AI đang mô hình hóa bộ não để giúp chúng ta nhìn, nghe và sáng tạo

Đây là phiên bản chỉnh sửa của bài đăng ban đầu được chạy tại đây.

---

Khoa học thần kinh và AI có một lịch sử lâu dài, gắn bó với nhau. Những người tiên phong về trí tuệ nhân tạo coi các nguyên tắc tổ chức của bộ não là nguồn cảm hứng để tạo ra những cỗ máy thông minh. Trong một sự đảo ngược đáng ngạc nhiên, AI hiện đang giúp chúng ta hiểu được nguồn cảm hứng chính của nó: bộ não con người. Cách tiếp cận sử dụng AI để xây dựng mô hình não này được gọi là AI thần kinh. Trong thập kỷ tới, chúng tôi sẽ thực hiện chính xác hơn bao giờ hết trong silico mô hình não bộ, đặc biệt là mô hình của hai giác quan nổi bật nhất của chúng ta là thị giác và thính giác. Kết quả là chúng ta sẽ có thể tải xuống và sử dụng các mô hình giác quan theo yêu cầu với sự thuận tiện tương tự như khi chúng ta có thể nhận dạng đối tượng hoặc xử lý ngôn ngữ tự nhiên.

Nhiều nhà thần kinh học và nhà nghiên cứu trí tuệ nhân tạo – có thể hiểu được! – rất vui mừng về điều này: bộ não theo yêu cầu! Khám phá ý nghĩa của việc nhìn, cảm nhận và làm người! Ít được công nhận hơn là có nhiều ứng dụng thực tế trong công nghiệp. Tôi từ lâu đã là một nhà nghiên cứu trong lĩnh vực này, đã nghiên cứu cách bộ não biến tầm nhìn thành ý nghĩa kể từ khi lấy bằng Tiến sĩ. Tôi đã chứng kiến ​​sự phát triển của lĩnh vực này ngay từ khi bắt đầu và tôi nghĩ bây giờ là lúc để theo đuổi cách thức AI thần kinh có thể thúc đẩy nhiều sáng tạo hơn và cải thiện sức khỏe của chúng ta. 

Tôi dự đoán rằng trí tuệ nhân tạo thần kinh trước tiên sẽ được sử dụng rộng rãi trong nghệ thuật và quảng cáo, đặc biệt là khi được kết nối với các mô hình AI thế hệ mới như GPT-3 và DALL-E. Mặc dù các mô hình AI tổng quát hiện tại có thể tạo ra nghệ thuật và phương tiện truyền thông sáng tạo, nhưng chúng không thể cho bạn biết liệu phương tiện đó cuối cùng có truyền tải thông điệp đến đối tượng mục tiêu hay không – nhưng AI thần kinh có thể. Ví dụ: chúng tôi có thể thay thế việc thử nghiệm và sai sót của các nhóm tập trung và thử nghiệm A/B, đồng thời trực tiếp tạo ra phương tiện truyền đạt chính xác những gì chúng tôi muốn. Áp lực thị trường to lớn xung quanh ứng dụng này sẽ tạo ra một chu kỳ tích cực giúp cải thiện các mô hình AI thần kinh. 

Các mô hình nâng cao thu được sẽ cho phép ứng dụng trong y tế, từ việc giúp đỡ những người có vấn đề về thần kinh đến nâng cao khả năng của giếng. Hãy tưởng tượng việc tạo ra những hình ảnh và âm thanh phù hợp để giúp một người phục hồi thị giác hoặc thính giác nhanh hơn sau phẫu thuật LASIK hoặc sau khi cấy ốc tai điện tử. 

Những đổi mới này sẽ trở nên mạnh mẽ hơn nhiều nhờ các công nghệ khác sắp ra mắt: thực tế tăng cường và giao diện não-máy tính. Tuy nhiên, để nhận ra đầy đủ tiện ích tiềm năng của các hệ thống cảm giác có thể tải xuống theo yêu cầu, chúng ta sẽ cần lấp đầy những khoảng trống hiện tại về công cụ, tài năng và kinh phí.

Trong phần này, tôi sẽ giải thích trí tuệ nhân tạo thần kinh là gì, nó có thể bắt đầu phát triển và bắt đầu tác động đến cuộc sống của chúng ta như thế nào, nó bổ sung cho các cải tiến và công nghệ khác như thế nào cũng như những gì cần thiết để thúc đẩy nó phát triển.  

NeuroAI là gì?

NeuroAI là một ngành học mới nổi nhằm mục đích 1) nghiên cứu bộ não để học cách xây dựng trí tuệ nhân tạo tốt hơn và 2) sử dụng trí tuệ nhân tạo để hiểu rõ hơn về bộ não. Một trong những công cụ cốt lõi của AI thần kinh là sử dụng mạng lưới thần kinh nhân tạo để tạo ra các mô hình máy tính về các chức năng não cụ thể. Cách tiếp cận này được bắt đầu vào năm 2014, khi các nhà nghiên cứu tại MIT và Columbia cho thấy mạng lưới thần kinh nhân tạo sâu có thể giải thích các phản ứng trong một phần não thực hiện nhận dạng đối tượng: vỏ não vô sinh (IT). Họ đã giới thiệu một công thức cơ bản để so sánh mạng lưới thần kinh nhân tạo với bộ não. Sử dụng công thức này và lặp lại thử nghiệm lặp đi lặp lại trong các quá trình của não – nhận dạng hình dạng, xử lý chuyển động, xử lý giọng nói, điều khiển cánh tay, trí nhớ không gian – các nhà khoa học đang xây dựng một mô hình máy tính chắp vá cho não. 

Mô hình AI thần kinh của một phần não có hai đặc điểm chính. Nó có thể tính toán được: chúng ta có thể đưa vào mô hình máy tính này một kích thích và nó sẽ cho chúng ta biết vùng não sẽ phản ứng như thế nào. Nó cũng có thể khác biệt: đó là một mạng lưới thần kinh sâu mà chúng ta có thể tối ưu hóa giống như cách chúng ta tối ưu hóa các mô hình giải quyết vấn đề nhận dạng hình ảnh và xử lý ngôn ngữ tự nhiên. Điều đó có nghĩa là các nhà khoa học thần kinh có quyền truy cập vào tất cả các công cụ mạnh mẽ đã hỗ trợ cuộc cách mạng học sâu, bao gồm các hệ thống đại số tensor như PyTorch và TensorFlow. 

Điều đó có nghĩa là gì? Chúng tôi đã đi từ chỗ không hiểu được những phần lớn của bộ não đến việc có thể tải xuống những mô hình tốt về nó trong vòng chưa đầy một thập kỷ. Với sự đầu tư đúng đắn, chúng ta sẽ sớm có được những mô hình tuyệt vời về những khối não lớn. Hệ thống thị giác là hệ thống đầu tiên được mô hình hóa; hệ thống thính giác không còn xa nữa; và các lĩnh vực khác chắc chắn sẽ sụp đổ như quân domino khi các nhà khoa học thần kinh gan dạ lao vào giải quyết những bí ẩn của bộ não. Ngoài việc thỏa mãn trí tò mò trí tuệ của chúng ta – một động lực lớn cho các nhà khoa học! – sự đổi mới này sẽ cho phép bất kỳ lập trình viên nào tải xuống các mô hình tốt của bộ não và mở khóa vô số ứng dụng.

Lĩnh vực ứng dụng

Nghệ thuật và quảng cáo

Hãy bắt đầu với tiền đề đơn giản này: 99% phương tiện truyền thông mà chúng ta trải nghiệm đều thông qua mắt và tai. Có toàn bộ ngành công nghiệp có thể được tóm gọn lại để cung cấp pixel và tông màu phù hợp cho các giác quan này: nghệ thuật thị giác, thiết kế, phim ảnh, trò chơi, âm nhạc và quảng cáo chỉ là một vài trong số đó. Bây giờ, không phải mắt và tai của chúng ta diễn giải những trải nghiệm này, vì chúng chỉ đơn thuần là những cảm biến: chính bộ não của chúng ta hiểu được thông tin đó. Phương tiện truyền thông được tạo ra để thông tin, giải trí và mang lại những cảm xúc mong muốn. Nhưng việc xác định liệu thông điệp trong một bức tranh, một bức ảnh chân dung chuyên nghiệp hay một quảng cáo có được nhận như dự định hay không là một bài tập khó chịu khi thử và sai: con người phải tham gia vào vòng lặp để xác định xem thông điệp có trúng hay không, việc này tốn kém và mất thời gian- tiêu thụ.

Các dịch vụ trực tuyến quy mô lớn đã tìm ra cách giải quyết vấn đề này bằng cách tự động hóa quá trình thử và sai: thử nghiệm A/B. Google nổi tiếng đã kiểm tra xem 50 sắc thái xanh nào sẽ được sử dụng cho các liên kết trên trang kết quả của công cụ tìm kiếm. Theo The Guardian, lựa chọn tốt nhất đã mang lại sự cải thiện về doanh thu so với mức cơ bản là 200 triệu đô la vào năm 2009, hoặc gần bằng 1% doanh thu của Google tại thời điểm đó. Netflix tùy chỉnh hình thu nhỏ cho người xem để tối ưu hóa trải nghiệm người dùng. Những phương pháp này có sẵn cho những người khổng lồ trực tuyến với lưu lượng truy cập lớn, có thể khắc phục những ồn ào vốn có trong hành vi của mọi người.

Điều gì sẽ xảy ra nếu chúng ta có thể dự đoán cách mọi người sẽ phản ứng với phương tiện truyền thông trước khi nhận được bất kỳ dữ liệu nào? Điều này sẽ giúp các doanh nghiệp nhỏ có thể tối ưu hóa tài liệu bằng văn bản và trang web của họ mặc dù có rất ít lực kéo từ trước. NeuroAI đang ngày càng tiến gần hơn đến khả năng dự đoán cách mọi người sẽ phản ứng với các tài liệu trực quan. Ví dụ, các nhà nghiên cứu tại Adobe đang nghiên cứu các công cụ để dự đoán và hướng sự chú ý trực quan vào hình minh họa.

Các nhà nghiên cứu cũng đã chứng minh việc chỉnh sửa ảnh để làm cho chúng đáng nhớ hơn về mặt trực quan hoặc về mặt thẩm mỹ vừa lòng. Ví dụ: nó có thể được sử dụng để tự động chọn một bức ảnh chụp chân dung chuyên nghiệp phù hợp nhất với hình ảnh mà mọi người muốn thể hiện về bản thân – chuyên nghiệp, nghiêm túc hoặc sáng tạo. Mạng lưới thần kinh nhân tạo thậm chí có thể tìm ra cách truyền đạt thông điệp hiệu quả hơn hình ảnh thực tế. CLIP của OpenAI có thể được thăm dò để tìm ra những hình ảnh phù hợp với cảm xúc. Hình ảnh phù hợp nhất với khái niệm gây sốc sẽ không hề lạc lõng bên cạnh Tiếng hét của Munch.

Trong năm qua, OpenAI và Google đã trình diễn các mạng nghệ thuật sáng tạo với khả năng ấn tượng trong việc tạo ra các hình ảnh chân thực từ lời nhắc văn bản. Chúng ta chưa đạt đến thời điểm đó đối với âm nhạc, nhưng với tốc độ tiến bộ của các mô hình sáng tạo, điều này chắc chắn sẽ xảy ra trong vài năm tới. Bằng cách chế tạo những cỗ máy có thể nghe như con người, chúng ta có thể dân chủ hóa việc sản xuất âm nhạc, trao cho bất kỳ ai khả năng làm những gì mà các nhà sản xuất âm nhạc có tay nghề cao có thể làm: truyền đạt cảm xúc phù hợp trong một đoạn điệp khúc, dù là nỗi buồn hay niềm vui; để tạo ra một giai điệu sâu tai; hoặc để làm cho một tác phẩm có thể khiêu vũ không thể cưỡng lại được.

Có áp lực thị trường rất lớn trong việc tối ưu hóa phương tiện nghe nhìn, trang web và đặc biệt là quảng cáo, đồng thời chúng tôi đã tích hợp AI thần kinh và nghệ thuật thuật toán vào quy trình này. Áp lực này sẽ dẫn đến một vòng tuần hoàn trong đó AI thần kinh sẽ trở nên tốt hơn và hữu ích hơn khi có nhiều tài nguyên hơn được đổ vào các ứng dụng thực tế. Một tác dụng phụ của việc đó là chúng ta sẽ có được những mô hình não bộ rất tốt và sẽ hữu ích hơn nhiều so với quảng cáo. 

Khả năng tiếp cận và thiết kế thuật toán

Một trong những ứng dụng thú vị nhất của AI thần kinh là khả năng tiếp cận. Hầu hết các phương tiện truyền thông đều được thiết kế dành cho người “trung bình”, tuy nhiên tất cả chúng ta đều xử lý thông tin thị giác và thính giác một cách khác nhau. 8% nam giới và 0.5% nữ giới bị mù màu xanh đỏ và một lượng lớn phương tiện truyền thông không phù hợp với nhu cầu của họ. Ngày nay có một số sản phẩm mô phỏng bệnh mù màu nhưng yêu cầu người có thị lực màu bình thường giải thích kết quả và thực hiện những thay đổi cần thiết. Ánh xạ lại màu tĩnh cũng không đáp ứng được những nhu cầu này vì một số tài liệu không bảo toàn ngữ nghĩa của chúng bằng ánh xạ lại màu (ví dụ: biểu đồ trở nên khó đọc). Chúng tôi có thể tự động hóa việc tạo ra các tài liệu và trang web an toàn cho người mù màu thông qua các phương pháp AI thần kinh duy trì ngữ nghĩa của đồ họa hiện có.

Một ví dụ khác là giúp đỡ những người khuyết tật học tập, như chứng khó đọc, căn bệnh ảnh hưởng đến 10% số người trên toàn thế giới. Một trong những vấn đề cơ bản của chứng khó đọc là nhạy cảm với sự đông đúc, đó là khó khăn trong việc nhận dạng các hình dạng có các đặc điểm cơ bản tương tự, bao gồm các chữ cái đối xứng gương như p và q. Anne Harrington và Arturo Deza tại MIT đang nghiên cứu các mô hình AI thần kinh mô hình đó hiệu ứng này và nhận được một số kết quả rất hứa hẹn. Hãy tưởng tượng lấy các mô hình của hệ thống thị giác mắc chứng khó đọc để thiết kế các phông chữ vừa mang tính thẩm mỹ vừa dễ đọc hơn. Với dữ liệu phù hợp về hệ thống thị giác của một người cụ thể, chúng ta thậm chí có thể cá nhân hóa phông chữ cho một cá nhân cụ thể, điều này đã cho thấy nhiều hứa hẹn trong việc cải thiện hiệu suất đọc. Đây có thể là những cải thiện lớn về chất lượng cuộc sống đang chờ đợi ở đây.

cho sức khoẻ

Nhiều nhà khoa học thần kinh tham gia lĩnh vực này với hy vọng rằng nghiên cứu của họ sẽ tác động tích cực đến sức khỏe con người, đặc biệt đối với những người mắc chứng rối loạn thần kinh hoặc các vấn đề về sức khỏe tâm thần. Tôi rất hy vọng rằng trí tuệ nhân tạo thần kinh sẽ mở ra những liệu pháp mới: với một mô hình não tốt, chúng ta có thể tạo ra các kích thích phù hợp để gửi đúng thông điệp đến nó, giống như một chiếc chìa khóa vừa với ổ khóa. Theo nghĩa đó, AI thần kinh có thể được áp dụng tương tự như thiết kế thuốc theo thuật toán, nhưng thay vì phân tử nhỏ, chúng tôi cung cấp hình ảnh và âm thanh. 

Những vấn đề dễ tiếp cận nhất liên quan đến các cơ quan thụ cảm của mắt và tai, vốn đã có đặc điểm rõ ràng. Hàng trăm ngàn người đã được cấy ốc tai điện tử, một loại thiết bị thần kinh giả kích thích điện ốc tai, cho phép người điếc hoặc khiếm thính có thể nghe lại. Những bộ cấy này chứa vài chục điện cực, có thể khó sử dụng trong môi trường ồn ào với nhiều loa. Một mô hình não có thể tối ưu hóa mô hình kích thích của bộ cấy để khuếch đại lời nói. Điều đáng chú ý là công nghệ này, được phát triển cho những người được cấy ghép, có thể được điều chỉnh để giúp những người không được cấy ghép hiểu rõ hơn lời nói bằng cách sửa đổi âm thanh trong thời gian thực, cho dù họ bị rối loạn xử lý thính giác hay chỉ đơn giản là họ thường xuyên ở trong môi trường ồn ào.

Nhiều người trải qua những thay đổi đối với hệ thống cảm giác của họ trong suốt cuộc đời, cho dù đó là hồi phục sau phẫu thuật đục thủy tinh thể hay bị cận thị theo tuổi tác. Chúng tôi biết rằng sau sự thay đổi như vậy, mọi người có thể học cách diễn giải lại thế giới một cách chính xác thông qua sự lặp lại, một hiện tượng được gọi là học tập nhận thức. Chúng ta có thể tối đa hóa việc học tập bằng nhận thức này để mọi người có thể lấy lại các kỹ năng của mình nhanh hơn và hiệu quả hơn. Ý tưởng tương tự có thể giúp những người mất khả năng cử động chân tay sau đột quỵ. Nếu chúng ta có thể tìm ra chuỗi chuyển động phù hợp để tăng cường trí não một cách tối ưu, chúng ta có thể giúp những người sống sót sau đột quỵ lấy lại nhiều chức năng hơn, như đi lại trôi chảy hơn hoặc đơn giản là cầm một tách cà phê mà không làm đổ. Ngoài việc giúp mọi người phục hồi các chức năng thể chất đã bị mất, ý tưởng tương tự có thể giúp những người khỏe mạnh đạt được hiệu suất giác quan cao nhất – cho dù họ là cầu thủ bóng chày, cung thủ hay nhà nghiên cứu bệnh học.

Cuối cùng, chúng ta có thể thấy những ý tưởng này được áp dụng vào việc điều trị chứng rối loạn tâm trạng. Tôi đã đi xem nhiều buổi biểu diễn nghệ thuật thị giác để giải tỏa nỗi buồn chán trong thời kỳ đại dịch, và nó đã nâng tâm trạng của tôi lên rất nhiều. Nghệ thuật thị giác và âm nhạc có thể nâng cao tinh thần của chúng ta và đó là bằng chứng về khái niệm rằng chúng ta có thể có thể cung cấp các liệu pháp điều trị rối loạn tâm trạng thông qua các giác quan. Chúng tôi biết rằng việc kiểm soát hoạt động của các bộ phận cụ thể của não bằng kích thích điện có thể làm giảm chứng trầm cảm kháng trị; có lẽ việc kiểm soát hoạt động của não một cách gián tiếp thông qua các giác quan có thể cho thấy những tác động tương tự. Bằng cách triển khai các mô hình đơn giản – quả dễ thực hiện – ảnh hưởng đến các phần được hiểu rõ của não, chúng tôi sẽ bắt tay vào xây dựng các mô hình phức tạp hơn có thể giúp ích cho sức khỏe con người. 

Kích hoạt xu hướng công nghệ

NeuroAI sẽ mất nhiều năm để được thuần hóa và triển khai trong các ứng dụng, đồng thời nó sẽ đánh chặn các xu hướng công nghệ mới nổi khác. Ở đây, tôi đặc biệt nhấn mạnh hai xu hướng sẽ làm cho AI thần kinh trở nên mạnh mẽ hơn nhiều: thực tế tăng cường (AR), có thể cung cấp các kích thích một cách chính xác; và giao diện não-máy tính (BCI), có thể đo hoạt động của não để xác minh rằng các kích thích hoạt động theo cách mong đợi.  

Thực tế tăng cường

Một xu hướng sẽ làm cho các ứng dụng AI thần kinh trở nên mạnh mẽ hơn nhiều là việc áp dụng kính thực tế tăng cường. Thực tế tăng cường (AR) có tiềm năng trở thành một nền tảng điện toán phổ biến vì AR tích hợp vào cuộc sống hàng ngày.

Giả thuyết của Michael Abrash, nhà khoa học trưởng tại Meta Reality Labs, là nếu bạn tạo ra những chiếc kính AR đủ khả năng, mọi người sẽ muốn có chúng. Điều đó có nghĩa là xây dựng Kính nhận biết thế giới có thể tạo ra các vật thể ảo bị khóa thế giới liên tục; khung nhẹ nhàng và thời trang, giống như một cặp Ray-Bans; và trao cho bạn những siêu năng lực ngoài đời thực, chẳng hạn như có thể tương tác tự nhiên với mọi người bất kể khoảng cách và tăng cường thính giác của bạn. Nếu bạn có thể tạo ra những thứ này – một thách thức lớn về mặt kỹ thuật – kính AR có thể đi theo quỹ đạo giống như iPhone, sao cho mọi người sẽ có một (hoặc một sản phẩm nhái) sau 5 năm kể từ khi ra mắt.

Để biến điều này thành hiện thực, Meta đã dành 10 tỷ đô la vào năm ngoái cho R&D cho metaverse. Mặc dù chúng ta không biết chắc chắn Apple đang làm gì, nhưng có dấu hiệu rõ ràng cho thấy họ đang nghiên cứu kính AR. Vì vậy, phía cung cũng có sự thúc đẩy mạnh mẽ để biến AR thành hiện thực.

Điều này sẽ làm cho một thiết bị hiển thị mạnh mẽ hơn nhiều so với các màn hình tĩnh ngày nay được phổ biến rộng rãi. Nếu nó đi theo quỹ đạo của VR, cuối cùng nó sẽ được tích hợp tính năng theo dõi mắt. Điều này có nghĩa là một cách phổ biến rộng rãi để trình bày các kích thích được kiểm soát nhiều hơn mức có thể hiện tại, một giấc mơ đối với các nhà khoa học thần kinh. Và những thiết bị này có thể có những ứng dụng y tế sâu rộng, như Michael Abrash đã kể vào năm 2017, chẳng hạn như tăng cường thị lực trong điều kiện ánh sáng yếu hoặc giúp mọi người có cuộc sống bình thường dù bị thoái hóa điểm vàng.

Tầm quan trọng của AI thần kinh rất rõ ràng: chúng ta có thể liên tục cung cấp các kích thích phù hợp theo cách được kiểm soát chặt chẽ trong cuộc sống hàng ngày. Điều này đúng với thị giác và có lẽ ít rõ ràng hơn đối với thính giác, vì chúng ta có thể truyền tải âm thanh không gian. Điều đó có nghĩa là các công cụ của chúng tôi nhằm mang lại các liệu pháp AI thần kinh cho những người có vấn đề về thần kinh hoặc để cải thiện khả năng tiếp cận sẽ trở nên mạnh mẽ hơn nhiều.

BCI

Với màn hình và loa tuyệt vời, chúng ta có thể điều khiển chính xác những thông tin đầu vào chính đến não. Giai đoạn tiếp theo, mạnh mẽ hơn trong việc truyền tải kích thích thông qua các giác quan là xác minh rằng não đang phản ứng theo cách mong đợi thông qua giao diện não-máy tính chỉ đọc (BCI). Do đó, chúng ta có thể đo lường tác động của các kích thích lên não và nếu chúng không như mong đợi, chúng ta có thể điều chỉnh cho phù hợp trong cái gọi là kiểm soát vòng kín. 

Nói rõ hơn, ở đây tôi không nói về các phương pháp BCI như chip của Neuralink hay các chất kích thích não sâu đi vào bên trong hộp sọ; Đối với những mục đích này, chỉ cần đo hoạt động của não bên ngoài hộp sọ, không xâm lấn là đủ. Cũng không cần kích thích trực tiếp não: kính và tai nghe là tất cả những gì bạn cần để kiểm soát hầu hết hoạt động đầu vào của não.

Có một số BCI chỉ đọc không xâm lấn hiện đã được thương mại hóa hoặc đang trong quá trình triển khai có thể được sử dụng để điều khiển vòng kín. Một số ví dụ bao gồm:

• Điện não đồ. Điện não đồ đo hoạt động điện của não bên ngoài hộp sọ. Bởi vì hộp sọ hoạt động như một chất dẫn âm nên EEG có độ phân giải thời gian cao nhưng độ phân giải không gian thấp. Trong khi điều này đã hạn chế ứng dụng của người tiêu dùng đối với các sản phẩm thiền (Muse) và các ứng dụng tiếp thị thần kinh thích hợp, tôi rất lạc quan về một số ứng dụng của nó trong bối cảnh kiểm soát vòng kín. EEG có thể mạnh hơn nhiều khi một người có quyền kiểm soát kích thích, bởi vì có thể tương quan giữa kích thích được đưa ra với tín hiệu EEG và giải mã những gì một người đang chú ý (các phương pháp tiềm năng gợi lên). Thật vậy, NextMind, công ty đã thực hiện “nhấp chuột tâm trí” dựa trên EEG dựa trên các tiềm năng được gợi lên, đã được mua lại bởi Snap, hiện đang sản xuất các sản phẩm AR. OpenBCI là lập kế hoạch để cho ra mắt tai nghe tích hợp cảm biến EEG với tai nghe Aero cao cấp của Varjo. Tôi sẽ không tính EEG ra.
• fMRI. Chụp cộng hưởng từ chức năng đo lường những thay đổi nhỏ trong quá trình oxy hóa máu liên quan đến hoạt động thần kinh. Nó chậm, không di động được, cần có phòng riêng và rất đắt. Tuy nhiên, fMRI vẫn là công nghệ duy nhất có thể đọc hoạt động sâu trong não một cách không xâm lấn theo cách chính xác về mặt không gian. Có hai mô hình khá hoàn thiện và phù hợp với điều khiển thần kinh vòng kín. Đầu tiên là phản hồi sinh học dựa trên fMRI. Một trường con của fMRI cho thấy mọi người có thể điều chỉnh hoạt động não của mình bằng cách trình bày nó một cách trực quan trên màn hình hoặc tai nghe. Thứ hai là lập bản đồ vỏ não, bao gồm các phương pháp tiếp cận như trường tiếp nhận dân số và ước tính độ chọn lọc voxel với các đoạn phim hoặc podcast, cho phép người ta ước tính các vùng não khác nhau phản ứng như thế nào với các kích thích thị giác và thính giác khác nhau. Hai phương pháp này gợi ý rằng có thể ước tính mức độ can thiệp của AI thần kinh ảnh hưởng đến não và điều khiển nó hoạt động hiệu quả hơn.
• fNIRS. Quang phổ cận hồng ngoại chức năng sử dụng ánh sáng khuếch tán để ước tính thể tích máu não giữa bộ truyền và bộ phận tiếp nhận. Nó dựa trên thực tế là máu có màu đục và hoạt động thần kinh tăng lên dẫn đến lượng máu chảy vào não bị trì hoãn trong một thể tích não nhất định (nguyên tắc tương tự như fMRI). NIRS thông thường có độ phân giải không gian thấp, nhưng với tính năng đo thời gian (TD-NIRS) và lấy mẫu quá mức lớn (chụp cắt lớp quang học khuếch tán), độ phân giải không gian tốt hơn nhiều. Về mặt học thuật, Nhóm của Joe Culver tại WUSTL đã chứng minh việc giải mã phim từ vỏ não thị giác. Về mặt thương mại, Kernel hiện nay sản xuất và vận chuyển tai nghe TD-NIRS đó là những thành tựu ấn tượng của kỹ thuật. Và đó là lĩnh vực mà mọi người không ngừng nỗ lực và tiến bộ nhanh chóng; nhóm cũ của tôi tại Meta đã chứng minh tỷ lệ tín hiệu trên nhiễu được cải thiện gấp 32 lần (có thể tăng tỷ lệ lên >300) trong một kỹ thuật liên quan.
• MEG. Điện não đồ đo những thay đổi nhỏ trong từ trường, từ đó định vị hoạt động của não. MEG tương tự như EEG ở chỗ nó đo những thay đổi trong trường điện từ, nhưng nó không bị dẫn truyền âm lượng và do đó có độ phân giải không gian tốt hơn. MEG di động không cần làm lạnh sẽ là yếu tố thay đổi cuộc chơi đối với BCI không xâm lấn. Mọi người đang đạt được tiến bộ với từ kế được bơm quang học và có thể mua các cảm biến OPM riêng lẻ trên thị trường mở từ các nhà sản xuất như QuSpin.

Ngoài những kỹ thuật được biết đến nhiều hơn này, một số công nghệ đen tối như chụp ảnh ba chiều kỹ thuật số, chụp cắt lớp âm thanh và siêu âm chức năng có thể dẫn đến những thay đổi mô hình nhanh chóng trong không gian này.

Mặc dù BCI không xâm lấn ở cấp độ người tiêu dùng vẫn còn ở giai đoạn sơ khai, nhưng có một số áp lực thị trường xung quanh các trường hợp sử dụng AR sẽ làm cho chiếc bánh trở nên lớn hơn. Thật vậy, một vấn đề quan trọng đối với AR là việc điều khiển thiết bị: bạn không muốn phải đi lại với bộ điều khiển hoặc lẩm bẩm với kính của mình nếu có thể tránh được. Các công ty khá nghiêm túc trong việc giải quyết vấn đề này, bằng chứng là việc Facebook mua CTRL+Labs trong 2019, Snap mua lại NextMind và Valve hợp tác với OpenBCI. Vì vậy, chúng ta có thể thấy BCI chiều thấp đang được phát triển nhanh chóng. BCI chiều cao có thể đi theo quỹ đạo tương tự nếu họ tìm thấy một ứng dụng sát thủ như AR. Có thể các loại ứng dụng AI thần kinh mà tôi ủng hộ ở đây chính xác là trường hợp sử dụng phù hợp cho công nghệ này.

Nếu chúng ta có thể kiểm soát đầu vào của mắt và tai cũng như đo lường trạng thái não một cách chính xác, chúng ta có thể cung cấp các liệu pháp dựa trên thần kinh AI theo cách được giám sát để đạt hiệu quả tối đa.

Những gì còn thiếu từ lĩnh vực này

Khoa học cốt lõi đằng sau các ứng dụng NeuroAI đang phát triển nhanh chóng và có một số xu hướng tích cực sẽ làm tăng khả năng ứng dụng chung của nó. Vậy còn thiếu điều gì để đưa các ứng dụng AI thần kinh ra thị trường?

1. Dụng cụ. Các trường con khác trong AI đã được hưởng lợi rất nhiều từ các hộp công cụ cho phép tiến bộ và chia sẻ kết quả nhanh chóng. Điều này bao gồm các thư viện đại số tensor như Tensorflow và PyTorch, môi trường đào tạo như OpenAI Gym và các hệ sinh thái để chia sẻ dữ liệu và mô hình như 🤗 HuggingFace. Một kho lưu trữ tập trung các mô hình và phương pháp, cũng như các bộ đánh giá, có khả năng tận dụng dữ liệu mô phỏng phong phú, sẽ thúc đẩy lĩnh vực này phát triển. Hiện đã có một cộng đồng mạnh mẽ gồm các tổ chức khoa học thần kinh nguồn mở và họ có thể đóng vai trò là chủ nhà tự nhiên cho những nỗ lực này.
2. Năng lực. Có rất ít nơi thực hiện nghiên cứu và phát triển ở điểm giao thoa giữa khoa học thần kinh và AI. Vùng Vịnh, với các phòng thí nghiệm tại Stanford và Berkeley, cũng như khu vực đô thị Boston với nhiều phòng thí nghiệm tại MIT và Harvard, có thể sẽ nhận được phần lớn khoản đầu tư từ hệ sinh thái đầu tư mạo hiểm đã có từ trước. Trung tâm thứ ba có thể là Montreal, Canada, được hỗ trợ bởi các khoa khoa học thần kinh lớn tại McGill và Đại học Montreal, kết hợp với sức hút của Mila, viện trí tuệ nhân tạo do nhà tiên phong về AI Yoshua Bengio thành lập. Lĩnh vực của chúng tôi sẽ được hưởng lợi từ các chương trình tiến sĩ chuyên ngành và các trung tâm xuất sắc về trí tuệ nhân tạo thần kinh để khởi động quá trình thương mại hóa.
3. Các mô hình tài trợ và thương mại hóa mới cho các ứng dụng y tế. Các ứng dụng y tế còn một chặng đường dài để thương mại hóa và tài sản trí tuệ được bảo vệ thường là điều kiện tiên quyết để có được nguồn tài trợ nhằm giảm thiểu rủi ro khi đầu tư vào công nghệ. Những đổi mới dựa trên AI nổi tiếng là khó được cấp bằng sáng chế và phần mềm như một thiết bị y tế (SaMD) chỉ mới bắt đầu xuất hiện trên thị trường, khiến con đường thương mại hóa trở nên không chắc chắn. Chúng ta sẽ cần nguồn vốn tập trung vào việc kết hợp chuyên môn về AI và công nghệ y tế để nuôi dưỡng lĩnh vực non trẻ này. 

Hãy xây dựng trí tuệ nhân tạo thần kinh

Các nhà khoa học và triết gia đã bối rối về cách thức hoạt động của bộ não từ thời xa xưa. Làm thế nào mà một tấm khăn giấy mỏng có diện tích khoảng 1 foot vuông lại có thể cho phép chúng ta nhìn, nghe, cảm nhận và suy nghĩ? NeuroAI đang giúp chúng ta giải quyết những câu hỏi sâu sắc này bằng cách xây dựng các mô hình hệ thống thần kinh trong máy tính. Bằng cách thỏa mãn cơn khát kiến ​​thức cơ bản đó – làm người có ý nghĩa gì? – các nhà khoa học thần kinh cũng đang xây dựng các công cụ có thể giúp hàng triệu người có cuộc sống giàu có hơn.

Đăng ngày 4 tháng 2022 năm XNUMX