试想一下,忙于工作腾不出手时,通过一个念头,你就能给出指令,控制机械手臂完成其他任务,这将是多么奇妙的一件事。
不久前,已经有研究人员宣布成功研制出了这样的设备。当用户在脑中同时思考两项任务时,机器人可以自动识别下达的指令并执行。更特别的是,除了意念控制、多任务处理、第三只手臂这几点炫酷的功能外,它还可能有助于提高用户自身的多任务处理能力。
日本京都国际先进电信研究所的首席研究员Shuichi Nishio认为:“多任务处理能大致反映我们转换注意力的能力。如果能实现人机协同,也将有可能进一步提升人类自身的能力。”目前,他正在与同事Christian Penaloza (就职于同一家研究所)共同开发这一技术。
为了完成这项研究,Nichio和Penaloza开发了能够读取不同行为对应的人脑电波的算法。当一个人考虑执行某项任务时,比如端水杯,大脑特定区域的神经元就会产生对应电活动模式完成该项任务。而如果换一种类型的任务,比如端稳一叠摇摇欲坠的盘子,神经元就会产生另一种脑电波模式。
Nichio和Penaloza通过在头皮上放置非侵入式电极,记录了执行任务时的大脑活动。然后使用某种学习算法解释这些电极记录,区分与任务相关的活动模式。基于此,该学习算法就会根据用户意念控制机器人手臂的移动。而这种系统通常称为人机接口(BMI)。
为测试该系统,Nishio和Penaloza招募了15名身体健康的志愿者,让其同时处理多项任务,并读取他们大脑的活动。受试者穿戴电极帽坐在椅子上,用双手让桌上的球保持平衡,同时电脑会记录他们脑部的电流活动。
随后,受试者坐在相同椅子上,启动与脑部相连的机器手臂。与此同时,他们也能看到身旁抓着瓶子的机器手臂。电脑会记录他们大脑发出的神经信号,感知抓住瓶子的意图,并执行命令。
在此之后,受试者还需同时执行两项任务:平衡桌上的球和控制机器手臂。根据报告显示,在计算机的帮助下,受试者已经可以在约四分之三的测试时间内成功执行两项任务。
有些受试者在实验的多任务环节表现尤为突出。Penaloza称:“受试者的差异十分明显,表现好的受试者能保持高达85%的多任务工作时间,而表现较差的受试者只能保持52%的多任务操作时间。”他认为,实验分值低不代表BMI系统的准确性低,而是受试者转换注意力的能力较弱。
Nishio称,有趣的是,受试者能够很快学会同时执行两项任务。通常培养这种能力需经大量训练。他和Penaloza都认为,这种人机接口系统或许能直接提供正确的生物反馈,帮助人们更快学会多任务执行。他们正在研究这一现象,从而将其用于临床治疗。
Penaloza 和 Nishio表示,该设备是首个能够解读多任务思维的意念控制机器人。“通常而言,用户佩戴BMI时,需要专注于执行的任务,因此也只能完成一项任务。但借助我们的产品,用户可以同时完成两项截然不同的任务,这就是它的特别之处。”
但从目前来看,丞需开发此类技术为残疾患者提供便利,对四肢健全的人群而言,此类技术的前景尚不明朗。这一疑虑也让研究人员和哲学艺术家共同思考一个问题:如果拥有了第三只手臂,我们会如何使用它?
好文章,需要你的鼓励
这项研究提出了"高效探测"方法,解决了掩码图像建模AI难以有效评估的问题。通过创新的多查询交叉注意力机制,该方法在减少90%参数的同时实现10倍速度提升,在七个基准测试中均超越传统方法。研究还发现注意力质量与分类性能的强相关性,生成可解释的注意力图谱,展现出优异的跨域适应性。团队承诺开源全部代码,推动技术普及应用。
伊利诺伊大学研究团队开发了CLAIMSPECT系统,通过层次化分解复杂争议、智能检索相关文献、多角度收集观点的方法,将传统的"真假"判断转变为多维度分析。该系统能够自动构建争议话题的分析框架,识别不同观点及其支撑证据,为科学和政治争议提供更全面客观的分析,已在生物医学和国际关系领域验证有效性。
清华大学研究团队首次提出情感认知融合网络(ECFN),让AI能像人类一样理解和表达情感。该系统通过多层次情感处理架构,在情感识别准确率上比现有最佳系统提升32%,情感表达自然度提升45%。研究突破了传统AI情感理解的局限,实现了跨模态情感融合、动态情感追踪和个性化情感建模,为医疗、教育、客服等领域带来革命性应用前景。
哈佛大学研究团队通过创新的多智能体强化学习方法,让AI在战略游戏中学会复杂推理。研究发现AI通过游戏竞争能发展出类人思维能力,在逻辑推理、创造性解决问题等方面表现显著提升。这项突破性成果为未来AI在医疗、教育、城市管理等领域的应用奠定基础,展现了通过模拟人类学习过程培养真正智能AI的新路径。