脑机接口的研究主要是为了帮助残障人士,尤其是那些无法进行交流的人。这项研究已经取得了巨大的突破,例如最近的一项成果使得一名患有肌萎缩侧索硬化症(ALS,一种也被称为卢伽雷氏症的退行性疾病)的瘫痪男子能够说话。脑机接口也被用于帮助截肢者控制机械臂。
IEEE高级会员Santhosh Sivasubramani表示:“脑机接口正在显著改善医疗效果。它们为多种病症提供了新的治疗选择,包括帮助中风幸存者重新获得行动能力和独立性。这些技术提高了许多人的生活质量。”
基础研究
1929年,随着脑电图(EEG)技术的发展,研究人员首次开始探索脑机接口这一概念。测量人类大脑电脉冲的能力让一些人开始思考,是否有可能从这些电信号中解读人们的意图。20世纪60年代,研究人员进行的实验表明,可以训练猴子和猫减缓它们的脑电波节奏以换取食物。这一系列研究引出了新的问题。如果动物能够控制它们大脑中的电脉冲,那么这些脉冲能否被用于控制物体呢?
到1988年,这个问题的答案是肯定的。马其顿斯科普里智能机器与生物信息系统实验室的研究人员利用脑电图仪(EEG)发出的信号控制了一个机械臂。然而,发展并非一帆风顺。其他研究人员花了11年才重现这一壮举。
脑机接口(BCI)的组成部分
一个脑机接口需要三个主要部分。首先,它需要一种获取大脑信号的方式。其次,它必须对这些信号进行处理或者解读。最后,它需要将信号发送到计算机或设备(如机械臂或轮椅)上,以实现某些操作。
大脑信号观测
脑机接口最突出的形式依赖于非侵入性方法来测量电活动,通常是通过放置在头皮上的传感器。
最常见的脑机接口(BCI)使用非侵入性方法来测量大脑中的电活动。这通常是通过放置在头皮上的传感器来完成的。
非侵入性方法无法深入大脑,它们的信号可能不是很强,这可能会限制它们的有用性。但它们对患者来说通常更安全。
在过去20年里,也开发出了侵入性方法,这种方法需要通过手术将传感器直接植入大脑。最著名的侵入性设备被称为犹他阵列(Utah array),它使用100个电极,深入大脑外层约1毫米。它推动了该领域的许多重要突破。
侵入性方法存在感染等风险,因为它们使用一根穿过颅骨的电线来传输数据和电力。因此,这种方法并不十分常见。截至2023年,只有大约50人接受了神经植入物。
最近,出现了第三种选择:微创植入物。这些植入物允许医生通过颅骨上的小切口,甚至通过通向大脑的静脉在大脑中放置电极。这种方法在降低侵入性脑机接口的医疗风险的同时,还能提供比非侵入性脑机接口更好的信号质量,从而达到了很好的平衡。
半导体行业的贡献
脑机接口的快速发展依赖于其他领域的进步,例如半导体行业。
IEEE高级会员Eleanor Watson表示:“半导体制造技术如今正应用于医学领域,从而能够制造出极小的电极。薄膜微电极阵列现在可以贴在大脑皮层表面而不穿透它,提供了一种侵入性更小的选择。”
其他的进步包括利用人工智能改进脑机接口(BCIs)解读大脑信号的方式。
人工智能在脑机接口(BCIs)中的作用
当脑机接口(BCI)测量大脑中的一个信号时,它必须将该信号转换为指令以控制外部设备。然而,这个过程并不容易。
一个原因是大脑通常同时在做几件事情。例如,当大脑发送信号来移动机械臂时,它可能也会发送眨眼或呼吸的信号。
人工智能(AI)越来越多地被用于帮助减少大脑信号中的额外“噪音”。但人工智能的作用不仅仅是减少噪音。它有助于从原始大脑信号中挑选出重要的模式,这对于理解用户想要做什么至关重要。人工智能还通过分析这些模式对用户的意图进行分类。利用监督学习,人工智能模型在大脑活动数据上进行训练,这样它们就能学会准确预测行为。
超越治疗范畴?
虽然脑机接口研究的主要焦点是医学应用,但在不久的将来,这些技术也可能对其他领域产生影响。不过,该领域仍处于起步阶段,这意味着用脑玩电子游戏的日子还很遥远。
尽管如此,仍存在一些近期的益处。
Watson表示:“科学研究将受益匪浅,因为脑机接口在各种状态和条件下提供了有关大脑功能的宝贵数据。在辅助技术领域,脑机接口可以帮助残障人士更有效地与设备及其周围环境互动。在改善人机交互方面也存在潜力,脑机接口可能提供控制计算机或其他设备的新方法,将我们的大脑与机器相连,也许还能提高我们的认知能力、专注力和情绪。”
“尽管存在这些潜在的应用,但很明显,目前脑机接口(BCI)研究的重点仍然坚定地放在医疗和治疗用途上,在现阶段的发展中,其他潜在应用属于次要考虑因素。”
好文章,需要你的鼓励
高带宽闪存技术承诺提供超大容量,但面临极其复杂的工程挑战。该技术将多层NAND芯片堆叠,每层由数百个3D NAND单元层组成,可创造前所未有的存储容量。相比昂贵的HBM内存,HBF使用更便宜但速度较慢的闪存为GPU提供更多存储空间。技术复杂性体现在互连布线的困难,12层HBF堆叠将包含2866个存储层。由于需要英伟达等GPU厂商深度参与和行业标准制定,预计HBF距离商用还需两年以上时间。
阿里巴巴达摩院联合浙江大学、香港科技大学发布Inferix,这是专为世界模拟打造的下一代推理引擎。它采用块扩散技术,像搭积木般分段生成视频,既保证高质量又支持任意长度,克服了传统方法的局限。配套LV-Bench评测基准包含1000个长视频样本,建立了分钟级视频生成的评估标准,为游戏、教育、娱乐等领域的内容创作带来革命性突破。
戴尔第三季度营收270亿美元,同比增长11%,创历史新高,主要受AI服务器需求爆发式增长推动。AI服务器订单达123亿美元,全年订单总额300亿美元。基础设施解决方案集团营收141亿美元,增长24%,其中服务器和网络业务表现强劲。存储业务营收39.8亿美元,同比下降1%,但全闪存阵列产品实现双位数增长。公司预计第四季度营收315亿美元,全年AI服务器出货量约250亿美元。
Luma AI推出的终端速度匹配(TVM)是一种革命性的图像生成技术,能够在单次计算中生成高质量图像,突破了传统方法需要数十步采样的限制。该技术通过关注生成路径的"终点"而非"起点",实现了从噪声到图像的直接跳跃,在保证数学理论基础的同时大幅提升了生成效率,为实时AI应用开辟了新路径。