□克莉斯汀 AI真的会自己生成思维方式了？为什么说它们学会了“伪造思维”？一旦它们学会了“思维”，真的会反过来操控人类的行为吗？ 一切要下定论还为时尚早，但这件“伪造思维”的事的确发生了，操盘手就是GAN——一种AI学习训练系统中常用的生成式对抗网络模型。 通过接触或植入式的设备，GAN只需要收集少量试验中猴子所发出的运动控制神经信号，就可以自动生成类似的各种其他情形下可能操控行为的神经信号，然后再把这些教给AI，AI便是这样有了自己的“思维”。 难免细思极恐。但这种脑机连接AI设备却可以用来帮助到不少人，比如全身瘫痪的人可以在AI帮助下重新站起来，老年痴呆患者可能重新拥有清晰的思维…… 研究只为提高效率 GAN就是生成式对抗网络（Generative Adversarial Networks ），它是一种深度学习模型，是近年来人工智能（AI）在大数据学习过程中用到的一种无监督学习方法之一。在AI的深度学习模型框架中，至少有这样两个模块：生成模型和判别模型，通过这两种方式在学习过程中的互相博弈，就能产生输出，让AI迅速掌握新技能。其中的生成模型作用主要是给出某种隐含信息，刺激AI随机产生可供观测的数据。 而在最近一次试验中，GAN直接生成了一种“合成思维”用来“投喂”AI。这个研究来自美国南加大华人博士温士贤团队。相关论文已发表在《自然》（Nature）杂志子刊上。 该研究的目的应该是希望获取更多更详细的关于AI大数据学习的相关数据，研究出脑机连接的AI设备，可解码人类的神经信号，帮助有需要的人完成更精准的大脑控制行为。 在之前的很多试验中，研究人员都需要去收集大量人脑发出的神经信号，再一一尝试不同的可能，但由于神经信号本身的不确定性——不同个体产生的信号有不同模式，同一个体在不同时间的神经信号也可能会不同——从收集到分析再到应用，这个过程要耗费大量时间与精力。同时，如果是针对一些全身瘫痪或本身大脑已经受损严重的试验对象来说，要采集他们的大脑神经信号原本是件非常不容易的事。 这项新研究的意义在于，通过设计好GAN系统中的固定程序，用采集到的少量真实的神经数据为基础，生成更多不同情境下的相关数据，再运用到试验中去，就大大地提高了试验的效率。 “合成思维”生成的目的 研究人员通过脑机连接AI设备，在两只作为试验对象的猴子身上进行了脑机接口训练。试验中的两只小猴子，只需要完成很简单的任务：玩贪吃蛇游戏和玩跑步机，然后收集它们发出的运动控制神经信号，再通过GAN中的生成器和鉴别器合成出大量神经活动数据，就可用于下一步的试验。 他们发现，这一技术把训练脑机接口系统提取、分析大脑信号的时间，提高了整整20倍。他们在论文中同时还提到，这次研究虽然只采集了猴子的神经信号，但这一模式应该也同样适用于人类神经信号的模拟生成。 如果这个研究顺利发展下去，相信未来可以用于诸多神经解码问题。比如在失眠、自闭症、多动症、阿兹海默症等疾病的神经干预和阻断上便可以有更多可能。 研究者相信，这种“合成思维”的方式还能有更为广泛的用途，尤其是在脑机连接AI设备上。脑机连接已成为神经科学的行业现状和趋势。 是“福音”也是“危机” 2014年巴西圣保罗“世界杯”球赛开幕式上，一位T4级截瘫的巴西少年Juliano Pinto身披“机械战甲”，用意念开出了世界杯的第一球，这一幕想必曾让大家印象深刻。更为奇妙的是，这位已经处于瘫痪状态的少年，在美国杜克大学医学院神经科学教授、脑机接口权威专家Miguel Nicolelis的脑机连接训练下，居然在接下来的一年里，原本已经无法自我控制的7节脊柱神经恢复了感知、活动和运动控制方面的功能。另外8位类似患者进行了相同的训练，结果也有7位都恢复了很大一部分的运动能力，有些瘫痪了10年后的病人也恢复了部分身体功能。 脑机连接AI设备的确在不断给人类带来福音。2020年8月，“科学狂人”马斯克用三只小猪向全世界展示了脑机连接技术的神奇和可实际运作性。无论是脑机接口芯片的微不可察，还是自动植入手术的方便轻松，都让人相信，未来这种脑机接口（大脑与外部设备之间进行直接连接，并实现大脑与设备的信息交换）极可能成为一种日常的存在，在学习、医疗等各个领域都将发挥重要作用。 但如果AI可以“伪造思维”，这种脑机连接又会给未来的人类带来怎样的危机？相信每一位研究者在取得科研成果的同时，也在面临同样的质问。毕竟，AI机器在大数据的学习过程中究竟会学会些什么，现在谁也说不清。 |
|
|
