引發人類進化的前奏，多倫多腦黑客探索「靶向神經可塑性訓練」

作者： 張碩何James 吳航

編輯：張碩何James

參與：畢瀅Anderson 魏海琦Celine

這是一篇招聘貼，原文首發於清華創客空間公眾號

矽谷企業家Elon Musk於3月28日公布其成立的以植入型腦機交互晶元為基礎的「智能增強IntelligenceAugmentation，IA」方向的新公司「Neuralink」，一時間，機器智能與人類智能之間究竟是競爭關係還是有相融合趨勢的討論喧囂塵上。來自多倫多大學人文智能實驗室「HumanisticIntelligence Lab at University of Toronto」的創業團隊將在此篇文章討論「智能增強」在「人工智慧」的時代大環境下的挑戰與機遇，即「IAvs AI」，並將闡釋由人文智能團隊得出的腦力提升解決方案。

多倫多大學人文智能實驗室「HI Lab」由多倫多大學終身教授「可穿戴設備之父」SteveMANN教授創立，人文智能北京團隊目前專註於「增強領域」領域的硬體、軟體與演算法一體化研究，現已獲得「洪泰基金製造工場AplusLab」硬體孵化器投資，並於2017年5月在中國北京開展為期3個月的硬體研發孵化。「人文智能」團隊將參加由清華大學「創客空間協會」舉辦的「中美青年創客大賽」，團隊現已面向「創客空間」及「創客大賽」公開招募隊員，希望通過這一系列文章能讓更多的人了解這個領域，也希望找到聰明的你一起鑽研這個領域。

「shuohe.zhang@mail.utoronto.ca」

「celine.wei@mail.utoronto.ca」

新的問題

歷史告訴我們，新技術的出現在為社會問題提供解決之道的同時，也為世界帶來了新的危機。

在1850年的工業革命中，醫藥、通訊、能源等領域迎來了蓬勃發展，但同樣伴隨著巨大的代價，越來越投機取巧的商業模式，漸漸崩壞的額社會保障體系，直至是之後全球範圍的戰爭；在2002年的互聯網泡沫後，本就產業結構調整滯後的日本受此影響更是經濟長時間衰退，而美國資本環境在此期間所遭受的創傷更是人盡皆知；於2008年發生的次貸危機甚至可以說是金融衍生品，即金融新科技所引發的危機。而現在，在2017年，我們面對的是被定為「人工智慧Artificial Intelligence，AI」，代表著擬人的科技，也代表著伺機在各個領域掀起的技術革命。

現在的「AI」，比如「AlphaGo」，擁有了在特定任務環境下的某些學習能力，但是無論這種能力被如何神化，它的本質仍是通過讀取的數據來對應概率，最終通過相對應的概率生成新的模型公式。換言之，一個被無限擬人的強大機器本質上是通過一組既定的規律來生成的一組既定的反饋。那這意味著什麼呢？這意味著在邏輯性高的或者至少是重複性高的領域裡，「24/7模式」的機器比脆弱的人類很明顯是一個成本更優的解決方案。

因此，當「AlphaGo」在圍棋盤上大獲全勝，無數的金融類「AI」橫空出世，甚至「Facebook」的人臉識別比人類在相同任務下的還要擁有更高的準確率，你不禁會問，「人類是不是真的戰勝不了機器？」。自從Elon MUSK在「OpenAI」發出的那句「AI終將毀滅人類」開始，社會輿論從一開始主要的支持態度漸漸轉變為現在的正反兩兩派，懷疑論者認為機器的革命將間接導致「第四次工業革命」，這些以科技創新為名的新興技術並不會帶來更多的工作機會，而是會使得原本存在的崗位被機器替換。

但這顯然有兩個誤區，即

1. 我們臆想出來的社會危機，其實根本原因並不在於「AI」本身。

2. 我們小看了人類大腦所能發揮出來的能力，人類的潛能還未被完全發掘。

解決之道

首先，我們似乎忽略了一個問題，即「AI」是由一群最聰明的工程師在精英的指導下做出來的，它的能力和技術都取決於其開發者本身的目標和價值觀。這就好比不是手槍能殺人，而是持槍者能殺人，我們不需要去恐懼槍本身，而是需要關心那些持槍者是在於保護別人還是去傷害他人。

其次，我們似乎都小看了大腦。人類在千萬年的進化當中，退化了尾巴等和現代行為模式關聯不大的結構，但卻進化出了發達的新皮層，因此讓我們具有了遠超預期他哺乳類動物的高階認知功能。當我們擁有了抽象思維，對環境中的現象能夠歸納、關聯和推理；我們能對記憶進行充足，進而對未來進行思考；我們能創造工具，對環境進行改造。

可是人類大腦的才能並不在於尋找規律然後把它數字化，而是將看似無法相容的東西用新奇的辦法整合起來。不過數字化又恰恰是機器所擅長的，所以如果讓智能機器和人腦互相合作、相互增強，則更加能夠讓智能人類能夠更有效地去處理各種事情，這樣才是真正的強智能生物，於是目光便聚焦在人機融合的「智能增強Intelligence Augmentation，IA」之上。

也許在單純對產業鏈優化、具體結果的精度提升、自動化過程替代手工之外，還有一條路徑，即在本質上提升我們對於世界的理解、對於社會的反思，並且能讓我們從現有的人體效能模式和大腦認知中蛻變。在對人類現有的生物限制達成腦力提升之後，我們便有可能發掘出更好的資源、創新出更具價值的技術手段、找到更多共贏發展的可能性，不是嗎？

瘋狂科學

「美國國防高級研究計劃局Defense Advanced Research Project s Agency，DARPA」在2016年3月發布了一篇名為「提升神經可塑性以提升學習速度Boosting Synaptic Plasticity to Accelerate Learning」的報告，宣布啟動「顱內晶元研究項目Targeted Neuro-plasticity Training，TNT」，由「RE-NET項目」的創始人Dr. Douglas WEBER管理，旨在利用「顱內晶元」來幫助人提升學習能力、邏輯運算和記憶力。此項目一經披露，以往屬於國家機密的腦研究和改造項目如今又重回神經科學界及企業界視野。

以往的腦研究項目都是走功能性神經疾病治療的醫療路線，比如關於阿茲海默病與癲癇病的病灶研究等，即便是以提升神經元生成「Synapse Formation」並且明顯提升記憶力而聞名的「Dihexa」也還是會打著治療阿茲海默病的旗號進行「IA」研究。從科學研究角度上來看，以病人作為參考對象可以盡量的減少樣本容量，加速藥物檢測的速度，有利於快速對藥物的結構進行調整。然而以健康人群作為研究對象不單單在效果監測方面會變得很困難，也會使很多藥物的效果變得不明顯，這是因為健全大腦神經遞質「Neurotransmitter」指標都達到了平衡，而大部分腦力提升類藥物其實只有保護神經受損「Neuroprotective」和恢復神經受損的效果，這特導致了他們在健康人群中的效果降低或者消失。

我們反觀「TNT」的項目簡介：

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.

從中我們可以提取出重要信息，即

1. 研究對象為健康的成年人群，而非病患人群或老年人群。

2. 研究方法為通過脊髓和末梢神經刺激來達到增強腦力的效果，這其中包括了學習能力、認知能力和識別能力的提升，即「智能增強」。

3. 神經刺激方式為提升「神經可塑性Neuro-plasticity」，這種可塑性提升被證明與學習能力有極高關聯。

4. 可塑性提升方式為「侵入式Invasive」，即「Deep Brain Stimulation」，需要以晶元植入的方式實行刺激。

5. 「DARPA」將增強學習能力的研究作為國家安全的重點研究領域之一，理由是強大的學習能力可以降低複雜知識的消化時間和門檻。

其中關於末梢神經和中樞神經刺激的方法在學術圈叫做「深度腦部刺激Deep Brain Stimulation，DBS」，需要將晶元放入小腦，藉由絕對安全的大腦耐受量之下的電流對大腦進行更更精細的調控。「DBS」在 1947 正式被Ernst SPIEGEL教授和Henry WYCIS教授提出，它最初被用於癲癇病和中風的治療。隨著研究的進行，研究員發現了它實際可以通過操控大腦的每一個細微部分來直接或間接改變大腦的運行原理，增強或抑制腦內化學物質如「多巴胺Dopamine」的分泌量，並以此來完成對大腦狀態的調控。

因此「TNT」將「DBS」這種在大腦內進行的實驗應用於健康的成年人群體，標誌著正式將「IA」推上民用化和商業化的進程中。此外，在2017年3月28日，矽谷企業家「OpenAI」「Tesla」「SpaceX」等著名企業創始人Elon MUSK宣布其新公司「Neuralink」成立，將研發出以頭顱內植入晶元的方式為用戶提供一個直接在思想端從電腦上傳和下載信息的「腦機交互」新範式，類似於人腦版的「增強現實Augmented Reality，AR」。「Neuralink」的技術實現依靠的是一種被稱為「神經織網Neural Lace」的高級植入物，其應用領域最初有可能是治療頑固性腦部疾病如癲癇病或中度抑鬱症等的醫療領域，可以說「NeuraLink」有非常大概率成為在民用和商用領域第一個推出產業化「IA」產品的公司。

以上，「TNT」與「Neuralink」所代表的「植入式刺激Invasive Stimulation」陣營正式形成，其本質上是一群否定了「人工智慧」對未來作用的聰明人決定以提升人腦這樣的方式來真正主導這個世界的未來，他們並不只是拘泥於學習能力提升或腦部疾病治療，而是以此契機創造出「人機合一」的人類，他們代表了「IA」陣營向「AI」世界發起了挑戰，也是作為科學家和工程師對人類極限做出的探索。但是無論從商業化的角度還是技術實現的難度來看，「植入式刺激」的限制都很多，因為其過於依賴外科醫生的輔助，並且還需要藉助高成本的精密儀器才可以實現，這無疑會拉長整個商業鏈條，縮小了技術的適用人群，為商業變現增加了難度。

但與此同時，在北美東海岸的多倫多正在以另一條路徑嘗試發揮「智能提升」更大的潛力，這便是以多倫多大學為代表的另一陣營「非植入式刺激Non-invasive Stimulation」。

發起挑戰

「多倫多大學人文智能實驗室Humanistic Intelligence Lab at University of Toronto，HI Lab」由多倫多大學終身教授「可穿戴式設備之父」Steve MANN教授創立，1980年代MANN教授在麻省理工學院就讀時發明了公認的第一款可穿戴式電腦，並在1999年發明了如今「谷歌眼鏡Google Glass」功能的「增強現實Augmented Reality」智能眼鏡原型機「EyeTap」。在2012年，MANN教授開始了他在可穿戴式計算領域的另一項研究「腦機交互Brain Computer Interface」，並開發了基於「腦電波Electroencephalogram，EEG」的頭戴設備「MindMesh」。

在「人文智能實驗室」里，多倫多大學電子計算機工程系的吳航與MANN教授共同開展了腦電波與大腦狀態識別研究，以共同作者的身份完成了基於「EEG」信號的大腦狀態識別論文，關於「情緒識別」的理論雛形初具。2015年，同樣就讀於多倫多大學電子計算機工程系的張碩何因為「人體效能改造Human Performance Modification，HPM」的共同研究方向而於結實吳航，張碩何留學加拿大之前曾在中國北京作為「場景化電商Scenario Shopping Guide」創業團隊「劉姥姥IIL」的產品經理參與創業，因為項目業務轉型而離開團隊，在2015年9月選擇回到學校學習。吳航與張碩何基於「非侵入式」技術的「技術經顱磁刺激Transcranial Magnetic Simulation，TMS」和「經顱直流電刺Transcranial Direct Current Stimulation，TDCS」在多倫多大學完成實驗驗證，同時與從瑞士結束「柔性外骨骼Soft Exosuits」項目研發回到多倫多大學的「人文智能實驗室」研究員魏海琦組成團隊，在2016年4月「DARPA TNT」項目發布後，團隊正式啟動「非侵入式智能提升」項目。

2017年暑假，多倫多大學2015級學生張碩何與2017屆畢業生魏海琦、2015屆畢業生吳航組成的「人文智能腦超頻」團隊回到中國北京，2017年5月獲得了「洪泰基金Aplus Fund」硬體孵化器「洪泰智造工場Aplus Lab」的種子輪融資，開始為期3個月的硬體孵化。並與清華大學「創客空間協會」以及清華創客空間前社長畢瀅建立的「造萬物科技」達成合作，「人文智能」團隊還將與來自清華大學的在校生組成團隊共同衝擊「2017中美青年創客大賽」。同樣在2017年5月，前「鎚子科技Smatisan」首席技術官錢晨博士加盟「洪泰智造工場」，為「人文智能」團隊提供產品生產製造服務。「洪泰基金」由企業家俞敏洪和投資銀行家盛希泰在2014年11月共同發起成立，是中國打通早期創業和資本市場的投資機構。

在過去兩年中，資本配合市場上演了一出大戲，現在這場戲正在漸漸落寞。從「B輪死」到更冷靜的早期投資環境中，融資並不意味著績效，「人文智能」團隊正在尋找一條能「自我生長Bootstrapping」的路徑，不誇大這個行業的外延，沒有必要把所做的事情包裝在某個潮流之下，過分強調模式的可複製性。「人文智能」團隊認為每家創業創業公司的成長都要經歷四個階段，即

1. 發現市場的存在，驗證需求的真實性。

2. 確認產品對於解決問題的有效性。

3. 修正商業模式并迭代產品，找到「產品與市場契合點Product／Market Fit，PMF」。

4. 「快速增長Scale」。

在第四階段「快速增長」之前，「人文智能」團隊將在「洪泰智造工場」中展開一場瘋狂的「實驗」，不斷循環第一到第三階段的歷程，希望能敏感地定義一個市場的存在，並勤勉而快速地迭代一款具有完整功能的「最小可行性產品Minimum Viable Product，MVP」。

在2017年5月到8月的孵化期中，團隊目標是研發一款頭戴式設備「腦超頻」，主要分為三個模塊：

1. 通過檢測「腦電信號與血氧紅蛋白信號，EEG HbR HbO HbT」進行大腦信號採集。

2. 在搭建的「卷積層神經網路Convolution Neural Network，CNN」上對大腦信號和狀態進行配對學習。

3. 最後以「非侵入式神經可塑性提升，TMS」的方式對大腦狀態進行定向調整。

「腦超頻」其實是「人文智能」的一種體驗閉環，在MANN教授眼裡所謂的「人文智能」更像是打成了「人機共生」的關係，傳統的「人機交互Human Computer Interaction，HCI」把人和計算機看成是兩個分開的個體，二者通過各種I/O設備進行通訊，我們熟悉的滑鼠、鍵盤和觸摸屏都是我們熟悉的交互方式。而在「腦超頻」所代表的「人文智能」範式中，人腦是整個人類智能閉環中的中控，而計算機更像是人的第二個大腦，在輔助佩戴者工作的同時，還在對使用者的行為數據進行學習，而「智能提升」便在這個與眾不同的「雙向讀寫Read-write」腦機設備中實現。

團隊現公開招募包括「設計」「硬體」「軟體」和「科研」共四個方向的成員加入，具體工作說明為：

1. 工業設計 1人

· 將與團隊完成從用戶需求確定，到「實驗設計Design of Elements，DOE」，再到敏捷開發設計等，從0到1的產品定義過程。

· 根據電子工程師和硬體工程師的技術要求，在考量人體工程學的情況下，配合開發進度使用「AutoCad」「Soliwords」或其他繪圖工具生成和迭代產品設計。

· 能利用「紙板」「鐵絲」或其他替代性材料根據產品設計快速製作模型。

此孵化階段目標為生成100台以內的「MVP」，因此參與工業設計的過程將會最大限度實現你對創新科技和未來交互的理解，「將專業性的判斷交給專業的人」是團隊合作的宗旨，整個工業設計過程將會絕對遵照和信任設計師的理論。

2. 電路和硬體設計 1人

· 輔助團隊工程師對於電路的研發工作，包括「電路圖」「電路分布圖」「搭建麵包板」等。

· 熟練使用「C語言」完成「MCU嵌入式系統」的開發。

· 熟練使用「槍式焊接器」「頻譜儀」「功率計」「示波器」等測試設備

招募的硬體工程師將作為團隊CTO的助理，並不承擔過多硬體開發的負擔，在產品開發過程中將直接與包括錢晨博士在內的孵化器團隊對接。團隊成員多為開源硬體和逆向工程工程師，在過程中將接觸到拆解黑科技設備與重新定義可穿戴設備的工作。

3. iOS前端開發 1人

· 在現成「軟體交互流程圖」和「後端介面」完成的條件下，開發iOS端的原生App。

· 熟練使用「Objective-C語言」或「Swift語言」，掌握包括「Foundation」「UIKit」「內存管理」「多線程」和「Runtime」等開發技術。

軟體控制是智能硬體體系中重要的一環，此階段的「MVP」對於前端的操作體驗要求低於公開上架的產品，只需要保證功能性實現的前提，包括「流程圖」和「後端介面」在內的技術支持將由團隊提供。

4. 機器學習演算法 1人

· 要求能夠閱讀基於「MATLAB」的「人工神經網路Artificial Neural Network，ANN」和「深度人工神經網路Deep Neural Network，DNN」模塊所生成和訓練出的模型代碼，大部分資料為英文。

· 協助團隊CTO將所提供的代碼段整合入客戶端程序與可穿戴設備上嵌入式系統，並將數據歸納和輸入到後台資料庫。

· 擁有經驗或了解在「MATLAB」上「ANN」的建模，包括「前饋模型Feedforward Model」「反饋模型Feedbackward Model」和「數據交叉驗證Data Cross Validation」等，能製造相關圖片如「R Plot」。

· 熟練使用「C語言」來編寫「MCU嵌入式系統」，熟悉「MySQL」的查詢語言。

「ANN」在整套「腦超頻」體系中發揮至關重要的作用，關係到大腦狀態識別的匹配結果，團隊CTO擁有能獨立編譯演算法的能力與經驗，招募的工程師不承擔過重的研發負擔，在研發過程中將分享多倫多大學教授「Deepmind」首席科學家Geoffrey HINTON教授的私課手記和經驗。

5. 腦電數據分析 1-2人

· 將「EEG數據」「fNIRS數據」「用戶數據」以及「機器信息數據」進行整合歸納。

· 通過不同模型進行分析來尋找最相關的數據指示信號，並分析每個模型間的統計性能，包括「性能表現」，預測和描述「能力展示」等。

· 協助挑選和改造現有演算法模型，並通過數據來篩選有效數據和無效數據。

· 熟練使用主流數據挖掘語言，如「R語言」「SAS語言」「SQL語言」「Python語言」等其中的一種。

希望在「認知科學」「醫療影像」等從事過大腦數據提取或了解相關研究領域的成員加入，在相對小的醫療資料庫內找到數據之間的聯繫，比如時間軸上的預測性和兩方面數據的關聯性。

項目時間為2017年5月29日至2017年8月11日期間，地點在朝陽區四惠東華騰世紀D座國安創客3樓洪泰智造工場，項目採用矽谷「Holacracy」方式進行管理，沒有職位的概念，只按照分工角色自行定義工作方式，實習天數可以根據個人情況動態定義，遠程或坐班均可。

簡歷請至「shuohe.zhang@mail.utoronto.ca」「celine.wei@mail.utoronto.ca」。

天賦就像個孤兒 野心是他的繼父