В этом посте я хочу исследовать возможности, открывающиеся благодаря интерфейсу мозг-компьютер с высокой пропускной способностью (BCI) в контексте совместной эволюции ИИ и человека, как это предполагает Neuralink. В то время как преимущества зрительных и сенсомоторных протезов вполне вероятны в краткосрочной перспективе, долгосрочная траектория того, что может быть достигнуто, остается открытой для дискуссий и предположений. Одной из заявленных целей Neuralink BCI является достижение будущего, ориентированного на человека и ИИ, в доброжелательном сценарии ИИ. Как и в большинстве аспектов жизни, дьявол кроется в деталях; хотя я сохраняю осторожный оптимизм в отношении ряда возможностей, ниже я рассмотрю несколько направлений лежащих в их основе рассуждений.

В настоящее время внимание Neuralink N1 сосредоточено на доступе к областям на поверхности мозга, которые, используя терминологию, популяризированную Дэниелом Канеманом, отвечают за System1(интуитивные)действия, включающие действия, упомянутое выше. Однако для достижения значимой синергии с ИИ (или даже в ином случае) разумно предположить, что нужно пойти глубже и дальше, чтобы взаимодействовать с областями, управляющими System2 (совещательным) поведением.

  1. Связи с высокой плотностью: когда нам удастся определить нейронные корреляты таких способов познания, мы можем обнаружить, что, скажем, момент ага или глубокий понимание соответствует либо разреженному графику, возбуждению нескольких областей мозга, либо контрастному (плавному пространственно-временному градиенту) импульсному паттерну в локализованном, возможно, зависящем от задачи, область. Охват и специфичность стимуляции становятся ключевыми в таких случаях. В человеческом мозгу около 100 B нейронных связей. Покрытие 0,1%, т. е. 100 M, соответствует плотности одного электрода на 2500 мкм² (при условии площади поверхности 2500 см²). Хотя кончик нити все еще на порядок меньше, принципиально другие способы размещения (чем то, что в настоящее время делает хирургический робот Neuralink R1) необходимы с точки зрения времени операции. Во-вторых, хотя каждый электрод может улавливать (и, следовательно, симметрично стимулировать) нейронную активность в пределах 60 мкм, обратной стороной этого будет отсутствие специфичности/перекрестных помех между соседними нейронами.
  2. Пограничный вывод. Справедливо предположить, что либо из-за большего объема входных данных нейронов, либо из-за повышенной сложности модели, необходимой для этих задач, требования на месте к вычислениям будут только увеличивать. Такие подходы, как преобразование с плавающей запятой в целое число, будут необходимы для снижения энергопотребления во время логического вывода на границе. Кроме того, строгие требования к самонагреву будут означать, что инновации в области теплопроводности корпуса чипа или расширение границ энергоэффективности периферийного ИИ будут иметь решающее значение.
  3. Обобщение модели: Обобщение, вероятно, станет труднее достичь из-за двух основных факторов: i) ежедневные изменения базовой частоты возбуждения нейронов (~ 53:20) только усложнят сбор достаточной статистики. на экономно используемых когнитивных процессах, чем, скажем, ходьба; ii) трансферное обучение, основанное на обучении на чужих данных, может оказаться хуже, поскольку растры спайков, связанные с созерцанием, планированием, рассуждением и т. д., будут более сильными функциями существующего мировоззрения человека и связанных с ним представлений. Следовательно, потребуется некоторая степень тонкой настройки, которая только усугубит проблемы, обсуждавшиеся в разделе вывода выше. Кроме того, для каналов с высокой плотностью даже для того, чтобы перенести большую часть тяжелого обучения в облако, потребуется сжатие модели.
  4. Заимствование вложений? Возможное решение некоторых проблем, связанных с обобщением, было бы, если бы вложения понятий можно было заимствовать из базы данных, где другие могли бы поделиться представлениями своих изученных понятий, чтобы обеспечить хорошую инициализацию. Хотя это может по-настоящему пересмотреть представление людей о том, что значит учиться, вопросы конфиденциальности будут занимать центральное место, а достижения в распределенном машинном обучении, такие как федеративное обучение, станут важными.
  5. Какого рода синергия/согласие с ИИ? На уровне философии/политики, какой вид и степень синергии будет полезен для здоровья общества (например, люди находят смысл в работе) и кто решает, что нужно продумать. Я предполагаю, что (по крайней мере на начальном этапе) исследование физического мира и взаимодействие с ним были бы местом, для которого люди больше всего подходят, учитывая нашу траекторию биологической эволюции. В значительной степени это должно помочь искусственному интеллекту в целом, поскольку проблема моделирования окружающей среды сводится к изучению внутренних представлений людей о ней, при этом оставляя им большую свободу действий.

Подводя итог, я считаю, что большинство технических проблем, с которыми мы столкнемся при переходе к использованию BCI для задач system2, зависят от того, значительно ли количество и характер нейронных запусков отличаются от системные1единицы; прогресс в неврологии в этом направлении стоил бы ожидания.