從2021年年初至今的短短八個月內，腦機介面（BCI）領域的融資已經創下了歷史紀錄，總額是2019年9,700萬美元的三倍。
就在過去幾周，伊隆·馬斯克的BCI公司
Neuralink
宣佈獲得2。05億美元的C輪融資，另一家BCI公司
Paradromics
在幾天前也宣佈獲得2，000萬美元的種子輪融資。
幾乎在同一時間，Neuralink的競爭對手
Synchron
宣佈它已獲得美國食品和藥物管理局（FDA）的歷史性批覆，可以對其旗艦產品Stentrode進行人類患者的臨床試驗。甚至在這次批准之前，Synchron公司的Stentrode已經在澳大利亞對四名患者進行了臨床試驗。
一般來說，BCI可以將人類的腦電波轉化為機器可理解的指令，使人們能夠用自己的思想來操作電腦等。
該技術的核心是擴充套件我們的人類能力或補償失去的能力，可以說是癱瘓病人的福音。
目前，這一領域的公司透過兩種形式的BCI實現這一目標——侵入式和非侵入式。在這兩種情況下，大腦活動會被記錄下來，以將神經訊號轉化為指令，比如用機械臂移動物品、靠思維打字或透過思維說話。
雖然許多人對Neuralink的進展以及BCI指日可待的說法持懷疑態度，但機器學習技術的進步預示著BCI已經無比接近於現實。
▍模式識別和遷移學習
作為BCI將神經訊號轉化為指令的“主引擎”，機器學習可以識別大腦資料中的模式，並能夠將這些模式泛化到許多人的大腦中。
與幾十年前將大腦活動轉化為行動的挑戰不同，如今BCI公司的主要目標是為大眾開發商業產品，這些產品要能夠在不同的大腦中找到共同的訊號，轉化為類似的行動，比如意味著“移動右臂”的腦電波模式。
但這意味著模型需要經過一系列的微調。以Neuralink的
MindPong
演示為例，恆河猴在模型被微調到他的大腦神經活動模式之前經歷了幾分鐘的校準。
幸運的是，人工智慧在模式檢測方面的研究已經取得了巨大的進展，特別是在視覺、音訊和文字領域，產生了更強大的技術和架構，使人工智慧的應用能夠泛化。
2017年底，具有開創性的論文
《Attention is all you need》
以其建議的“Transformer”架構啟發了許多其他的論文，帶來了多個領域和模式的突破。
最典型的是谷歌的ViT、DeepMind的多模式Perceiver和Facebook的wav2vec 2。0，每一個都在其各自的基準中取得了最先進的結果。
值得注意的是，Transformer架構的一個關鍵特徵是它的“無樣本”和“少樣本”學習能力，這使得人工智慧模型有可能進行泛化。
▍日漸豐富的資料
按照慣例，最先進的深度學習模型（如上面提到的的谷歌、DeepMind和Facebook的模型）往往需要大量的資料。作為參考，OpenAI著名的GPT-3模型（一個能夠生成類似人類語言的Transformer）使用45GB的文字進行訓練，包括Common Crawl、WebText2和Wikipedia資料集。
不難發現，線上資料是推動計算機生成的自然語言應用爆炸式增長的主要催化劑之一。
當然，EEG（腦電圖）資料不像維基百科頁面那樣容易獲得，但這種情況也正在發生變化。
世界各地的研究機構正在釋出越來越多的BCI相關資料集，使研究人員能夠在彼此的基礎上進行學習。例如，多倫多大學的研究人員使用了天普大學醫院腦電相簿（TUEG）資料集，該資料集由超過10，000人的臨床記錄組成。
在他們的研究中，他們使用了一種受谷歌BERT自然語言Transformer啟發的訓練方法，開發了一個預訓練的模型，可以對用各種硬體記錄的原始EEG序列進行建模，並跨越各種科目和下游任務。
然後，他們展示了這種方法如何能夠產生適合大量未標記EEF資料和下游BCI應用的表示。
但在研究實驗室中收集的資料對於現實世界的應用來說可能還不夠。如果BCI要加速發展，我們需要開發出人們可以在日常生活中使用的商業產品。
隨著OpenBCI等專案提供可負擔得起的硬體，以及其他商業公司現在向公眾推出其非侵入式產品，資料可能很快就會變得更容易獲得。
兩個例子是NextMind和Kernel，前者去年推出了一個開發者工具包，供那些想在NextMind的硬體和API上編寫程式碼的開發者使用，後者則計劃很快釋出其非侵入式大腦記錄頭盔Flow。
▍硬體和邊緣計算
可以肯定的是，BCI應用有實時操作的限制，如打字或玩遊戲。如果從思想到行動的延遲超過一秒鐘，就會產生一種不可接受的使用者體驗，因為互動會出現滯後和不一致（想想玩第一人稱射擊遊戲時有一秒鐘的延遲）。
但原始EEG資料需要傳送到遠端推理伺服器，然後將其解碼為具體行動，並將響應返回給BCI裝置，這一過程就會產生延遲。此外，傳送敏感資料（如您的大腦活動）會引入隱私問題。
怎樣解決這些問題呢？AI晶片或許是一個思路。
像英偉達和谷歌等巨頭都在建造更小、更強大的晶片，這些晶片將為邊緣推理而最佳化。這反過來又可以使 BCI 裝置離線執行，避免了傳送資料的需要，消除了與之相關的延遲問題。
▍結語
幾千年來，人類的大腦沒有進化多少，而我們周圍的世界在過去十年裡發生了巨大的變化。
人類已經達到了一個拐點，我們必須增強我們的大腦能力，以跟上我們周圍的技術創新。
目前將大腦活動還原為電訊號的方法有可能是錯誤的，如果Kernel和NextMind等公司沒有產生有前途的商業應用，我們可能會經歷BCI的冬天。但潛在的好處是不容忽視的，從幫助無法正常生活的癱瘓者到增強我們的日常體驗，每一項都功德無量。
BCI仍處於早期階段，有許多挑戰需要解決，有許多障礙需要克服。然而，對於一些人來說，這應該已經足夠令人興奮了。
