在科學(xué)家研究AI的時(shí)候，一般會試圖模仿大腦的運(yùn)作來制造智能機(jī)器。在這個(gè)過程中，他們發(fā)現(xiàn)可以借助AI的力量來反向研究大腦的結(jié)構(gòu)。這一新興的AI技術(shù)被稱為“神經(jīng)AI(neuroAI)”。

　　試想一下，十年后，我們能夠通過下載的方式來讓大腦調(diào)用不同的AI模型，從而直接完成物體識別或者像AI一樣便捷地處理自然語言，就好像租用了一個(gè)更高效的大腦。實(shí)現(xiàn)這一切，只需要科學(xué)家們能夠利用AI打造出更精細(xì)的硅基大腦模型。到那時(shí)，作為人類的我們，看東西、感知世界的方式將變得與眾不同。

　　另外，神經(jīng)AI還能夠在工業(yè)、藝術(shù)創(chuàng)意、健康改善等領(lǐng)域大放異彩。比如，神經(jīng)AI通過生成正確的圖像和聲音，將幫助剛做完準(zhǔn)分子激光手術(shù)或人工耳蝸植入手術(shù)的人更快恢復(fù)視力或聽力，甚至幫助醫(yī)療衛(wèi)生領(lǐng)域?qū)崿F(xiàn)新的突破。這些創(chuàng)新還將有益于其他新技術(shù)的發(fā)展，如增強(qiáng)現(xiàn)實(shí)(AR)與腦機(jī)接口(BCI)將會因此變得更加強(qiáng)大。

　　在這篇文章中，你將會了解什么是神經(jīng)AI，它將如何進(jìn)化并開始影響我們的生活、如何支撐其他創(chuàng)新與技術(shù)的發(fā)展，以及我們還需要做些什么來推動它更好發(fā)展。

　　每期監(jiān)測和精編中文視野之外的全球高價(jià)值情報(bào)，為你提供先人一步洞察機(jī)會的新鮮資訊，為你提供升級思維方式的深度內(nèi)容，是為[ 紅杉匯內(nèi)參 ]。

　　什么是神經(jīng)AI？

　　神經(jīng)AI是一門新興學(xué)科，旨在：1)通過研究人的大腦來促進(jìn)AI技術(shù)發(fā)展;2)利用AI來更好地研究人的大腦。神經(jīng)AI的核心工具之一是使用人工神經(jīng)網(wǎng)絡(luò)來創(chuàng)建特定大腦功能的計(jì)算機(jī)模型。這種方法始于2014年，當(dāng)時(shí)麻省理工學(xué)院和哥倫比亞大學(xué)的研究人員發(fā)現(xiàn)，深度人工神經(jīng)網(wǎng)絡(luò)可以解釋大腦的物體識別區(qū)域——顳下皮層(IT)的反應(yīng)過程。于是他們引入了一個(gè)基本的實(shí)驗(yàn)方法：將人工神經(jīng)網(wǎng)絡(luò)與大腦進(jìn)行比較。然后反復(fù)迭代測試各種大腦反應(yīng)過程：形狀識別、運(yùn)動處理、語音處理、手臂控制、空間記憶等，并相應(yīng)建立各個(gè)反應(yīng)對應(yīng)的大腦處理模型。

　　1. 訓(xùn)練硅基人工神經(jīng)網(wǎng)絡(luò)來解決如物體識別之類任務(wù)。由此產(chǎn)生的網(wǎng)絡(luò)被稱為任務(wù)向神經(jīng)網(wǎng)絡(luò)。重點(diǎn)是，它通常只需要圖像、影片和聲音來訓(xùn)練模型，而不需要大腦數(shù)據(jù)。

　　2. 使用如線性回歸或表征相似性分析之類的統(tǒng)計(jì)分析法，來比較訓(xùn)練后的人工神經(jīng)網(wǎng)絡(luò)的中間激活值與真實(shí)的大腦數(shù)值。

　　3.選擇表現(xiàn)*的模型作為當(dāng)前大腦區(qū)域的*模型。

　　該方法中的真實(shí)大腦數(shù)據(jù)，可通過單個(gè)神經(jīng)元獲得，或以非侵入性技術(shù)如腦磁圖(MEG)或功能性磁共振成像(fMRI)來收集大腦內(nèi)部數(shù)據(jù)。

　　大腦部分區(qū)域的神經(jīng)AI模型有兩個(gè)關(guān)鍵特征。首先它是可計(jì)算的——給這個(gè)計(jì)算機(jī)模型提供刺激變量，它將能算出相應(yīng)的大腦區(qū)域會如何反應(yīng)。其次它也是可微分的——它是一個(gè)深度神經(jīng)網(wǎng)，我們可以運(yùn)用和研究視覺識別與自然語言處理模型相同的方式進(jìn)行優(yōu)化。也就是說，神經(jīng)科學(xué)家可以借助所有推動深度學(xué)習(xí)革命的強(qiáng)大工具來更好做研究，包括PyTorch和TensorFlow等張量代數(shù)系統(tǒng)。

　　這意味著，我們將實(shí)現(xiàn)巨大的技術(shù)跨越——從不了解大腦的大部分運(yùn)作機(jī)理，到能做出可下載的部分區(qū)域的模型。

　　神經(jīng)AI的應(yīng)用領(lǐng)域

　　藝術(shù)和廣告

　　我們感知各種媒體，99%是通過眼睛和耳朵。眼睛和耳朵本身并不負(fù)責(zé)解釋體驗(yàn)，它們只是傳感器：是我們的大腦在處理和理解這些信息。面對不同的傳媒內(nèi)容，我們大腦會根據(jù)我們的所見所聞解析出不同的思考與情感，但是被解析出的結(jié)果，不一定是創(chuàng)作者想要傳達(dá)的、被受眾接受的。

　　所以，如果想要確定一個(gè)作品中預(yù)留的信息是否如預(yù)期那樣被受眾接收，就需要不斷地測試。一些互聯(lián)網(wǎng)公司中，比較流行的解決辦法是使用“A/B測試”。比如，谷歌曾測試過50種不同深淺的藍(lán)色用在顯示搜索結(jié)果的超鏈接上，最終他們找到的*解使谷歌的收入比基線提高了2億美元，約占當(dāng)時(shí)谷歌收入的1%;Netflix會為用戶調(diào)整影片縮略圖以優(yōu)化用戶體驗(yàn)。

　　但是，如果我們能在不經(jīng)過大流量測試，未獲得任何測試數(shù)據(jù)之前就能預(yù)測人們對某一媒體的反應(yīng)呢?那樣，企業(yè)就能在未獲得太多關(guān)注之前更好地優(yōu)化其書面材料和網(wǎng)站。神經(jīng)AI在預(yù)測人們對視覺材料的反應(yīng)方面已經(jīng)做得越來越好。例如，Adobe的研究人員就正在研究相關(guān)的視覺設(shè)計(jì)工具，幫助設(shè)計(jì)人員更好地預(yù)測和引導(dǎo)人們的注意力。例如，通過編輯照片，使其在視覺上更令人難忘或更具美感。

　　另外，人工神經(jīng)網(wǎng)絡(luò)甚至可以找到比現(xiàn)實(shí)圖像更有效地傳達(dá)信息的方法。OpenAI的CLIP工具便可以幫助你找到與想要傳達(dá)的情感相一致的圖像;再比如OpenAI和谷歌，可以根據(jù)文字提示生成逼真的圖像。

　　目前在優(yōu)化視聽媒體、網(wǎng)站，尤其是廣告方面存在巨大的市場需求，而我們其實(shí)早就已經(jīng)開始將神經(jīng)AI和算法藝術(shù)引入這一過程了。巨大的市場需求會催生良性的發(fā)展循環(huán)，隨著越來越多的資源被投入到實(shí)際應(yīng)用中，神經(jīng)AI也將變得更好、更有用。作為副產(chǎn)品，因?yàn)楂@得了更好的大腦模型，廣告以外的其他領(lǐng)域也將能一起受益。

　　可及性與算法設(shè)計(jì)

　　神經(jīng)AI最令人興奮的應(yīng)用之一是提高產(chǎn)品的可及性。

　　大多數(shù)媒體其實(shí)是為“一般普通人”設(shè)計(jì)的，然而每個(gè)人處理視聽信息的方式卻各不相同。比如有色盲困擾的人群和一般人群的信息處理方式是不同的，因此大量的媒體并不適合他們。雖然如今有不少產(chǎn)品可以模擬色盲效果，但需要一個(gè)色覺正常的人先為產(chǎn)品做解釋，然后才能去做相應(yīng)的調(diào)整改變。直接做靜態(tài)的顏色重映射無法滿足他們需求，是因?yàn)橛行┎牧显陬伾�重映射后語義會發(fā)生變化(例如，圖表會變得難以讀懂)。但有了神經(jīng)AI之后，我們就可以在保持現(xiàn)有圖形語義的情況下，自動生成適合色盲閱讀的材料和網(wǎng)站。

　　另一個(gè)例子是，幫助有學(xué)習(xí)障礙的人，如閱讀障礙人群。閱讀障礙的一個(gè)深層原因是對擁擠十分敏感，因此難以識別具有相似基本特征的形狀。而麻省理工學(xué)院正在研究一種閱讀障礙者的視覺系統(tǒng)神經(jīng)AI模型，可以幫助設(shè)計(jì)既美觀又能讓他們順利閱讀的字體。這些都是潛在的、亟待實(shí)現(xiàn)的生活質(zhì)量的巨大改善。

　　健康

　　許多神經(jīng)科學(xué)家在進(jìn)入這一領(lǐng)域時(shí)，都希望自己的研究能對人類健康產(chǎn)生積極影響，特別是對患有神經(jīng)系統(tǒng)疾病或精神健康問題的人。利用神經(jīng)AI模型，有機(jī)會開啟新的療法——獲得優(yōu)良的大腦模型后，便可以精心設(shè)計(jì)正確的刺激，來傳遞相應(yīng)的信息，就像鑰匙和鎖的匹配一樣。從這個(gè)意義上說，神經(jīng)AI的應(yīng)用類似于算法藥物設(shè)計(jì)，但我們在人體內(nèi)釋放的不是藥物小分子，而是圖像和聲音。

　　眼睛和耳朵的感受器方面的問題是最有可能先被解決的，因?yàn)檫@些感受器目前已經(jīng)有了很好的建模。比如人工耳蝸植入手術(shù)可以在神經(jīng)AI大腦模型的幫助下，優(yōu)化植入物的刺激模式，放大語音來優(yōu)化助聽效果。

　　許多人在一生中都會經(jīng)歷感官系統(tǒng)的變化，比如近視。在變化之后，人會通過不斷學(xué)習(xí)來讓大腦重新適應(yīng)這個(gè)世界，更好地理解新的知覺信息，這種現(xiàn)象稱為知覺學(xué)習(xí)。神經(jīng)AI能夠放大這種知覺學(xué)習(xí)，讓人們能更快更有效地恢復(fù)感知技能。類似的，還有通過神經(jīng)AI技術(shù)幫助那些在中風(fēng)后失去流暢移動四肢能力的人;優(yōu)化健康人類的感官體驗(yàn)——比如輔助棒球運(yùn)動員、弓箭手或病理學(xué)家的訓(xùn)練等。

　　最后，我們發(fā)現(xiàn)這些技術(shù)在情緒障礙的治療方面也能大有所為。我們可以通過感官體驗(yàn)來治療情緒障礙。比如我們知道，用電刺激控制大腦特定部位的活動可以緩解“頑固型抑郁癥”(treatment-resistant depression)，有了神經(jīng)AI后，或許通過感官間接控制大腦的活動也可以獲得類似的效果。

　　增強(qiáng)現(xiàn)實(shí)

　　一個(gè)將使神經(jīng)AI應(yīng)用變得更加強(qiáng)大的技術(shù)是AR眼鏡。因?yàn)榭梢?融入到我們的日常生活中，AR技術(shù)具備著成為無處不在的計(jì)算平臺的潛力。眾多科技巨頭、互聯(lián)網(wǎng)巨頭都在加快步伐研究更高階的AR眼睛，所以在供應(yīng)方面就已經(jīng)有巨大的推動力在助推其發(fā)展。而這將使人們廣泛使用上一種比今天的靜態(tài)屏幕強(qiáng)大得多的顯示設(shè)備。

　　如果參照VR設(shè)備的發(fā)展軌跡，它最終還會將眼球追蹤功能集成進(jìn)來。也就是說，我們可以遠(yuǎn)遠(yuǎn)超越目前可能的技術(shù)手段，以更可控的方式實(shí)現(xiàn)更廣泛的視覺刺激。另外這些設(shè)備在健康領(lǐng)域也將具有非常深遠(yuǎn)的應(yīng)用前景。

　　腦機(jī)接口（BCI）

　　有了出色的顯示器(圖像)和揚(yáng)聲器(聲音)，我們可以精確控制大腦的主要輸入信號。而通過感官傳遞刺激的下一個(gè)更強(qiáng)大的階段，是通過只讀的腦機(jī)接口(BCI)驗(yàn)證大腦是否以預(yù)期的方式做出反應(yīng)。如此一來，我們便可以評估刺激對大腦的影響，如果不符合預(yù)期，還可以在所謂的閉環(huán)控制中做相應(yīng)的調(diào)整。

　　我們并不需要在顱內(nèi)植入芯片或者深層腦刺激器，因?yàn)檫@樣簡單的評估，在顱外以非侵入性的方式測量大腦活動已經(jīng)足夠了。我們也不需要通過BCI直接刺激大腦，眼鏡和耳機(jī)就能控制大腦的大部分輸入。目前，有許多非侵入性只讀BCI已經(jīng)商業(yè)化或正在籌備中，可用于閉環(huán)控制。一些例子包括：

　　•腦電圖(EEG)。腦電圖測量的是顱骨外的大腦電活動。由于頭骨相當(dāng)于一個(gè)容積導(dǎo)體，因此腦電圖的時(shí)間分辨率很高，但空間分辨率很低。當(dāng)我們獲得了刺激的控制權(quán)，腦電圖便能發(fā)揮更強(qiáng)大的作用——比如可以將刺激與腦電圖信號關(guān)聯(lián)起來，然后解碼什么刺激能吸引注意力(誘發(fā)電位法)。

　　•功能性磁共振成像(fMRI)。fMRI測量的是與神經(jīng)活動相關(guān)的血氧含量的微小變化，它是*能夠以空間上精確的方式非侵入性地讀取大腦深處活動的技術(shù)。對于閉環(huán)神經(jīng)控制方面來說，有兩種范式相對成熟。*種是基于fMRI的生物反饋;第二種是皮質(zhì)圖譜。這兩種方法都表明，想要評估神經(jīng)AI對大腦的刺激效果完全是有可能的。

　　•近紅外腦功能成像(fNIRS)。fNIRS通過漫射光來測量發(fā)射器與接收器之間的腦血容量。傳統(tǒng)的近紅外成像的空間分辨率較低，但通過時(shí)間門控(TD-NIRS)和大規(guī)模超采樣(漫反射光學(xué)斷層成像)，空間分辨率會有一定提升。在學(xué)術(shù)方面，WUSTL的Joe Culver小組已經(jīng)實(shí)現(xiàn)了對視覺皮層的影片解碼。而在商業(yè)方面，Kernel現(xiàn)在正在制造和銷售TD-NIRS頭盔，這是十分驚人的工程壯舉。這是一個(gè)人們不斷推動的領(lǐng)域，而且進(jìn)展迅速。

　　•腦磁圖(MEG)。腦磁圖通過測量磁場的微小變化來定位大腦活動。MEG與EEG類似，它測量電磁場的變化，但它可以不受容積導(dǎo)體的影響，因此具有更好的空間分辨率。人們在光泵磁強(qiáng)計(jì)(optically pumped magnetometers，OPM)方面也正不斷取得進(jìn)展，將來我們將有可能在公開市場上購買單個(gè)OPM傳感器。

　　除了這些比較知名的技術(shù)外，一些黑馬技術(shù)，如數(shù)字全息技術(shù)(digital holography)、光聲斷層掃描技術(shù)(photo-acoustic tomography)和功能性超聲技術(shù)(functional ultrasound)，則可能會極大加速這一領(lǐng)域的范式轉(zhuǎn)變。

　　雖然消費(fèi)級的非侵入式BCI仍處于起步階段，但圍繞著AR用例的旺盛需求將不斷推動市場將蛋糕做大。我們可能會看到低維BCI的迅速發(fā)展，上面提及的各種神經(jīng)AI應(yīng)用就很有可能成為真正的現(xiàn)實(shí)。