要點:
CEBRA基於對比學習技朮，這是一種學習如何將高維數據排列或嵌入到低維空間的技朮。與其他算法相比，CEBRA在重建合成數據方面表現出色，這對於比較算法至關重要。
在“速食”成為主流的視聽傳播時代，社會每天都在產生大量信息。而應該探討的深度，卻永不止於話題或事件本身。我們一起，從社會發展中洞察有價值、有趣、有爭論點的生活方式及現象。
狂呼社會研究所聚焦社會變革下不同的聲音，向外延申社會背景、文化背景的思考深度，以多角度剖析、獨特的社會視角，引領大眾感知社會的“人間百態”。
狂呼，為每一個社會現象或事件的背后，提供具有探討價值的觀點，始於洞察、終於啟發。
聯系我們 // 相關文章
在2019年研究人員創建了一個人工智能解碼你的腦電波並畫出你正在看的東西。這革命性的系統可以將來自頭皮電極的數據重建為參與者所看到的視頻。這人工智能可以通過讀取和解碼人們的腦電波來實時繪製一個人正在看的東西。也許最令人感到惊訝的是，該技術是非侵入性的，所有腦電波信息都是通過一個看起來像賽博朋克、覆蓋著電極的腦電圖/EEG頭盔收集的。
“研究人員過去認為，通過EEG研究大腦過程就像通過分析蒸汽火車留下的煙霧來弄清楚蒸汽機的內部結構，”研究員Grigory Rashkov在一份新聞稿中說。“我們沒想到它包含足夠的信息，甚至可以部分重建人觀察到的圖像。但事實證明這是很有可能的。”
來自莫斯科物理技術學院和俄羅斯公司Neurobotics的團隊開始了他們的研究。通過在參與者的頭皮上放置一個/EEG頭盔，以便他們可以記錄他們的腦電波。然後，他們讓每位參與者觀看 20 分鐘的 10 秒長視頻片段。每個片段的主題屬於五個類別之一，研究人員發現他們可以通過查看參與者的腦電圖數據來判斷參與者正在觀看的視頻類別。
對於下一階段的研究，科學家們開發了兩個神經網絡。他們訓練其中一個從視覺“噪音”中生成三個測試類別的圖像，另一個將腦電圖數據轉化為可比較的噪音。當配對在一起時，人工智能能夠僅從他們的實時腦電圖數據中繪製出令人驚訝的精確圖像。
時間來到現在2023年，人工智能/AI發展一日千里，不少學者更將技術應用於大腦研究上。瑞士洛桑聯邦理工學院/EPFL的科研團隊，開發了一種機器學習演算法CEBRA，標榜實時解讀老鼠的大腦訊號，重現小鼠眼前目睹的電影畫面，聲稱AI準確率超過95%。
CEBRA源於數學概念，能夠學習神經代碼中的隱藏結構，構建人工神經網絡模型，從而捕捉大腦動態、重構畫面。為了訓練算法，團隊找來50隻小鼠，讓它們觀看一段30秒的黑白電影片段，並重複看9次。CEBRA能夠重現小鼠看到的電影畫面，聲稱準確率逾95%，上為原圖，下為AI圖。
探針收集大腦訊號每次播片期間，團隊都會採用腦機介面/BCI的方法，包括把電極探針，插進小鼠的大腦視覺皮層區域，收集其神經元的活動訊號；或是透過光學探針，在基因改造小鼠中獲取訊號，其神經元在活動時會發出綠光。為了學習小鼠視覺系統中的潛在（即隱藏）結構，CEBRA可以在初始訓練期映射大腦信號和電影特徵後，直接從大腦信號中預測看不見的電影幀。用於視頻解碼的數據是通過位於華盛頓州西雅圖的艾倫研究所開放獲取的。在訓練期間，CEBRA學習將大腦活動映射到特定幀。CEBRA在視覺皮層中只有不到 1% 的神經元時表現良好，考慮到在小鼠中，這個大腦區域由大約50萬個神經元組成。
隨後，團隊運用CEBRA，把小鼠的神經訊號，與相關的電影片段關聯起來。為測試算法的成效，團隊安排小鼠第10次觀看相同的電影片段，並收集期間小鼠大腦活動訊號，再透過CEBRA，實時重現相應的電影片段。實驗顯示，畫面準確率逾95%。除了神經科學研究，CEBRA還可用於動物行為研究，例如推算實驗小鼠的奔跑位置有望預測動物行為。
團隊指出，與其他演算法相比，CEBRA在重建合成數據方面表現出色。同時，該演算法還能跨模式組合數據，例如電影畫面與大腦數據，更可避免因不同的數據收集方式，而造成的微細變化。是否有可能僅根據大腦信號重建某人所看到的內容？答案是否定的，還不能完全做到。但是 EPFL 研究人員已經朝著這個方向邁出了一步。
除了神經科學研究，CEBRA還可以應用於動物行為及基因表達方面的研究，例如預測靈長類動物手臂的運動，或者推算實驗小鼠在場地中自由奔跑的位置。團隊透露，下一步將使用CEBRA，提升腦機介面的神經解讀準確度，了解大腦如何處理訊息，最終目標是把演算法應用於人類大腦上。
“與其他算法相比，CEBRA 在重建合成數據方面表現出色，這對於比較算法至關重要，”該論文的共同第一作者 Steffen Schneider 說。“它的優勢還在於它能夠跨模式組合數據，例如電影功能和大腦數據，並且它有助於限制細微差別，例如取決於數據收集方式的數據變化。”
“CEBRA 的目標是揭示複雜系統中的結構。而且，鑑於大腦是我們宇宙中最複雜的結構，它是 CEBRA 的終極測試空間。它還可以讓我們深入了解大腦如何處理信息，並可以成為一個平台，通過結合動物甚至物種的數據來發現神經科學的新原理。” 研究人員說。“該算法不僅限於神經科學研究，因為它可以應用於許多涉及時間或聯合信息的數據集，包括動物行為和基因表達數據。因此，潛在的臨床應用令人興奮。”
觀點1
這個消息讓我們連想起在當今世界，許多人正致力於利用技術來提升人類大腦，例如Neuralink一家由埃隆·馬斯克/Elon Musk共同創立的公司，旨在開發可增強人類能力並可能解決神經系統疾病的植入式腦機接口/BCI。雖然現階段具體的進步和結果是推測性的，但Neuralink和類似技術可以通過多種方式影響和推動人類進步。
例如醫療應用， Neuralink 可以徹底改變神經系統疾病和損傷的治療。BCI可以幫助癱瘓患者恢復運動功能，減輕帕金森病、癲癇或抑鬱症等症狀，並提供一種更好地理解和治療各種腦部相關疾病的方法。
增強認知能力：BCI可以增強人類的認知和記憶，從而改善學習、信息回憶和決策過程。這可能對需要高認知能力的教育、培訓和專業領域產生重大影響。
改善溝通：Neuralink的技術旨在在大腦和外部設備之間建立高帶寬連接，從而有可能實現人與人之間的直接溝通，而無需口頭或書面語言。這可能會給有語言障礙的人或因受傷或病症而失去溝通能力的人帶來極大的好處。
人機集成：BCI可以促進人與技術之間的無縫集成，從而更直觀地控制設備和虛擬環境。這可以應用於各個領域，包括遊戲、虛擬現實、機器人和假肢，使用戶能夠更直接、更高效地與數字界面和物理對象進行交互。
神經科學的進步：Neuralink的研發工作有助於我們了解大腦及其複雜功能。通過前所未有地詳細研究神經活動，研究人員可以深入了解大腦如何處理信息、記憶如何形成以及各種神經系統疾病如何表現。這些知識可能會導致神經科學的突破，並開闢治療干預的新途徑。
現在我們看到這些案例研究中 AI 可以加速這些技術的研究效果，讓我們也許有一天很快就會在市場上看到他們的產品。我們需要注意的是，Neuralink和類似技術的開發和採用可能會引起道德、隱私和社會方面的考慮。必須深思熟慮地解決這些問題，以確保負責任地使用技術並造福人類。
觀點2
雖然像Neuralink這樣的腦機接口/BCI具有很大的潛力，但有些人可能會有一些顧慮和保留意見。他們可能擔心以下的一些缺點：
道德問題： BCI提出了與隱私、同意以及對自己的思想和行為的控制有關的道德問題。一些人擔心濫用或濫用該技術的可能性，例如未經授權訪問神經數據或違背個人意願操縱或控制個人的能力。
侵入性： BCI需要通過手術將電極植入大腦，這是一種侵入性手術。這引起了人們對與手術相關的風險的擔憂，包括感染、腦組織損傷或其他並發症。
公平和可及性：有人擔心BCI可能會加劇現有的不平等現象。如果這項技術僅供少數特權人士使用，它可能會擴大那些能夠獲得增強認知能力的人與那些沒有增強認知能力的人之間的差距。這可能會進一步邊緣化弱勢群體並使社會差距長期存在。
意想不到的後果：大腦與外部技術接口的長期影響和潛在的意想不到的後果尚未完全了解。隨著技術的進步，可能會出現不可預見的風險或對認知、心理健康或大腦自然功能的負面影響。
對技術的依賴：一些人擔心，如果沒有技術，依賴BCI進行認知增強或交流可能會導致技能或能力的喪失。還可能擔心對外部設備的依賴或對大腦刺激或增強的潛在成癮。
社會和文化影響：AI腦機接口可能會擾亂社會規範和人際互動。關注的範圍從人類身份和個性的潛在變化到對人際關係和隱私邊界的影響。
重要的是要認識到並非所有人都一致反對這項技術。公眾輿論各不相同，觀點取決於個人信仰、文化背景和個人關注點。解決這些問題並確保負責任地開發和部署BCI對於減輕潛在的負面影響和獲得更廣泛的技術接受度至關重要。但現在我們看到很大一部分人接受了人工智能技術的使用，人工智能和腦機接口融合的未來可能是一個非常值得期待的時代。
