研究人与机器之间的融合为我们对未来提供了启示。科学界在脑/计算机接口 (BCI) 技术(如脑图谱绘制和类神经形态电路)的发展上已取得显著进展。
将大脑直接连接至外部设备的系统被称为脑/计算机接口 (BCI) 。这类技术利用植入辅助设备的传感器采集大脑信号,并用这些信号驱动外部设备。这意味着大脑信号向各种动作甚至指令的转化,无须依赖人体的运动。脑/计算机接口 (BCI) 通常依靠传感器记录的大脑活动,并将其转换成数字形式,便于设备解读。
脑/计算机接口 (BCI) 结合类神经形态计算的目标在于模仿大脑的能效与处理潜力。为此,必须重新设计系统架构以支持内存计算 (IMC) ,同时研发出能模拟突触与神经元动作的电子设备。
类神经形态发展
脑/计算机接口 (BCI) 拥有超过一百年的历史。1924 年,汉斯·贝格 (Hans Berger) 发现了大脑的电活动。他的研究利用电极记录了人体头皮上的电信号,从而产生了首批脑电图 (EEG) 记录。1988 年,他实现了首例非侵入式脑/计算机接口 (BCI) 辅助机器人控制。2005 年,Cyberkinetics 的 BrainGate 计划成功实现了对假手的控制。关于脑/计算机接口 (BCI) 的详细历史,请参阅:The history of Brain-Computer Interfaces (BCIs) - Timeline - RoboticsBiz 。
2018 年,由国防高级研究计划局 (DARPA) 资助的研究证明,植入大脑芯片的人可以利用大脑信号操纵无人机群。此后,各类研究和实验层出不穷,毫无疑问,神经网络与人工智能的结合正朝着增强甚至升级人类认知能力的方向迈进。未来,我们或许会在大脑中植入纳米芯片,以提升认知能力并实现智能数据上传。
到 2025 年,脑/计算机接口 (BCI) 技术取得了迅速进展,一项突破正影响着大脑与机器之间的交融。新加坡国立大学 (NUS) 的研究表明,在非常规使用条件下,一个单一的传统硅晶体管可以模拟一个生物神经元和突触。该研究由新加坡国立大学设计与工程学院材料科学与工程系的副教授 Mario Lanza 领导,其发现为构建可扩展、能效高的人工神经网络 (ANN) 硬件提供了可能。Lanza 教授指出:“我们需要既具可扩展性又高能效的硬件,以实现真正意义上的类神经形态计算,让微芯片表现得如同生物神经元和突触。”
埃隆·马斯克 (Elon Musk) 一直是类神经形态领域的先行者。他在 2016 年创立的 Neuralink 成为研发脑/计算机接口 (BCI) 技术的核心企业。Neuralink 正在开发植入式脑/计算机接口 (BCI) ,以实现大脑与计算机的直接通信,从而提升人类潜能,并赋予残障人士更多自由。该技术通过手术机器人在大脑中植入设备,帮助瘫痪患者恢复控制能力,使用户可仅凭思维操作计算机或其他设备。
美国亚利桑那州一位 30 岁的男子 Noland Arbaugh 首次接受了 Neuralink 的大脑芯片植入,这标志着神经科技领域的一个重大里程碑。2016 年的一次潜水事故使他肩部以下瘫痪。BBC 报道指出,自 2024 年 1 月植入芯片以来,他的恢复效果堪称奇迹。借助这一技术,Arbaugh 现已能够仅凭思维利用脑/计算机接口 (BCI) 操控计算机。回忆早年瘫痪的经历,他表示:“你完全失去了控制和隐私,生活非常艰难。”然而,手术后他仅凭想着手指移动,就成功控制了电脑光标。
《Frontiers in Science》杂志上一篇涉及科学家、机构和学者合作的文章进一步凸显了人机接口的潜力。文章结论写道:“我们可以想象人脑与机器接口未来所带来的无限可能。”基于神经纳米机器人技术的人脑/计算机接口 (BCI) 系统有望通过让人们快速访问云端中所有知识来提升人类智力和学习能力。此外,它还可能将全沉浸式虚拟现实与增强现实提升到前所未有的高度,使用户能更充分展现自我,获得更有意义的体验。通过应对人类所面临的新挑战,这些技术进步或将帮助人类适应新兴的人工智能系统与人类增强技术。* 请参阅 Frontiers | Interface between Human Brain and Cloud (frontiersin.org) 。
此外,人们对构建由能通过物理变化进行学习的智能材料制成的量子大脑抱有希望。在追求这种“量子大脑”的过程中,物理学家已取得显著进展。他们证明了可以复制大脑中神经元和突触的独立动作,并对单个原子构成的网络进行模式化及连接。详情请参阅 The Initial Steps Toward a Quantum Brain: An Intelligent Substance That Acquires Knowledge by Changing Itself Physically (scitechdaily.com) 。
未来的脑/计算机接口 (BCI) 应用可能实现即时通讯、思维传输、梦境记录以及 AI 意识整合。虽然这些进展为人类增强带来了潜力,但它们也引发了诸多伦理问题,如赛博格权利及超级 AI 的监管问题。此外,由于脑/计算机接口 (BCI) 直接与脑信号交互,网络安全和隐私问题尤为关键,这些技术可能面临滥用或被攻击的风险。随着该技术的普及,保护用户数据并确保伦理使用将显得愈发重要。
尽管面临技术、安全与伦理挑战,人机交互的时代已经到来。它将塑造我们的未来,甚至有望定义第五次工业革命。关键在于以积极的方式引导其应用,从而提升人们的生活品质。
好文章,需要你的鼓励
DeepResearchGym是一个创新的开源评估框架,专为深度研究系统设计,旨在解决当前依赖商业搜索API带来的透明度和可重复性挑战。该系统由卡内基梅隆大学研究团队开发,结合了基于ClueWeb22和FineWeb大型网络语料库的可重复搜索API与严格的评估协议。实验表明,使用DeepResearchGym的系统性能与使用商业API相当,且在评估指标间保持一致性。人类评估进一步证实了自动评估协议与人类偏好的一致性,验证了该框架评估深度研究系统的有效性。
这项研究介绍了FinTagging,首个面向大型语言模型的全面财务信息提取与结构化基准测试。不同于传统方法,它将XBRL标记分解为数值识别和概念链接两个子任务,能同时处理文本和表格数据。在零样本测试中,DeepSeek-V3和GPT-4o表现最佳,但在细粒度概念对齐方面仍面临挑战,揭示了当前大语言模型在自动化XBRL标记领域的局限性,为金融AI发展提供了新方向。
这项研究介绍了SweEval,一个新型基准测试,用于评估大型语言模型在企业环境中处理脏话的能力。研究团队从Oracle AI等多家机构的专家创建了一个包含八种语言的测试集,模拟不同语调和上下文的真实场景。实验结果显示,LLM在英语中较少使用脏话,但在印地语等低资源语言中更易受影响。研究还发现较大模型通常表现更好,且多语言模型如Llama系列在处理不当提示方面优于其他模型。这项工作对企业采用AI技术时的安全考量提供了重要参考。
这项研究提出了"VeriFree"——一种不需要验证器的方法,可以增强大型语言模型(LLM)的通用推理能力。传统方法如DeepSeek-R1-Zero需要验证答案正确性,限制了其在数学和编程以外领域的应用。VeriFree巧妙地计算正确答案在模型生成的推理过程后出现的概率,作为评估和训练信号。实验表明,这种方法不仅能匹配甚至超越基于验证器的方法,还大幅降低了计算资源需求,同时消除了"奖励黑客"问题。这一突破将有助于开发出在化学、医疗、法律等广泛领域具有更强推理能力的AI系统。