Robert Youssef(@rryssf)
Neuralink just turned 50,000 hours of signals recorded inside human brains into AI training data. Its implant patients streamed that much neural activity over roughly two years, and the company fed all of it into a model that learns what motor cortex activity looks like across different people and different days. The target is drift. Every patient has a decoder that translates motor cortex signals into cursor movement. Those signals shift a little every day, so the decoder slowly gets worse and the patie
8.5内容质量

TL;DR · AI 摘要
Neuralink利用5万小时脑信号训练AI模型,使脑机接口校准时间从每周55分钟降至10分钟,显著提升性能。
核心要点
- Neuralink使用5万小时脑信号训练模型,使校准时间从每周55分钟降至10分钟。
- P15参与者创下11.32 bits/s的光标控制记录,高于此前的10.39 bits/s。
- Neuralink计划实现单次和零次校准,并开放脑机接口API供开发者使用。
结构提纲
按章节快速跳转。
思维导图
用一张图看清主题之间的关系。
查看大纲文本(无障碍 / 无 JS 友好)
- Neuralink AI训练与脑机接口
- 数据来源
- 5万小时脑信号数据
- 来自植入设备的患者
- 模型目标
- 解决信号漂移问题
- 减少校准时间
- 性能提升
- P15参与者记录11.32 bits/s
- 校准时间从55分钟降至10分钟
- 未来计划
- 实现单次和零次校准
- 开放API供开发者使用
金句 / Highlights
值得收藏与分享的关键句。
Neuralink利用5万小时脑信号训练模型,使校准时间从每周55分钟降至10分钟。
P15参与者创下11.32 bits/s的光标控制记录,高于此前的10.39 bits/s。
Neuralink计划实现单次和零次校准,并开放API供开发者构建应用。
#Neuralink#脑机接口#AI训练#医疗科技
打开原文Robert Youssef 在 X 上的发言:“Neuralink 将人类大脑内部记录的 5 万小时信号转化为 AI 训练数据。其植入患者在大约两年时间内产生了如此多的神经活动,公司将其全部输入到一个模型中,该模型学习不同人和不同日期的运动皮层活动情况。目标是减少漂移。每位患者都有一个解码器,将运动皮层信号转化为光标移动。这些信号每天都会略有变化,因此解码器会逐渐变差,患者需要重新校准。在预训练之前,用户每周平均需要约 55 分钟进行重新校准。有了预训练模型的支持,大多数患者据说已将这一时间减少到每周约 10 分钟。这与使语言模型泛化的方法相同:在来自多个来源的大量数据上进行一次训练,然后以较低的成本进行适应。新的会话从一个已经了解运动皮层行为的模型开始,因此患者不需要花费大量时间从头开始教学。原始性能也有所提升。一位被称为 P15 的参与者创造了光标控制的吞吐量记录,达到每秒 11.32 比特,高于之前的 10.39。Neuralink 接下来的目标是一次性校准和零次校准,以及一个共享的运动皮层 API,允许外部开发者在其解码的脑信号上构建应用程序。”
Robert Youssef
@rryssf
$
/$
read image description
ALT
2026 年 11 月 14 日上午 10:37
·
901
次浏览
4
2
7