神經(jīng)科技以人類神經(jīng)系統(tǒng)原理為基礎(chǔ),旨在研究人類大腦這一極為復(fù)雜的模型架構(gòu)。在實(shí)際作用方面,神經(jīng)科技將幫助研究人員了解大腦功能與引發(fā)功能障礙的原因,并助力醫(yī)生治療各類神經(jīng)系統(tǒng)疾病。至于具體應(yīng)用,神經(jīng)科技目前主要關(guān)注增強(qiáng)認(rèn)知能力、改善睡眠并改善長壽人群的大腦健康等。以此為背景,AI技術(shù)的快速發(fā)展有望在未來十年內(nèi),推動神經(jīng)科技發(fā)展進(jìn)入快車道。
過去二十年內(nèi),神經(jīng)科技企業(yè)獲得的投資總額超過190億美元。
當(dāng)前,全球擁有超過200家神經(jīng)科技企業(yè)。
美國本土的神經(jīng)科技企業(yè)在數(shù)量上占絕對優(yōu)勢。美國為121家,加拿大為14家,英國為13家,瑞士為8家,以色列為7家,法國為6家。
目前,全球有200多家神經(jīng)科技投資機(jī)構(gòu)。
美國的神經(jīng)科技投資機(jī)構(gòu)數(shù)量同樣最多。美國有136家,日本與英國各有10家,加拿大有7家,中國和法國為6家。
2015年,神經(jīng)科技專利總值為2億美元。
>>>腦機(jī)接口
神經(jīng)科技領(lǐng)域最為人熟知的探索方向之一,正是腦機(jī)接口(BCI)。腦機(jī)接口的基本思路在于接收大腦信號,對信號做出分析,據(jù)此將信號轉(zhuǎn)換為命令,而后發(fā)送至執(zhí)行端的輸出設(shè)備。腦機(jī)接口有望幫助患有神經(jīng)肌肉疾?。ɡ缂∥s性側(cè)索硬化癥、腦癱、中風(fēng)或脊髓操作)的病人逐步恢復(fù)功能。隨著這項(xiàng)技術(shù)的進(jìn)步,人類最終也許能夠?qū)SB接口植入大腦,從而輕松完成腦信號上傳。到2024年,全球腦機(jī)接口市場總值預(yù)計(jì)將達(dá)到18億美元。
>>>神經(jīng)調(diào)節(jié)
在美國,目前已經(jīng)有超過15萬人使用治療性腦植入物,主要用于治療帕金森氏病。神經(jīng)調(diào)節(jié)療法為慢性疾病的治療帶來替代性選項(xiàng)。與傳統(tǒng)藥物相比,神經(jīng)調(diào)節(jié)療法通常更具針對性、成本低廉且副作用更少。神經(jīng)調(diào)節(jié)的核心在于刺激大腦中的特定區(qū)域。目前常見的神經(jīng)調(diào)節(jié)刺激分為幾種類型,且各自擁有不同的特性與用途。這項(xiàng)技術(shù)的重要應(yīng)用之一,在于治療患者難以忍耐的疼痛,具體方法為刺激大腦內(nèi)與脊柱及周邊神經(jīng)系統(tǒng)對應(yīng)的各個(gè)部位。到2022年,全球神經(jīng)調(diào)節(jié)設(shè)備行業(yè)總值預(yù)計(jì)將增長至133億美元。
>>>深層腦刺激
在臨床試驗(yàn)中,研究人員們還開始關(guān)注利用深層腦刺激治療慢性疼痛的潛在可能性。
>>>脊髓刺激
治療方案主要是將電極放置在人體內(nèi)的特定脊椎區(qū)域附近,這部分區(qū)域一直被視為痛常見的產(chǎn)生根源。
全球前200大神經(jīng)科技企業(yè)的技術(shù)推廣情況
>>>迷走神經(jīng)刺激
迷走神經(jīng)刺激能夠緩解一部分癲癇與抑郁癥疾病。
>>>經(jīng)顱磁刺激
2018年,全球經(jīng)顱磁刺激市場的總體規(guī)模估計(jì)為8.834億美元。
>>>用于神經(jīng)生物標(biāo)志物檢測的AI技術(shù)
神經(jīng)數(shù)據(jù)極其復(fù)雜,因此我們需要更強(qiáng)大的解釋方法,并借此從大量作為生物標(biāo)記物的神經(jīng)數(shù)據(jù)中找到準(zhǔn)確可靠的信號模式。
以此為基礎(chǔ),研究人員可以將長期置留型神經(jīng)接口(允許計(jì)算機(jī)直接與人體之間實(shí)現(xiàn)神經(jīng)數(shù)據(jù)讀取與寫入的連接),與經(jīng)過訓(xùn)練且能夠直接從神經(jīng)數(shù)據(jù)內(nèi)評估生物標(biāo)志物的人工智能系統(tǒng)結(jié)合起來。
這一進(jìn)展甚至可能為研究醫(yī)學(xué)現(xiàn)狀、加速神經(jīng)生物標(biāo)志物檢測,以及探索新一代基于AI的神經(jīng)醫(yī)學(xué)方法提供新的實(shí)現(xiàn)途徑。
未來可期,讓我們拭目以待!
好文章,需要你的鼓勵(lì)
浙江大學(xué)團(tuán)隊(duì)提出動態(tài)專家搜索方法,讓AI能根據(jù)不同問題靈活調(diào)整內(nèi)部專家配置。該方法在數(shù)學(xué)、編程等任務(wù)上顯著提升推理準(zhǔn)確率,且不增加計(jì)算成本。研究發(fā)現(xiàn)不同類型問題偏愛不同專家配置,為AI推理優(yōu)化開辟新路徑。
清華大學(xué)研究團(tuán)隊(duì)提出SIRI方法,通過"壓縮-擴(kuò)張"交替訓(xùn)練策略,成功解決了大型推理模型"話多且準(zhǔn)確率低"的問題。實(shí)驗(yàn)顯示,該方法在數(shù)學(xué)競賽題上將模型準(zhǔn)確率提升43.2%的同時(shí),輸出長度減少46.9%,真正實(shí)現(xiàn)了效率與性能的雙重優(yōu)化,為AI模型訓(xùn)練提供了新思路。
南洋理工大學(xué)與騰訊聯(lián)合研究團(tuán)隊(duì)開發(fā)出Rolling Forcing技術(shù),實(shí)現(xiàn)AI視頻實(shí)時(shí)流式生成的重大突破。該技術(shù)通過滾動窗口聯(lián)合去噪、注意力錨點(diǎn)機(jī)制和高效訓(xùn)練算法三項(xiàng)創(chuàng)新,解決了長視頻生成中的錯(cuò)誤累積問題,可在單GPU上以16fps速度生成多分鐘高質(zhì)量視頻,延遲僅0.76秒,質(zhì)量漂移指標(biāo)從傳統(tǒng)方法的1.66降至0.01,為交互式媒體和內(nèi)容創(chuàng)作開辟新可能。
華中科技大學(xué)研究團(tuán)隊(duì)發(fā)現(xiàn),通過讓AI模型學(xué)習(xí)解決幾何問題,能夠顯著提升其空間理解能力。他們構(gòu)建了包含約30000個(gè)幾何題目的Euclid30K數(shù)據(jù)集,使用強(qiáng)化學(xué)習(xí)方法訓(xùn)練多個(gè)AI模型。實(shí)驗(yàn)結(jié)果顯示,幾何訓(xùn)練在四個(gè)空間智能測試基準(zhǔn)上都帶來顯著提升,其中最佳模型達(dá)到49.6%準(zhǔn)確率,超越此前最好成績。這項(xiàng)研究揭示了基礎(chǔ)幾何知識對培養(yǎng)AI空間智能的重要價(jià)值。