
CNET科技资讯网 3月29日 国际报道:硅谷狂人伊隆·马斯克(Elon Musk)又有了一家新公司,名为Neuralink的“医疗研究公司”,专门研究如何通过技术增强大脑。而业界所传的,马斯克正致力于将脑-机接口技术作为一种手段,来确保人类可以跟上人工智能的加速发展,其实就是这家公司。
据悉,马斯克这个项目是受到科幻小说的启发——在英国小说家 Iain M. Banks 的《Culture》系列科幻小说里,他打造了一款名为“神经织网”的设备。剧情中,人们在大脑皮层上植入了半有机的电子网格设备,能够和人工智能实现无线连接,并创建自己的大脑思维备份。
在Banks的科幻小说里,安装了“神经织网”的人基本上可以获得永生——如果他们的肉体死亡了,他们可以从大脑备份中“复活”。但,马斯克成立Neurallink公司的初衷,并不是想追求永生,而是希望实现人类想法的上传和下载,这样将有助于对抗人工智能的潜在危机——他本人不止一次的公开表达了这个观点。
马斯克在去年的编程大会(Code Conference)上提出“神经织网”(neural lace)的前景,就是通过手术连接到一个人类的大脑,并在没有带宽挑战以及当前输入方法(包括键盘、鼠标和触摸板)的情况下,允许用户与计算机进行交互。他曾在Twitter上表示,这一技术取得了进展,而且最近有传闻,他计划寻找另一家公司一起专注于这个项目。
然而,据《华尔街日报》报道,Neuralink并不打算专注于提升普通人类智力。相反,它将探索如何用大脑接口减轻危险症状和慢性病症。
这些病症可能包括癫痫症和严重的抑郁症。起初,Neurallink公司将以现有治疗帕金森患者的方法为基础——将电极植入到人类大脑里,通过调节大脑电子活动来缓解症状,寻求一个更科学和更易于人类使用的方式为出发点。扫除这个较低的障碍后,就会把人类机能增进,作为公司的长期目标。
根据《华尔街日报》的报道,Neurallink 公司的启动资金很可能会由马斯克本人、或是硅谷创投大佬皮特•泰尔旗下的 Founders Fund 创投基金提供。目前公司已经招募了三名员工,分别是来自美国洛斯阿拉莫斯国家实验室的Vanessa Tolosa——一位柔性电极专家;来自加收大学旧金山分校的教授Philip Sabes——研究方向是如何让大脑控制运动;以及来自波士顿大学的Timothy Gardner教授——他最著名的研究成果,是将一块微型电极植入到了麻雀大脑中,研究鸟儿如何唱歌。
在过去的十年时间里,科学家们已经开发出了一些成功的脑机接口(BCI),而Neurallink公司的三位专家将会基于这些接口开展工作,他们首先选择的脑机接口是——脑门(BrainGate),这款早期脑机接口技术允许人们通过大脑思维,在电脑屏幕上一个一个选择字母,然后拼凑成一个句子信息。通过在大脑初级运动皮层植入电极,脑门系统能够将人们的思想转换为运动操作,当人类大脑开始发出运动信号的时候,这种思维就会被转换成为电脑光标的运动。不过,该技术目前的研发进度非常缓慢,马斯克显然等不及了,他希望在Neurallink公司的支持下,加快开发。
或许听起来像是天方夜谭,但事实上这基本上是马斯克创办每一个新公司的标准剧本。SpaceX和特斯拉两个公司也是基于相同模式建立的,都是从近期可实现的产品出发,然后逐步以可持续发展的路径实现马斯克本人的伟大计划,例如在火星着陆,或是大量生产的远程电动汽车等。
在特斯拉和SpaceX之后,马斯克肯定为Neuralink也做好了完整的规划,与此同时还有他身边通过隧道研究解决城市交通问题的The Boring Company公司。这个硅谷狂人一直认为,人工智能可能存在影响人类的潜在危机,而且对他来说,寻求这种潜在解决方案是非常有必要的。
好文章,需要你的鼓励
这项由Snowflake AI Research发表的研究挑战了传统语言学对大型语言模型的批评,通过引入波兰语言学家Mańczak的理论框架,论证了LLM的成功实际上验证了"频率驱动语言"的观点。研究认为语言本质上是文本总和而非抽象系统,频率是其核心驱动力,为重新理解AI语言能力提供了新视角。
freephdlabor是耶鲁大学团队开发的开源多智能体科研自动化框架,通过创建专业化AI研究团队替代传统单一AI助手的固化工作模式。该框架实现了动态工作流程调整、无损信息传递的工作空间机制,以及人机协作的质量控制系统,能够自主完成从研究构思到论文发表的全流程科研工作,为科研民主化和效率提升提供了革命性解决方案。
德国马普智能系统研究所团队开发出专家混合模型的"即时重新布线"技术,让AI能在使用过程中动态调整专家选择策略。这种方法无需外部数据,仅通过自我分析就能优化性能,在代码生成等任务上提升显著。该技术具有即插即用特性,计算效率高,适应性强,为AI的自我进化能力提供了新思路。
Algoverse AI研究团队提出ERGO系统,通过监测AI对话时的熵值变化来检测模型困惑程度,当不确定性突然升高时自动重置对话内容。该方法在五种主流AI模型的测试中平均性能提升56.6%,显著改善了多轮对话中AI容易"迷路"的问题,为构建更可靠的AI助手提供了新思路。