- Neuralink 達到每秒 11.32 位元的光標控制記錄，經過超過 50,000 小時的訓練。
- 參與者的校準時間從每日約 10 分鐘減少至每週 10 分鐘。
- Neuralink 的模型能在神經信號漂移時，持續解釋用戶意圖動作。
- 該公司考慮整合多個參與者的數據，以進一步改善模型性能。
Neuralink 宣佈其腦-電腦介面在經過超過 50,000 小時的臨牀試驗參與者神經活動訓練後，已達到每秒 11.32 位元的光標控制記錄。這家由 Elon Musk 創立的腦-電腦介面公司利用這個大型數據集，預訓練了自監督神經編碼器，旨在解讀直接從大腦記錄的電信號。Neuralink 表示，這種方法能使這些信號更加穩定，並有助於控制計算機。該公司報告指出，採用此方法建立的一些解碼器能持續工作數週，而非數天。
對於某些參與者而言，所需的校準時間從每日約 10 分鐘減少至每週 10 分鐘。Neuralink 還展示了其所謂的“瞬移光標”功能，讓光標直接跳至目標，而非在螢幕上持續移動。該公司表示，其每秒 11.32 位元的結果超過了大多數健全人士的表現，但該比較尚未經獨立驗證。
減少校準時間的重要性
腦信號不斷變化 腦-電腦介面將神經活動模式轉換為可操作計算機及其他設備的指令。然而，從神經元記錄的信號會隨時間變化，這對於旨在每天可靠運作的系統來說是一個主要挑戰。Neuralink 的植入物記錄來自運動皮層的電位突觸，或神經元所產生的電活動。記錄信號的微小變化可能使基於早期數據訓練的解碼器準確性降低，要求用戶反覆進行系統的校準。為瞭解決這個問題，Neuralink 訓練了一個其所描述的腦-電腦介面的基礎模型。
該模型不僅依賴於與特定動作或指令相關的標記示例，其自監督神經編碼器還從大量神經活動中學習表徵。該公司表示，這些生成的表徵在單個神經信號漂移的情況下仍然有用，這可能使解碼器能夠在不需要頻繁再訓練的情況下，繼續解釋用戶的意圖動作。
未來的模型改進方向
模型背後的數據集來自 Neuralink 的臨牀試驗參與者，他們的植入物總共使用超過 50,000 小時。該公司將其描述為迄今為止組裝的最大腦內神經活動數據集之一。減少校準，快速控制 減少校準對於實用的腦-電腦介面尤其重要。需要每日調整的系統會對用戶造成額外負擔，而能夠穩定運作數週的解碼器會使植入物的表現更像一個日常計算機介面。每秒 11.32 位元的結果提供了這一進展的另一個衡量指標。
每秒位元數在腦-電腦介面研究中常用來量化用戶選擇目標的速度和準確性，而不僅僅是測量光標物理移動的速度。
Neuralink 現在正在考慮將來自多個參與者的神經數據進行整合，以進一步改善其模型。未來的工作還可能包括一次性或零次校準，這可能使系統能夠在幾乎不需要額外校準的情況下，適用於新任務或新用戶。該公司還概述了創建“運動皮層 API”的可能性，暗示常見的神經表徵最終可能提供一個標準化的層，將意圖運動轉換為數字指令。這些結果由 Neuralink 作為技術更新發布，尚未以同行評審的期刊研究形式呈現。
Neuralink 在腦-電腦介面上的突破性進展
Neuralink 的進展顯示其腦-電腦介面技術在穩定性和使用便利性方面的顯著提升。減少校準時間使得用戶能夠更輕鬆地使用該技術，這對於日常應用至關重要。透過自監督神經編碼器的訓練，Neuralink 能夠更好地應對腦信號的變化，從而提高解碼器的準確性。未來，整合多參與者的數據將可能進一步推動這項技術的發展，使其更具普遍適用性，並為腦-電腦介面的商業化鋪平道路。