AI는 우리가 보고, 듣고, 창조할 수 있도록 뇌를 모델링하고 있습니다.

이것은 원래 실행되었던 게시물의 수정된 버전입니다. 여기에서 지금 확인해 보세요..

---

신경 과학과 AI는 얽힌 긴 역사를 가지고 있습니다. 인공 지능 선구자들은 지능 기계를 만들기 위한 영감으로 뇌 조직의 원리를 보았습니다. 놀랍게도 AI는 이제 영감의 원천인 인간의 두뇌를 이해하도록 돕고 있습니다. AI를 사용하여 뇌 모델을 구축하는 이러한 접근 방식을 뉴로AI라고 합니다. 앞으로 XNUMX년 동안 우리는 더 정확한 실리에 뇌 모델, 특히 우리의 가장 두드러진 두 감각인 시각과 청각의 모델. 그 결과, 우리는 물체 인식이나 자연어 처리를 할 수 있는 것과 같은 편리함을 가지고 필요에 따라 감각 모델을 다운로드하고 사용할 수 있게 될 것입니다.

많은 신경 과학자와 인공 지능 연구원은 이해할 수 있습니다! – 이에 대해 매우 흥분됩니다: 두뇌 주문형! 보고, 느끼고, 인간이라는 것이 무엇을 의미하는지 발견! 덜 알려진 사실은 산업계에 폭넓은 실용적인 응용 프로그램이 있다는 것입니다. 저는 오랫동안 이 분야의 연구원으로 박사 학위 때부터 뇌가 시각을 의미로 바꾸는 방법에 대해 연구해 왔습니다. 저는 처음부터 이 분야의 발전을 보았고 이제 neuroAI가 어떻게 더 많은 창의성을 이끌어내고 우리의 건강을 개선할 수 있는지를 추구해야 할 때라고 생각합니다. 

나는 neuroAI가 특히 GPT-3 및 DALL-E와 같은 새로운 생성 AI 모델과 연결될 때 예술과 광고에서 널리 사용될 것이라고 예측합니다. 현재의 제너레이티브 AI 모델은 창의적인 예술과 미디어를 생산할 수 있지만, 그 미디어가 궁극적으로 의도한 청중에게 메시지를 전달할 것인지 말할 수는 없지만 neuroAI는. 예를 들어, 우리는 포커스 그룹과 A/B 테스트의 시행착오를 대체하고 우리가 원하는 것을 정확히 전달하는 미디어를 직접 만들 수 있습니다. 이 애플리케이션을 둘러싼 엄청난 시장 압력은 neuroAI 모델을 개선하는 선순환을 만들 것입니다. 

결과적으로 향상된 모델은 신경학적 문제가 있는 사람들을 돕는 것에서부터 우물의 능력을 향상시키는 것에 이르기까지 의학에서 건강에 응용할 수 있게 할 것입니다. 라식 수술 후 또는 인공 와우 이식을 받은 후 시력이나 청력을 더 빨리 회복할 수 있도록 올바른 이미지와 사운드를 생성한다고 상상해 보십시오. 

이러한 혁신은 미래의 다른 기술인 증강 현실과 뇌-컴퓨터 인터페이스에 의해 훨씬 더 강력해질 것입니다. 그러나 온디맨드 다운로드 가능한 감각 시스템의 잠재적인 유용성을 완전히 실현하려면 도구, 재능 및 자금의 현재 격차를 메워야 합니다.

이 글에서 나는 neuroAI가 무엇인지, 어떻게 진화를 시작하고 우리 삶에 영향을 미치기 시작하는지, 어떻게 다른 혁신과 기술을 보완하는지, 그리고 그것을 발전시키는 데 필요한 것이 무엇인지 설명할 것입니다.  

뉴로AI란?

NeuroAI는 1) 더 나은 인공 지능을 구축하는 방법을 배우기 위해 뇌를 연구하고 2) 뇌를 더 잘 이해하기 위해 인공 지능을 사용하는 새로운 분야입니다. neuroAI의 핵심 도구 중 하나는 인공 신경망을 사용하여 특정 뇌 기능의 컴퓨터 모델을 만드는 것입니다. 이 접근 방식은 2014년에 시작되었습니다. MIT 와 콜롬비아 깊은 인공 신경망이 물체 인식을 수행하는 뇌의 한 부분인 하측두엽 피질(inferotemporal cortex, IT)의 반응을 설명할 수 있음을 보여주었습니다. 그들은 인공 신경망을 뇌와 비교하는 기본 레시피를 소개했습니다. 이 레시피를 사용하고 모양 인식, 동작 처리, 음성 처리, 팔 제어, 공간 기억 등 뇌 과정 전반에 걸쳐 반복적인 테스트를 반복함으로써 과학자들은 뇌를 위한 컴퓨터 모델의 패치워크를 구축하고 있습니다. 

뇌 일부의 neuroAI 모델에는 두 가지 주요 기능이 있습니다. 계산 가능합니다. 이 컴퓨터 모델에 자극을 주면 뇌 영역이 어떻게 반응할지 알려줍니다. 또한 미분 가능합니다. 시각적 인식 및 자연어 처리를 해결하는 모델을 최적화하는 것과 같은 방식으로 최적화할 수 있는 심층 신경망입니다. 이는 신경과학자들이 PyTorch 및 TensorFlow와 같은 텐서 대수 시스템을 포함하여 딥 러닝 혁명을 주도한 모든 강력한 도구에 액세스할 수 있음을 의미합니다. 

이것은 무엇을 의미 하는가? 우리는 뇌의 큰 덩어리를 이해하지 못하던 것에서 XNUMX년 이내에 좋은 모델을 다운로드할 수 있게 되었습니다. 적절한 투자를 통해 머지 않아 우리는 뇌의 큰 덩어리에 대한 우수한 모델을 갖게 될 것입니다. 시각 시스템은 처음으로 모델링되었습니다. 청각 시스템은 그다지 뒤처지지 않았습니다.; 대담한 신경 과학자들이 뇌의 미스터리를 풀기 위해 돌진함에 따라 다른 영역은 확실히 도미노처럼 떨어질 것입니다. 과학자들에게 큰 동기부여가 되는 지적 호기심을 만족시키는 것 외에도 이 혁신을 통해 모든 프로그래머는 좋은 두뇌 모델을 다운로드하고 수많은 응용 프로그램을 잠금 해제할 수 있습니다.

응용 분야

예술과 광고

간단한 전제부터 시작하겠습니다. 우리가 경험하는 미디어의 99%는 눈과 귀를 통해 이루어집니다. 시각 예술, 디자인, 영화, 게임, 음악, 광고 등 이러한 감각에 올바른 픽셀과 톤을 전달하기 위해 요약할 수 있는 전체 산업이 있습니다. 이제 이러한 경험을 해석하는 것은 우리의 눈과 귀 자체가 아닙니다. 그것들은 단지 센서이기 때문입니다. 그 정보를 이해하는 것은 우리의 두뇌입니다. 미디어는 정보를 제공하고, 즐겁게 하고, 원하는 감정을 불러일으키기 위해 만들어졌습니다. 그러나 그림, 전문적인 얼굴 사진 또는 광고의 메시지가 의도한 대로 수신되는지 여부를 결정하는 것은 시행착오의 좌절스러운 연습입니다. 메시지가 도달하는지 여부를 결정하기 위해 인간이 루프에 있어야 하므로 비용과 시간이 많이 소요됩니다. 태워 버리는.

대규모 온라인 서비스는 시행착오를 자동화하여 이 문제를 해결하는 방법을 알아냈습니다. A/B 테스트. 구글 유명 검색 엔진 결과 페이지의 링크에 사용할 파란색 음영 50개를 테스트했습니다. 가디언에 따르면 최선의 선택은 200년 기준 2009억 달러 이상의 수익 개선을 가져왔습니다. 당시 Google 수익의 1%. Netflix는 미리보기 이미지를 사용자 지정합니다. 시청자에게 제공하여 사용자 경험을 최적화합니다. 이러한 방법은 트래픽이 많은 온라인 거대 기업에서 사용할 수 있으므로 사람들의 행동에 내재된 소음을 극복할 수 있습니다.

데이터를 얻기 전에 사람들이 미디어에 어떻게 반응할지 예측할 수 있다면 어떨까요? 이를 통해 소기업은 기존의 견인력이 거의 없음에도 불구하고 서면 자료와 웹 사이트를 최적화할 수 있습니다. NeuroAI는 사람들이 시각 자료에 어떻게 반응할지 예측하는 능력에 점점 더 가까워지고 있습니다. 예를 들어 연구자들은 Adobe에서 도구 작업 중 삽화에서 시각적 주의를 예측하고 지시합니다.

연구원들은 또한 사진을 편집하여 사진을 만드는 방법을 시연했습니다. 시각적으로 더 기억에 남거나 미학적으로 유쾌한. 예를 들어, 사람들이 프로페셔널하거나 진지하거나 창의적으로 투영하고자 하는 이미지에 가장 잘 맞는 프로페셔널 헤드샷을 자동으로 선택하는 데 사용할 수 있습니다. 인공 신경망은 실제 이미지보다 더 효과적으로 메시지를 전달하는 방법을 찾을 수도 있습니다. OpenAI의 CLIP은 감정에 맞는 이미지를 찾기 위해 조사할 수 있습니다. 충격의 개념에 가장 잘 부합하는 이미지는 뭉크의 절규 옆에서 어울리지 않을 것입니다.

작년에 OpenAI와 Google은 텍스트 프롬프트에서 사실적인 이미지를 생성하는 인상적인 능력을 갖춘 생성 예술 네트워크를 시연했습니다. 우리는 음악에 대한 그 순간을 만회하지 않았지만 생성 모델의 발전 속도와 함께 앞으로 몇 년 안에 반드시 일어날 것입니다. 인간처럼 들을 수 있는 기계를 구축함으로써 우리는 음악 제작을 민주화하고 고도로 숙련된 음악 프로듀서가 할 수 있는 일을 할 수 있는 능력을 누구에게나 제공할 수 있습니다. 멜로디의 귀벌레를 만들기 위해; 또는 저항할 수 없는 춤을 추는 작품을 만들기 위해.

시청각 미디어, 웹 사이트, 특히 광고를 최적화해야 하는 엄청난 시장 압력이 있으며 우리는 이미 neuroAI와 알고리즘 아트를 이 프로세스에 통합하고 있습니다. 이러한 압력은 더 많은 리소스가 실제 응용 프로그램에 쏟아질수록 neuroAI가 더 좋아지고 유용해지는 선순환으로 이어질 것입니다. 그것의 부작용은 우리가 광고 밖에서도 유용할 아주 좋은 뇌 모델을 얻을 수 있다는 것입니다. 

접근성 및 알고리즘 설계

neuroAI의 가장 흥미로운 응용 프로그램 중 하나는 접근성입니다. 대부분의 미디어는 "보통" 사람을 위해 설계되었지만 우리는 모두 시각 및 청각 정보를 다르게 처리합니다. 남성의 8%와 여성의 0.5%가 적록 색맹이며 많은 양의 미디어가 필요에 맞게 조정되지 않습니다. 오늘날 색맹을 시뮬레이션하는 제품이 많이 있지만 결과를 해석하고 필요한 변경을 하려면 정상적인 색각을 가진 사람이 필요합니다. 정적 색상 재매핑은 이러한 요구 사항에 대해서도 작동하지 않습니다. 일부 재료는 색상 재매핑으로 의미를 보존하지 않기 때문입니다(예: 읽기 어려워지는 그래프). 기존 그래픽의 의미를 유지하는 neuroAI 방법을 통해 색맹에 안전한 재료 및 웹 사이트 생성을 자동화할 수 있습니다.

또 다른 예는 전 세계적으로 최대 10%의 사람들에게 영향을 미치는 난독증과 같은 학습 장애가 있는 사람들을 돕는 것입니다. 난독증의 근본적인 문제 중 하나는 군중심리에 대한 민감성, p 및 q와 같은 거울 대칭 문자를 포함하여 유사한 기본 기능을 가진 모양을 인식하는 데 어려움이 있습니다. MIT의 Anne Harrington과 Arturo Deza는 neuroAI 모델을 연구하고 있습니다. 그 모델이 효과 매우 유망한 결과를 얻고 있습니다. 난독증 시각 시스템의 모델을 사용하여 미학적으로 즐겁고 읽기 쉬운 글꼴을 디자인한다고 상상해 보십시오. 특정 사람의 시각 시스템에 대한 올바른 데이터로 우리는 심지어 특정 개인에게 글꼴을 개인화, 읽기 성능 향상에 대한 약속을 보여주었습니다. 이는 잠재적으로 삶의 질을 크게 향상시킬 수 있습니다.

건강

많은 신경과학자들은 그들의 연구가 특히 신경 장애나 정신 건강 문제가 있는 사람들의 건강에 긍정적인 영향을 미칠 것이라는 희망을 가지고 이 분야에 진출합니다. 나는 neuroAI가 새로운 치료법을 열 수 있기를 매우 희망합니다. 좋은 두뇌 모델을 사용하면 열쇠가 자물쇠에 맞는 것처럼 올바른 메시지가 전달되도록 올바른 자극을 만들 수 있습니다. 그런 의미에서 뉴로AI는 알고리즘 약물 설계와 유사하게 적용될 수 있지만, 우리는 소분자 대신 이미지와 소리를 전달한다. 

가장 접근하기 쉬운 문제는 이미 잘 특성화되어 있는 눈과 귀의 수용체와 관련이 있습니다. 수십만 명의 사람들이 귀의 달팽이관을 전기적으로 자극하여 청각 장애인이나 난청이 다시 들을 수 있도록 하는 신경 보철물인 달팽이관 임플란트를 받았습니다. 수십 개의 전극이 포함된 이러한 임플란트는 여러 스피커가 있는 시끄러운 환경에서 사용하기 어려울 수 있습니다. 뇌 모델은 임플란트의 자극 패턴 최적화 연설을 증폭하기 위해. 놀라운 점은 보형물이 있는 사람들을 위해 개발된 이 기술이 청각 처리 장애가 있거나 단순히 시끄러운 환경에 있더라도 실시간으로 소리를 수정하여 보형물이 없는 사람들이 말을 더 잘 이해할 수 있도록 조정할 수 있다는 것입니다.

많은 사람들은 백내장 수술에서 회복하든 나이가 들면서 근시가 되든 일생 동안 감각 시스템의 변화를 경험합니다. 이러한 변화 후에 사람들은 지각 학습이라는 현상인 반복을 통해 세상을 올바르게 재해석하는 법을 배울 수 있음을 알고 있습니다. 우리는 사람들이 더 빠르고 효과적으로 기술을 회복할 수 있도록 이러한 지각 학습을 극대화할 수 있습니다. 비슷한 아이디어가 뇌졸중 후 팔다리를 부드럽게 움직일 수 있는 능력을 상실한 사람들에게 도움이 될 수 있습니다. 뇌를 최적으로 강화하기 위한 올바른 동작 순서를 찾을 수 있다면 뇌졸중 생존자들이 더 유동적으로 걷거나 흘리지 않고 커피 한 잔을 들고 있는 것과 같은 더 많은 기능을 회복하도록 도울 수 있습니다. 사람들이 잃어버린 신체 기능을 회복하도록 돕는 것 외에도 동일한 아이디어는 건강한 사람들이 야구 선수, 궁수 또는 병리학자와 상관없이 최고의 감각 성능에 도달하는 데 도움이 될 수 있습니다.

마지막으로, 우리는 이러한 아이디어가 기분 장애 치료에 적용되는 것을 볼 수 있었습니다. 나는 전염병 동안 지루함을 달래기 위해 많은 시각 예술 쇼에 갔고 기분이 엄청나게 좋아졌습니다. 시각 예술과 음악은 우리의 영혼을 고양시킬 수 있으며 우리가 감각을 통해 기분 장애에 대한 치료법을 전달할 수 있습니다. 우리는 전기 자극으로 뇌의 특정 부분의 활동을 제어하면 치료 저항성 우울증을 완화할 수 있다는 것을 알고 있습니다. 감각을 통해 간접적으로 뇌의 활동을 조절하는 것도 비슷한 효과를 나타낼 수 있다. 뇌의 잘 알려진 부분에 영향을 미치는 간단한 모델(낮은 과일)을 배포함으로써 인간의 건강에 도움이 될 수 있는 보다 복잡한 모델을 구축하는 데 공을 들일 것입니다. 

기술 동향 지원

NeuroAI는 응용 프로그램에 길들여지고 배포되는 데 수년이 걸릴 것이며 다른 새로운 기술 동향을 가로막을 것입니다. 여기서는 특히 neuroAI를 훨씬 더 강력하게 만들 두 가지 경향을 강조합니다. 자극을 정확하게 전달할 수 있는 증강 현실(AR); 및 뇌 활동을 측정하여 자극이 예상대로 작용하는지 확인할 수 있는 뇌-컴퓨터 인터페이스(BCI).  

증강 현실

neuroAI 애플리케이션을 훨씬 더 강력하게 만들 트렌드는 증강 현실 안경의 채택입니다. 증강 현실(AR)은 AR이 일상 생활에 통합되기 때문에 유비쿼터스 컴퓨팅 플랫폼이 될 가능성이 있습니다.

Meta Reality Labs의 수석 과학자인 Michael Abrash의 가설은 충분히 유능한 AR 안경을 만들면 모두가 그것을 원할 것이라는 것입니다. 건축을 의미합니다 영구적인 세계 잠금 가상 객체를 생성할 수 있는 세계 인식 안경; 가볍고 세련된 프레임, 한 쌍의 Ray-Bans처럼; 실제와 같은 초능력을 제공합니다. 거리에 관계없이 사람들과 자연스럽게 교류 와 청력 향상. 거대한 기술적 과제를 만들 수 있다면 AR 안경은 iPhone과 같은 궤적을 따라갈 수 있으므로 모든 사람이 출시 5년 후에 하나(또는 모조품)를 갖게 될 것입니다.

이를 실현하기 위해 Meta는 지난해 메타버스 연구개발비 10억 달러. 우리는 Apple이 무엇을 하고 있는지 확실히 알지 못하지만, AR 안경을 개발 중이라는 강력한 신호. 따라서 AR을 실현하기 위해 공급 측면에서도 엄청난 추진력이 있습니다.

이것은 오늘날의 정적인 화면보다 훨씬 더 강력한 디스플레이 장치를 널리 사용할 수 있게 할 것입니다. 그 경우 VR의 궤적을 따른다, 결국에는 아이트래킹이 통합됩니다. 이것은 현재 가능한 것보다 훨씬 더 통제된 자극을 제시하는 널리 이용 가능한 방법을 의미하며, 신경과학자들의 꿈입니다. 그리고 이러한 장치는 광범위한 건강 응용 프로그램을 가질 가능성이 높습니다. 2017년 Michael Abrash가 말한 대로, 예를 들어 저조도 시력을 향상시키거나 황반변성에도 불구하고 정상적인 삶을 살 수 있도록 합니다.

neuroAI의 중요성은 분명합니다. 일상 생활에서 지속적으로 고도로 통제된 방식으로 올바른 자극을 전달할 수 있습니다. 이것은 우리가 공간 오디오를 전달할 수 있기 때문에 시각에 해당되며 청각에 대해서는 덜 분명합니다. 이것이 의미하는 바는 신경학적 문제가 있는 사람들이나 접근성 개선을 위한 neuroAI 치료법을 제공하는 우리의 도구가 훨씬 더 강력해질 것이라는 것입니다.

BCI

훌륭한 디스플레이와 스피커를 통해 뇌에 대한 주요 입력을 정확하게 제어할 수 있습니다. 감각을 통해 자극을 전달하는 더 강력한 다음 단계는 읽기 전용 BCI(뇌-컴퓨터 인터페이스)를 통해 뇌가 예상대로 반응하는지 확인하는 것입니다. 따라서 우리는 자극이 뇌에 미치는 영향을 측정할 수 있고 예상과 다를 경우 폐쇄 루프 제어라고 하는 방식으로 적절하게 조정할 수 있습니다. 

명확히 하자면, 여기서 나는 Neuralink의 칩이나 두개골 내부로 들어가는 뇌심부 자극기와 같은 BCI 방법에 대해 말하는 것이 아닙니다. 이러한 목적을 위해서는 비침습적으로 두개골 외부의 뇌 활동을 측정하는 것으로 충분합니다. 뇌를 직접 자극할 필요도 없습니다. 안경과 헤드폰만 있으면 대부분의 뇌 입력을 제어할 수 있습니다.

현재 상용화되어 있거나 폐쇄 루프 제어에 사용할 수 있는 파이프라인에 있는 비침습적 읽기 전용 BCI가 많이 있습니다. 몇 가지 예는 다음과 같습니다.

• 뇌파. 뇌파검사는 두개골 외부 뇌의 전기적 활동을 측정합니다. 두개골이 체적 전도체 역할을 하기 때문에 EEG는 시간 분해능은 높지만 공간 분해능은 낮습니다. 이것은 명상 제품에 대한 소비자 적용을 제한했지만(뮤즈 신) 및 틈새 신경 마케팅 응용 프로그램에서 나는 폐쇄 루프 제어의 맥락에서 일부 용도에 대해 낙관적입니다. EEG는 자극을 제어할 수 있을 때 훨씬 더 강력할 수 있습니다. 제시된 자극을 EEG 신호와 연관시키고 사람이 주의를 기울이고 있던 내용을 해독할 수 있기 때문입니다(잠재적 방법 유발). 실제로 유발 잠재력을 기반으로 EEG 기반의 "마인드 클릭"을 만든 NextMind가 인수되었습니다. 스냅으로, 현재 AR 제품을 만들고 있습니다. OpenBCI는 계획 EEG 센서를 Varjo의 고급 Aero 헤드셋과 통합한 헤드셋을 출시합니다. 나는 EEG를 계산하지 않을 것입니다.
• fMRI. 기능적 자기 공명 영상은 신경 활동과 관련된 혈액 산소의 작은 변화를 측정합니다. 느리고, 휴대가 불가능하며, 자체 방이 필요하고 매우 비쌉니다. 그러나 fMRI는 공간적으로 정확한 방식으로 뇌 깊숙한 곳의 활동을 비침습적으로 읽을 수 있는 유일한 기술로 남아 있습니다. 상당히 성숙하고 폐쇄 루프 신경 제어와 관련된 두 가지 패러다임이 있습니다. 첫 번째는 fMRI 기반 바이오피드백입니다. fMRI의 서브필드 사람들이 화면이나 헤드폰에 시각적으로 표시하여 뇌 활동을 조절할 수 있음을 보여줍니다. 두 번째는 인구 수용 필드 및 무비 클립으로 복셀 선택도 추정 또는 팟캐스트를 통해 서로 다른 뇌 영역이 서로 다른 시각 및 청각 자극에 어떻게 반응하는지 추정할 수 있습니다. 이 두 가지 방법은 neuroAI 개입이 뇌에 어떤 영향을 미치는지 추정하고 더 효과적으로 조정하는 것이 가능해야 함을 암시합니다.
• fNIRS. 기능적 근적외선 분광법은 확산광을 사용하여 송신기와 수용체 사이의 대뇌 혈액량을 추정합니다. 그것은 혈액이 불투명하고 신경 활동이 증가하면 주어진 뇌 용적에서 혈액 유입이 지연된다는 사실에 의존합니다(fMRI와 동일한 원리). 기존의 NIRS는 공간 분해능이 낮지만 타임 게이팅(TD-NIRS)과 대규모 오버샘플링(확산 광학 단층 촬영)을 통해 공간 분해능이 훨씬 뛰어납니다. 학계에서는 WUSTL의 Joe Culver 그룹 시각 피질에서 영화의 디코딩을 시연했습니다. 상업적 측면에서 커널은 이제 TD-NIRS 헤드셋 제작 및 배송 엔지니어링의 인상적인 업적입니다. 그리고 사람들이 계속해서 추진하고 발전이 빠른 영역입니다. Meta의 제 예전 그룹은 관련 기술에서 신호 대 잡음비(>32까지 확장 가능)에서 300배 개선을 보여주었습니다..
• 메가. 자기뇌촬영은 자기장의 작은 변화를 측정하여 뇌 활동을 국지화합니다. MEG는 전자기장의 변화를 측정한다는 점에서 EEG와 유사하지만 체적 전도에 영향을 받지 않으므로 더 나은 공간 분해능을 갖습니다. 냉장이 필요하지 않은 휴대용 MEG는 비침습적 BCI의 판도를 바꿀 것입니다. 사람들은 광학적으로 펌핑된 자력계로 발전하고 있으며 QuSpin과 같은 제조업체로부터 공개 시장에서 개별 OPM 센서를 구입할 수 있습니다.

이러한 더 잘 알려진 기술 외에도 디지털 홀로그래피, 광음향 단층 촬영 및 기능적 초음파와 같은 일부 다크호스 기술은 이 공간에서 빠른 패러다임 전환으로 이어질 수 있습니다.

소비자 등급의 비침습적 BCI는 아직 초기 단계이지만, 파이를 더 크게 만들 AR 사용 사례를 둘러싼 여러 시장 압력이 있습니다. 실제로 AR의 중요한 문제는 장치를 제어하는 ​​것입니다. 피할 수만 있다면 컨트롤러를 들고 돌아다니거나 안경에 중얼거릴 필요가 없습니다. Facebook이 CTRL+Labs를 구매한 것으로 입증된 것처럼 기업은 이 문제를 해결하는 데 매우 진지합니다. 2019년, Snap이 NextMind를 인수하고 Valve가 OpenBCI와 협력합니다. 따라서 저차원 BCI가 빠르게 개발되는 것을 볼 수 있습니다. 고차원 BCI는 AR과 같은 킬러 앱을 찾으면 동일한 궤적을 따를 수 있습니다. 내가 여기에서 옹호하는 종류의 neuroAI 응용 프로그램이 이 기술의 올바른 사용 사례일 가능성이 있습니다.

눈과 귀에 대한 입력을 제어하고 뇌 상태를 정확하게 측정할 수 있다면 최대 효능을 위해 모니터링 방식으로 neuroAI 기반 치료법을 전달할 수 있습니다.

현장에서 빠진 것

NeuroAI 응용 프로그램의 핵심 과학은 빠르게 성숙하고 있으며 일반적인 적용 가능성을 높일 많은 긍정적인 추세가 있습니다. 그렇다면 neuroAI 응용 프로그램을 시장에 출시하기 위해 빠진 것은 무엇입니까?

1. 압형. AI 내의 다른 하위 필드는 빠른 진행과 결과 공유를 가능하게 하는 도구 상자에서 엄청난 이점을 얻었습니다. 여기에는 Tensorflow 및 PyTorch와 같은 텐서 대수학 라이브러리, OpenAI Gym과 같은 교육 환경 및 🤗 HuggingFace와 같은 데이터 및 모델을 공유하는 생태계가 포함됩니다. 잠재적으로 풍부한 시뮬레이션 데이터를 활용하는 평가 제품군뿐만 아니라 모델 및 방법의 중앙 집중식 저장소는 이 분야를 발전시킬 것입니다. 이미 강력한 오픈 소스 신경과학 조직 커뮤니티가 있으며 이러한 노력을 위한 자연스러운 호스트 역할을 할 수 있습니다.
2. 재능. 신경과학과 인공지능이 교차하는 지점에서 연구 개발을 하는 곳은 점점 줄어들고 있습니다. Stanford와 Berkeley에 연구소가 있는 Bay Area와 MIT와 Harvard에 연구소가 많은 Boston Metro 지역은 기존 벤처 캐피털 생태계에서 대부분의 투자를 받을 것입니다. 세 번째로 가능성 있는 허브는 캐나다 몬트리올로, McGill과 Universite de Montreal의 대규모 신경과학 부서와 AI 개척자 Yoshua Bengio가 설립한 인공 지능 연구소인 Mila의 영향력이 결합되었습니다. 우리 분야는 전문화된 PhD 프로그램과 neuroAI의 우수 센터를 활용하여 상용화를 시작하는 데 도움이 될 것입니다.
3. 의료 애플리케이션을 위한 새로운 자금 조달 및 상업화 모델. 의료 애플리케이션은 상용화까지 갈 길이 멀고 보호된 지적 재산은 일반적으로 기술에 대한 위험 투자를 줄이기 위한 자금을 확보하는 전제 조건입니다. AI 기반 혁신은 특허를 받기로 악명이 높으며, SaMD(Software-as-a-Medical Device)가 시장에 나오기 시작했기 때문에 상용화로 가는 길은 불확실합니다. 이 초기 분야를 육성하기 위해 AI와 의료 기술 전문 지식을 결합하는 데 초점을 맞춘 자금이 필요합니다. 

뉴로AI를 구축하자

과학자들과 철학자들은 태곳적부터 뇌가 어떻게 작동하는지에 대해 의아해했습니다. 면적이 XNUMX제곱피트인 얇은 조직 시트가 어떻게 우리가 보고, 듣고, 느끼고, 생각할 수 있게 합니까? NeuroAI는 컴퓨터에서 신경 시스템 모델을 구축하여 이러한 심오한 질문을 처리하는 데 도움이 됩니다. 지식에 대한 근본적인 갈증을 충족함으로써 인간이 된다는 것은 무엇을 의미합니까? – 신경과학자들은 수백만 명의 사람들이 더 풍요로운 삶을 살도록 도울 수 있는 도구도 만들고 있습니다.

게시일: 4년 2022월 XNUMX일