(0 comments)

 

 

作者: 张硕何James   吴航

编辑:张硕何James

参与:毕滢Anderson 魏海琦Celine

 

 


 

硅谷企业家Elon Musk于3月28日公布其成立的以植入型脑机交互芯片为基础的「智能增强IntelligenceAugmentation,IA」方向的新公司「Neuralink」,一时间,机器智能与人类智能之间究竟是竞争关系还是有相融合趋势的讨论喧嚣尘上。来自多伦多大学人文智能实验室「HumanisticIntelligence Lab at University of Toronto」的创业团队将在此篇文章讨论「智能增强」在「人工智能」的时代大环境下的挑战与机遇,即「IAvs AI」,并将阐释由人文智能团队得出的脑力提升解决方案。

 

多伦多大学人文智能实验室「HI Lab」由多伦多大学终身教授「可穿戴设备之父」SteveMANN教授创立,人文智能北京团队目前专注于「增强领域」领域的硬件、软件与算法一体化研究,现已获得「洪泰基金制造工场AplusLab」硬件孵化器投资,并于2017年5月在中国北京开展为期3个月的硬件研发孵化。「人文智能」团队将参加由清华大学「创客空间协会」举办的「中美青年创客大赛」,团队现已面向「创客空间」及「创客大赛」公开招募队员,希望通过这一系列文章能让更多的人了解这个领域,也希望找到聪明的你一起钻研这个领域。

「shuohe.zhang@mail.utoronto.ca」

「celine.wei@mail.utoronto.ca」

 

 

新的问题

 

历史告诉我们,新技术的出现在为社会问题提供解决之道的同时,也为世界带来了新的危机。

 

在1850年的工业革命中,医药、通讯、能源等领域迎来了蓬勃发展,但同样伴随着巨大的代价,越来越投机取巧的商业模式,渐渐崩坏的额社会保障体系,直至是之后全球范围的战争;在2002年的互联网泡沫后,本就产业结构调整滞后的日本受此影响更是经济长时间衰退,而美国资本环境在此期间所遭受的创伤更是人尽皆知;于2008年发生的次贷危机甚至可以说是金融衍生品,即金融新科技所引发的危机。而现在,在2017年,我们面对的是被定为「人工智能Artificial Intelligence,AI」,代表着拟人的科技,也代表着伺机在各个领域掀起的技术革命。

 

现在的「AI」,比如「AlphaGo」,拥有了在特定任务环境下的某些学习能力,但是无论这种能力被如何神化,它的本质仍是通过读取的数据来对应概率,最终通过相对应的概率生成新的模型公式。换言之,一个被无限拟人的强大机器本质上是通过一组既定的规律来生成的一组既定的反馈。那这意味着什么呢?这意味着在逻辑性高的或者至少是重复性高的领域里,「24/7模式」的机器比脆弱的人类很明显是一个成本更优的解决方案。

 

 

因此,当「AlphaGo」在围棋盘上大获全胜,无数的金融类「AI」横空出世,甚至「Facebook」的人脸识别比人类在相同任务下的还要拥有更高的准确率,你不禁会问,「人类是不是真的战胜不了机器?」。自从Elon MUSK在「OpenAI」发出的那句「AI终将毁灭人类」开始,社会舆论从一开始主要的支持态度渐渐转变为现在的正反两两派,怀疑论者认为机器的革命将间接导致「第四次工业革命」,这些以科技创新为名的新兴技术并不会带来更多的工作机会,而是会使得原本存在的岗位被机器替换。

 

 

但这显然有两个误区,即

1. 我们臆想出来的社会危机,其实根本原因并不在于「AI」本身。

2. 我们小看了人类大脑所能发挥出来的能力,人类的潜能还未被完全发掘。

 

 

解决之道

 

首先,我们似乎忽略了一个问题,即「AI」是由一群最聪明的工程师在精英的指导下做出来的,它的能力和技术都取决于其开发者本身的目标和价值观。这就好比不是手枪能杀人,而是持枪者能杀人,我们不需要去恐惧枪本身,而是需要关心那些持枪者是在于保护别人还是去伤害他人。

 

其次,我们似乎都小看了大脑。人类在千万年的进化当中,退化了尾巴等和现代行为模式关联不大的结构,但却进化出了发达的新皮层,因此让我们具有了远超预期他哺乳类动物的高阶认知功能。当我们拥有了抽象思维,对环境中的现象能够归纳、关联和推理;我们能对记忆进行充足,进而对未来进行思考;我们能创造工具,对环境进行改造。

 

可是人类大脑的才能并不在于寻找规律然后把它数字化,而是将看似无法相容的东西用新奇的办法整合起来。不过数字化又恰恰是机器所擅长的,所以如果让智能机器和人脑互相合作、相互增强,则更加能够让智能人类能够更有效地去处理各种事情,这样才是真正的强智能生物,于是目光便聚焦在人机融合的「智能增强Intelligence Augmentation,IA」之上。

 

也许在单纯对产业链优化、具体结果的精度提升、自动化过程替代手工之外,还有一条路径,即在本质上提升我们对于世界的理解、对于社会的反思,并且能让我们从现有的人体效能模式和大脑认知中蜕变。在对人类现有的生物限制达成脑力提升之后,我们便有可能发掘出更好的资源、创新出更具价值的技术手段、找到更多共赢发展的可能性,不是吗?

 

 

疯狂科学

 

「美国国防高级研究计划局Defense Advanced Research Project s Agency,DARPA」在2016年3月发布了一篇名为「提升神经可塑性以提升学习速度Boosting Synaptic Plasticity to Accelerate Learning」的报告,宣布启动「颅内芯片研究项目Targeted Neuro-plasticity Training,TNT」,由「RE-NET项目」的创始人Dr. Douglas WEBER管理,旨在利用「颅内芯片」来帮助人提升学习能力、逻辑运算和记忆力。此项目一经披露,以往属于国家机密的脑研究和改造项目如今又重回神经科学界及企业界视野。

 

 

 

以往的脑研究项目都是走功能性神经疾病治疗的医疗路线,比如关于阿兹海默病与癫痫病的病灶研究等,即便是以提升神经元生成「Synapse Formation」并且明显提升记忆力而闻名的「Dihexa」也还是会打着治疗阿兹海默病的旗号进行「IA」研究。从科学研究角度上来看,以病人作为参考对象可以尽量的减少样本容量,加速药物检测的速度,有利于快速对药物的结构进行调整。然而以健康人群作为研究对象不单单在效果监测方面会变得很困难,也会使很多药物的效果变得不明显,这是因为健全大脑神经递质「Neurotransmitter」指标都达到了平衡,而大部分脑力提升类药物其实只有保护神经受损「Neuroprotective」和恢复神经受损的效果,这特导致了他们在健康人群中的效果降低或者消失。

 

 

我们反观「TNT」的项目简介:

 

Service members are required to learn a variety ofspecialized skills that require sharp perceptual acuity, rapid and accuratejudgement, and effective planning and execution of complex actions. Many ofthese skills, such as understanding and speaking a new foreign language, can bechallenging to learn. Current training programs are time consuming, requireintensive study, and usually require evidence of a more-than-minimal aptitudefor eligibility. Thus, improving cognitive skill learning in healthy adults isof great interest to our national security. To address this challenge, DARPA ispursuing the advancement of technology to enhance learning through an approachcalled Targeted Neuro-plasticity Training (TNT), which uses peripheralneuro-stimulation to selectively promote synaptic plasticity in the brain. TNTaims to develop a platform technology to enhance learning of a wide range ofcognitive skills.

 

The research objectives of the TNT program are as follows:

1) elucidate the anatomical and functional map(s) of theperipheral and central nervous system circuitry that regulates synapticplasticity in the brain,

2) demonstrate effects of peripheral neuro-stimulation oncognitive skills learning and the brain activity supporting that learning, and

3) optimize noninvasive stimulation methods and trainingprotocols for long-term retention without negative side effects.

 

从中我们可以提取出重要信息,即

1. 研究对象为健康的成年人群,而非病患人群或老年人群。

2. 研究方法为通过脊髓和末梢神经刺激来达到增强脑力的效果,这其中包括了学习能力、认知能力和识别能力的提升,即「智能增强」。

3. 神经刺激方式为提升「神经可塑性Neuro-plasticity」,这种可塑性提升被证明与学习能力有极高关联。

4. 可塑性提升方式为「侵入式Invasive」,即「Deep Brain Stimulation」,需要以芯片植入的方式实行刺激。

5. 「DARPA」将增强学习能力的研究作为国家安全的重点研究领域之一,理由是强大的学习能力可以降低复杂知识的消化时间和门槛。

 

 

其中关于末梢神经和中枢神经刺激的方法在学术圈叫做「深度脑部刺激Deep Brain Stimulation,DBS」,需要将芯片放入小脑,借由绝对安全的大脑耐受量之下的电流对大脑进行更更精细的调控。「DBS」在 1947 正式被Ernst SPIEGEL教授和Henry WYCIS教授提出,它最初被用于癫痫病和中风的治疗。随着研究的进行,研究员发现了它实际可以通过操控大脑的每一个细微部分来直接或间接改变大脑的运行原理,增强或抑制脑内化学物质如「多巴胺Dopamine」的分泌量,并以此来完成对大脑状态的调控。

 

 

因此「TNT」将「DBS」这种在大脑内进行的实验应用于健康的成年人群体,标志着正式将「IA」推上民用化和商业化的进程中。此外,在2017年3月28日,硅谷企业家「OpenAI」「Tesla」「SpaceX」等著名企业创始人Elon MUSK宣布其新公司「Neuralink」成立,将研发出以头颅内植入芯片的方式为用户提供一个直接在思想端从电脑上传和下载信息的「脑机交互」新范式,类似于人脑版的「增强现实Augmented Reality,AR」。「Neuralink」的技术实现依靠的是一种被称为「神经织网Neural Lace」的高级植入物,其应用领域最初有可能是治疗顽固性脑部疾病如癫痫病或中度抑郁症等的医疗领域,可以说「NeuraLink」有非常大概率成为在民用和商用领域第一个推出产业化「IA」产品的公司。

 

 

以上,「TNT」与「Neuralink」所代表的「植入式刺激Invasive Stimulation」阵营正式形成,其本质上是一群否定了「人工智能」对未来作用的聪明人决定以提升人脑这样的方式来真正主导这个世界的未来,他们并不只是拘泥于学习能力提升或脑部疾病治疗,而是以此契机创造出「人机合一」的人类,他们代表了「IA」阵营向「AI」世界发起了挑战,也是作为科学家和工程师对人类极限做出的探索。但是无论从商业化的角度还是技术实现的难度来看,「植入式刺激」的限制都很多,因为其过于依赖外科医生的辅助,并且还需要借助高成本的精密仪器才可以实现,这无疑会拉长整个商业链条,缩小了技术的适用人群,为商业变现增加了难度。

 

但与此同时,在北美东海岸的多伦多正在以另一条路径尝试发挥「智能提升」更大的潜力,这便是以多伦多大学为代表的另一阵营「非植入式刺激Non-invasive Stimulation」。

 

 

发起挑战

 

「多伦多大学人文智能实验室Humanistic Intelligence Lab at University of Toronto,HI Lab」由多伦多大学终身教授「可穿戴式设备之父」Steve MANN教授创立,1980年代MANN教授在麻省理工学院就读时发明了公认的第一款可穿戴式电脑,并在1999年发明了如今「谷歌眼镜Google Glass」功能的「增强现实Augmented Reality」智能眼镜原型机「EyeTap」。在2012年,MANN教授开始了他在可穿戴式计算领域的另一项研究「脑机交互Brain Computer Interface」,并开发了基于「脑电波Electroencephalogram,EEG」的头戴设备「MindMesh」。

 

 

在「人文智能实验室」里,多伦多大学电子计算机工程系的吴航与MANN教授共同开展了脑电波与大脑状态识别研究,以共同作者的身份完成了基于「EEG」信号的大脑状态识别论文,关于「情绪识别」的理论雏形初具。2015年,同样就读于多伦多大学电子计算机工程系的张硕何因为「人体效能改造Human Performance Modification,HPM」的共同研究方向而于结实吴航,张硕何留学加拿大之前曾在中国北京作为「场景化电商Scenario Shopping Guide」创业团队「刘姥姥IIL」的产品经理参与创业,因为项目业务转型而离开团队,在2015年9月选择回到学校学习。吴航与张硕何基于「非侵入式」技术的「技术经颅磁刺激Transcranial Magnetic Simulation,TMS」和「经颅直流电刺Transcranial Direct Current Stimulation,TDCS」在多伦多大学完成实验验证,同时与从瑞士结束「柔性外骨骼Soft Exosuits」项目研发回到多伦多大学的「人文智能实验室」研究员魏海琦组成团队,在2016年4月「DARPA TNT」项目发布后,团队正式启动「非侵入式智能提升」项目。

 

2017年暑假,多伦多大学2015级学生张硕何与2017届毕业生魏海琦、2015届毕业生吴航组成的「人文智能脑超频」团队回到中国北京,2017年5月获得了「洪泰基金Aplus Fund」硬件孵化器「洪泰智造工场Aplus Lab」的种子轮融资,开始为期3个月的硬件孵化。并与清华大学「创客空间协会」以及清华创客空间前社长毕滢建立的「造万物科技」达成合作,「人文智能」团队还将与来自清华大学的在校生组成团队共同冲击「2017中美青年创客大赛」。同样在2017年5月,前「锤子科技Smatisan」首席技术官钱晨博士加盟「洪泰智造工场」,为「人文智能」团队提供产品生产制造服务。「洪泰基金」由企业家俞敏洪和投资银行家盛希泰在2014年11月共同发起成立,是中国打通早期创业和资本市场的投资机构。

 

 

 

 

 

 

在过去两年中,资本配合市场上演了一出大戏,现在这场戏正在渐渐落寞。从「B轮死」到更冷静的早期投资环境中,融资并不意味着绩效,「人文智能」团队正在寻找一条能「自我生长Bootstrapping」的路径,不夸大这个行业的外延,没有必要把所做的事情包装在某个潮流之下,过分强调模式的可复制性。「人文智能」团队认为每家创业创业公司的成长都要经历四个阶段,即

1. 发现市场的存在,验证需求的真实性。

2. 确认产品对于解决问题的有效性。

3. 修正商业模式并迭代产品,找到「产品与市场契合点Product/Market Fit,PMF」。

4. 「快速增长Scale」。

 

在第四阶段「快速增长」之前,「人文智能」团队将在「洪泰智造工场」中展开一场疯狂的「实验」,不断循环第一到第三阶段的历程,希望能敏感地定义一个市场的存在,并勤勉而快速地迭代一款具有完整功能的「最小可行性产品Minimum Viable Product,MVP」。

 

在2017年5月到8月的孵化期中,团队目标是研发一款头戴式设备「脑超频」,主要分为三个模块:

1. 通过检测「脑电信号与血氧红蛋白信号,EEG   HbR   HbO   HbT」进行大脑信号采集。

2. 在搭建的「卷积层神经网络Convolution Neural Network,CNN」上对大脑信号和状态进行配对学习。

3. 最后以「非侵入式神经可塑性提升,TMS」的方式对大脑状态进行定向调整。

「脑超频」其实是「人文智能」的一种体验闭环,在MANN教授眼里所谓的「人文智能」更像是打成了「人机共生」的关系,传统的「人机交互Human Computer Interaction,HCI」把人和计算机看成是两个分开的个体,二者通过各种I/O设备进行通讯,我们熟悉的鼠标、键盘和触摸屏都是我们熟悉的交互方式。而在「脑超频」所代表的「人文智能」范式中,人脑是整个人类智能闭环中的中控,而计算机更像是人的第二个大脑,在辅助佩戴者工作的同时,还在对使用者的行为数据进行学习,而「智能提升」便在这个与众不同的「双向读写Read-write」脑机设备中实现。

 

 

团队现公开招募包括「设计」「硬件」「软件」和「科研」共四个方向的成员加入,具体工作说明为:

1. 工业设计   1人

    · 将与团队完成从用户需求确定,到「实验设计Design of Elements,DOE」,再到敏捷开发设计等,从0到1的产品定义过程。

    · 根据电子工程师和硬件工程师的技术要求,在考量人体工程学的情况下,配合开发进度使用「AutoCad」「Soliwords」或其他绘图工具生成和迭代产品设计。

    · 能利用「纸板」「铁丝」或其他替代性材料根据产品设计快速制作模型。

此孵化阶段目标为生成100台以内的「MVP」,因此参与工业设计的过程将会最大限度实现你对创新科技和未来交互的理解,「将专业性的判断交给专业的人」是团队合作的宗旨,整个工业设计过程将会绝对遵照和信任设计师的理论。

 

2. 电路和硬件设计 1人

    · 辅助团队工程师对于电路的研发工作,包括「电路图」「电路分布图」「搭建面包板」等。

    · 熟练使用「C语言」完成「MCU嵌入式系统」的开发。

    · 熟练使用「枪式焊接器」「频谱仪」「功率计」「示波器」等测试设备

招募的硬件工程师将作为团队CTO的助理,并不承担过多硬件开发的负担,在产品开发过程中将直接与包括钱晨博士在内的孵化器团队对接。团队成员多为开源硬件和逆向工程工程师,在过程中将接触到拆解黑科技设备与重新定义可穿戴设备的工作。

 

3. iOS前端开发 1人

    · 在现成「软件交互流程图」和「后端接口」完成的条件下,开发iOS端的原生App。

    · 熟练使用「Objective-C语言」或「Swift语言」,掌握包括「Foundation」「UIKit」「内存管理」「多线程」和「Runtime」等开发技术。

软件控制是智能硬件体系中重要的一环,此阶段的「MVP」对于前端的操作体验要求低于公开上架的产品,只需要保证功能性实现的前提,包括「流程图」和「后端接口」在内的技术支持将由团队提供。

 

4. 机器学习算法   1人

    · 要求能够阅读基于「MATLAB」的「人工神经网络Artificial Neural Network,ANN」和「深度人工神经网络Deep Neural Network,DNN」模块所生成和训练出的模型代码,大部分资料为英文。

    · 协助团队CTO将所提供的代码段整合入客户端程序与可穿戴设备上嵌入式系统,并将数据归纳和输入到后台数据库。

    · 拥有经验或了解在「MATLAB」上「ANN」的建模,包括「前馈模型Feedforward Model」「反馈模型Feedbackward Model」和「数据交叉验证Data Cross Validation」等,能制造相关图片如「R Plot」。

    · 熟练使用「C语言」来编写「MCU嵌入式系统」,熟悉「MySQL」的查询语言。

「ANN」在整套「脑超频」体系中发挥至关重要的作用,关系到大脑状态识别的匹配结果,团队CTO拥有能独立编译算法的能力与经验,招募的工程师不承担过重的研发负担,在研发过程中将分享多伦多大学教授「Deepmind」首席科学家Geoffrey HINTON教授的私课手记和经验。

 

5. 脑电数据分析 1-2人

    · 将「EEG数据」「fNIRS数据」「用户数据」以及「机器信息数据」进行整合归纳。

    · 通过不同模型进行分析来寻找最相关的数据指示信号,并分析每个模型间的统计性能,包括「性能表现」,预测和描述「能力展示」等。

    · 协助挑选和改造现有算法模型,并通过数据来筛选有效数据和无效数据。

    · 熟练使用主流数据挖掘语言,如「R语言」「SAS语言」「SQL语言」「Python语言」等其中的一种。

希望在「认知科学」「医疗影像」等从事过大脑数据提取或了解相关研究领域的成员加入,在相对小的医疗数据库内找到数据之间的联系,比如时间轴上的预测性和两方面数据的关联性。

 

项目时间为2017年5月29日至2017年8月11日期间,地点在朝阳区四惠东华腾世纪D座国安创客3楼洪泰智造工场,项目采用硅谷「Holacracy」方式进行管理,没有职位的概念,只按照分工角色自行定义工作方式,实习天数可以根据个人情况动态定义,远程或坐班均可。

 

简历请至「shuohe.zhang@mail.utoronto.ca」「celine.wei@mail.utoronto.ca」。 

 

 

 

 

 

天赋就像个孤儿    野心是他的继父

 

 

 

 

 

Comments

There are currently no comments

New Comment

required

required (not published)

optional