号的理想传感技术。本文将讨论毫米波雷达如何用于监测生命体征信号(例如BR和HR)。
  • 光学计算有望彻底改变AI性能的游戏规则 初创公司Lightmatter专注于开发针对AI加速的光学计算处理器,在第32届Hot Chips大会上展示了一款测试芯片。该处理器利用硅光子学和MEMS技术,通过毫瓦级激光光源供电,可以光速(在硅片中)执行矩阵矢量乘法。基于此次测试芯片的首个商用产品将于2021年秋季推出, 它是一款带光学计算芯片的PCIe卡,专为数据中心AI推理工作负载而设计。
  • 在MCU上进行深度学习才是边缘计算的未来 现在,机器学习(ML)不再需要每秒执行数万亿次操作(TOPS)的处理器。很多情况下,最新的微控制器(有些配置有嵌入式ML加速器)就可以在边缘设备上执行机器学习,它代表着物联网发展的下一阶段:在生产数据的源头,例如麦克风、摄像头和监控其他环境条件的传感器中引入智能计算,并使物联网应用受益。
  • 利用嵌入式AI,将大数据转变为智能数据 工业4.0应用产生大量的复杂数据——大数据。传感器和可用数据源越来越多,通常要求机器、系统和流程的虚拟视图更详细。这自然会增加在整个价值链上产生附加值的潜力。但与此同时,有关如何挖掘这种价值的问题不断出现。毕竟,用于数据处理的系统和架构变得越来越复杂。只有使用相关、优质且有用的数据,也就是智能数据,才能挖掘出相关的经济潜力。
广告
热门推荐
广告
广告
广告
EE直播间
在线研讨会
广告
广告
面包芯语
广告
向右滑动:上一篇 向左滑动:下一篇 我知道了