要点:
CEBRA基于对比学习技术，这是一种学习如何将高维数据排列或嵌入到低维空间的技术。与其他算法相比，CEBRA在重建合成数据方面表现出色，这对于比较算法至关重要。
在“速食”成为主流的视听传播时代，社会每天都在产生大量信息。而应该探讨的深度，却永不止于话题或事件本身。我们一起，从社会发展中洞察有价值、有趣、有争论点的生活方式及现象。
狂呼社会研究所聚焦社会变革下不同的声音，向外延申社会背景、文化背景的思考深度，以多角度剖析、独特的社会视角，引领大众感知社会的“人间百态”。
狂呼，为每一个社会现象或事件的背后，提供具有探讨价值的观点，始于洞察、终于启发。
联系我们// 相关文章
在2019年研究人员创建了一个人工智能解码你的脑电波并画出你正在看的东西。这革命性的系统可以将来自头皮电极的数据重建为参与者所看到的视频。这人工智能可以通过读取和解码人们的脑电波来实时绘制一个人正在看的东西。也许最令人感到惊讶的是，该技术是非侵入性的，所有脑电波信息都是通过一个看起来像赛博朋克、覆盖着电极的脑电图/EEG头盔收集的。
“研究人员过去认为，通过EEG研究大脑过程就像通过分析蒸汽火车留下的烟雾来弄清楚蒸汽机的内部结构，”研究员Grigory Rashkov在一份新闻稿中说。 “我们没想到它包含足够的信息，甚至可以部分重建人观察到的图像。但事实证明这是很有可能的。”
来自莫斯科物理技术学院和俄罗斯公司Neurobotics的团队开始了他们的研究。通过在参与者的头皮上放置一个/EEG头盔，以便他们可以记录他们的脑电波。然后，他们让每位参与者观看20 分钟的10 秒长视频片段。每个片段的主题属于五个类别之一，研究人员发现他们可以通过查看参与者的脑电图数据来判断参与者正在观看的视频类别。
对于下一阶段的研究，科学家们开发了两个神经网络。他们训练其中一个从视觉“噪音”中生成三个测试类别的图像，另一个将脑电图数据转化为可比较的噪音。当配对在一起时，人工智能能够仅从他们的实时脑电图数据中绘制出令人惊讶的精确图像。
时间来到现在2023年，人工智能/AI发展一日千里，不少学者更将技术应用于大脑研究上。瑞士洛桑联邦理工学院/EPFL的科研团队，开发了一种机器学习演算法CEBRA，标榜实时解读老鼠的大脑讯号，重现小鼠眼前目睹的电影画面，声称AI准确率超过95%。
CEBRA源于数学概念，能够学习神经代码中的隐藏结构，构建人工神经网络模型，从而捕捉大脑动态、重构画面。为了训练算法，团队找来50只小鼠，让它们观看一段30秒的黑白电影片段，并重复看9次。 CEBRA能够重现小鼠看到的电影画面，声称准确率逾95%，上为原图，下为AI图。
探针收集大脑讯号每次播片期间，团队都会采用脑机介面/BCI的方法，包括把电极探针，插进小鼠的大脑视觉皮层区域，收集其神经元的活动讯号；或是透过光学探针，在基因改造小鼠中获取讯号，其神经元在活动时会发出绿光。为了学习小鼠视觉系统中的潜在（即隐藏）结构，CEBRA可以在初始训练期映射大脑信号和电影特征后，直接从大脑信号中预测看不见的电影帧。用于视频解码的数据是通过位于华盛顿州西雅图的艾伦研究所开放获取的。在训练期间，CEBRA学习将大脑活动映射到特定帧。 CEBRA在视觉皮层中只有不到1% 的神经元时表现良好，考虑到在小鼠中，这个大脑区域由大约50万个神经元组成。
随后，团队运用CEBRA，把小鼠的神经讯号，与相关的电影片段关联起来。为测试算法的成效，团队安排小鼠第10次观看相同的电影片段，并收集期间小鼠大脑活动讯号，再透过CEBRA，实时重现相应的电影片段。实验显示，画面准确率逾95%。除了神经科学研究，CEBRA还可用于动物行为研究，例如推算实验小鼠的奔跑位置有望预测动物行为。
团队指出，与其他演算法相比，CEBRA在重建合成数据方面表现出色。同时，该演算法还能跨模式组合数据，例如电影画面与大脑数据，更可避免因不同的数据收集方式，而造成的微细变化。是否有可能仅根据大脑信号重建某人所看到的内容？答案是否定的，还不能完全做到。但是EPFL 研究人员已经朝着这个方向迈出了一步。
除了神经科学研究，CEBRA还可以应用于动物行为及基因表达方面的研究，例如预测灵长类动物手臂的运动，或者推算实验小鼠在场地中自由奔跑的位置。团队透露，下一步将使用CEBRA，提升脑机介面的神经解读准确度，了解大脑如何处理讯息，最终目标是把演算法应用于人类大脑上。
“与其他算法相比，CEBRA 在重建合成数据方面表现出色，这对于比较算法至关重要，”该论文的共同第一作者Steffen Schneider 说。 “它的优势还在于它能够跨模式组合数据，例如电影功能和大脑数据，并且它有助于限制细微差别，例如取决于数据收集方式的数据变化。”
“CEBRA 的目标是揭示复杂系统中的结构。而且，鉴于大脑是我们宇宙中最复杂的结构，它是CEBRA 的终极测试空间。它还可以让我们深入了解大脑如何处理信息，并可以成为一个平台，通过结合动物甚至物种的数据来发现神经科学的新原理。”研究人员说。 “该算法不仅限于神经科学研究，因为它可以应用于许多涉及时间或联合信息的数据集，包括动物行为和基因表达数据。因此，潜在的临床应用令人兴奋。”
观点1
这个消息让我们连想起在当今世界，许多人正致力于利用技术来提升人类大脑，例如Neuralink一家由埃隆·马斯克/Elon Musk共同创立的公司，旨在开发可增强人类能力并可能解决神经系统疾病的植入式脑机接口/BCI。虽然现阶段具体的进步和结果是推测性的，但Neuralink和类似技术可以通过多种方式影响和推动人类进步。
例如医疗应用， Neuralink 可以彻底改变神经系统疾病和损伤的治疗。 BCI可以帮助瘫痪患者恢复运动功能，减轻帕金森病、癫痫或抑郁症等症状，并提供一种更好地理解和治疗各种脑部相关疾病的方法。
增强认知能力：BCI可以增强人类的认知和记忆，从而改善学习、信息回忆和决策过程。这可能对需要高认知能力的教育、培训和专业领域产生重大影响。
改善沟通：Neuralink的技术旨在在大脑和外部设备之间建立高带宽连接，从而有可能实现人与人之间的直接沟通，而无需口头或书面语言。这可能会给有语言障碍的人或因受伤或病症而失去沟通能力的人带来极大的好处。
人机集成：BCI可以促进人与技术之间的无缝集成，从而更直观地控制设备和虚拟环境。这可以应用于各个领域，包括游戏、虚拟现实、机器人和假肢，使用户能够更直接、更高效地与数字界面和物理对象进行交互。
神经科学的进步：Neuralink的研发工作有助于我们了解大脑及其复杂功能。通过前所未有地详细研究神经活动，研究人员可以深入了解大脑如何处理信息、记忆如何形成以及各种神经系统疾病如何表现。这些知识可能会导致神经科学的突破，并开辟治疗干预的新途径。
现在我们看到这些案例研究中AI 可以加速这些技术的研究效果，让我们也许有一天很快就会在市场上看到他们的产品。我们需要注意的是，Neuralink和类似技术的开发和采用可能会引起道德、隐私和社会方面的考虑。必须深思熟虑地解决这些问题，以确保负责任地使用技术并造福人类。
观点2
虽然像Neuralink这样的脑机接口/BCI具有很大的潜力，但有些人可能会有一些顾虑和保留意见。他们可能担心以下的一些缺点：
道德问题： BCI提出了与隐私、同意以及对自己的思想和行为的控制有关的道德问题。一些人担心滥用或滥用该技术的可能性，例如未经授权访问神经数据或违背个人意愿操纵或控制个人的能力。
侵入性： BCI需要通过手术将电极植入大脑，这是一种侵入性手术。这引起了人们对与手术相关的风险的担忧，包括感染、脑组织损伤或其他并发症。
公平和可及性：有人担心BCI可能会加剧现有的不平等现象。如果这项技术仅供少数特权人士使用，它可能会扩大那些能够获得增强认知能力的人与那些没有增强认知能力的人之间的差距。这可能会进一步边缘化弱势群体并使社会差距长期存在。
意想不到的后果：大脑与外部技术接口的长期影响和潜在的意想不到的后果尚未完全了解。随着技术的进步，可能会出现不可预见的风险或对认知、心理健康或大脑自然功能的负面影响。
对技术的依赖：一些人担心，如果没有技术，依赖BCI进行认知增强或交流可能会导致技能或能力的丧失。还可能担心对外部设备的依赖或对大脑刺激或增强的潜在成瘾。
社会和文化影响：AI脑机接口可能会扰乱社会规范和人际互动。关注的范围从人类身份和个性的潜在变化到对人际关系和隐私边界的影响。
重要的是要认识到并非所有人都一致反对这项技术。公众舆论各不相同，观点取决于个人信仰、文化背景和个人关注点。解决这些问题并确保负责任地开发和部署BCI对于减轻潜在的负面影响和获得更广泛的技术接受度至关重要。但现在我们看到很大一部分人接受了人工智能技术的使用，人工智能和脑机接口融合的未来可能是一个非常值得期待的时代。
