transform的技术架构用来训练脑机接口的语言、图像、文字、四肢、情绪就是人类的意识
才从上海回来，这次最大的感受就是接触到了同样做脑机接口基座模型的刘泉影教授，他们团队现在正在构建EEG、以及MEG、以及FMRI多模态数据的基座大模型数据。
和MindSoul一样，但也不一样。因为我们不仅有基座模型还有面向用户的空间计算MR眼镜的产品形态。
也就是说MindSoul是将其脑机接口定位于消费者在空间计算的配件，在5年之后随着脑机接口供应链成熟，价格与轻薄程度、以及穿戴舒适性我们将其变为最终的硬件，但是在现在至少是不可以的。
因为单个脑机接口是没有办法解决用户需求的，不管是因为精准度的原因还是用户操作习惯以及用户认知。
提到“用意念”这件事，是需要脑机接口设备厂商、学校、社会教育共同努力的，而不是让用户自己拿着脑机接口就会使用。
举个例子现在运动想象，让用户看着屏幕想象握拳左手与右手，实际上也有几乎一半以上的失败率，不仅是脑电的原因，还有就是用户并不知道怎么想象握拳、以及左右手握拳的具体动作。
而MindSoul做的事情就是将其文字、图像、语言、以及情绪、四肢、以及十根手指的模型来完成各自transform训练。
而我们相信如果意识指的是人类的大脑部分，以及自主意识不包含被动、以及潜在的，那么这部分就是人类的意识。
通过MR设备的空间贴吧，可以这么说我们可以预测未来以及窥探一个人的命运从而预测世界的走向。
脑机接口的基座大模型：MEG与FMRI仍然是金数据
现在MEG设备，仍然是脑机接口非侵入式数据的王者，即使有不同品牌的设备厂商，但是MEG的数据仍然是纯度最高的，同时被试可以做各种可能的任务，来完成数据采集，以及通过transformer来训练。
最近Facebook开源的tribeV2 是Fmri构建的是金数据，可以采集空间下人类在完成视频、语言、图像的相关数据完成transformer训练。
为什么要指定几个任务，而不是什么都采集
类在社会生活中存在一些高频且具有通用性的基础能力，包括文字理解与表达、图像感知、情绪反应、记忆与思考，以及四肢和十指的运动控制。
MindSoul我们团队没有必要采集和训练所有人类行为，否则任务边界将无限扩张，数据规模和开发成本也会失去控制。
这与产品的数据埋点设计类似：产品经理通常只围绕关键行为和核心事件进行埋点，而不是记录用户发生的每一个动作。
因此，数据并非越多越好，真正重要的是数据能否覆盖关键能力、具备清晰标签，并形成可训练、可验证和可复用的神经表征。聚焦核心任务不仅能够降低采集、标注和模型训练成本，也更容易产生实际研究与应用价值。
基于这一原则，MindSoul团队现阶段重点研究五类主动意识相关能力：文字、图像、情绪、四肢运动和十指精细运动，并逐步探索这些能力与记忆、意图及思维活动之间的关系。
就像写今天这篇文章，我们在transformer上开始标注空间贴吧的数据完成世界模型的训练，同时在MindSoul上标注文字、图像、以及情绪、十根手指、以及左右手、左右脚。
空间贴吧世界模型+MindSoul神经大模型=未来
比如下图是我们在做空间贴吧的世界模型标注以及后续transformer的训练。
以上就是最近在上海的一些预测内容，做脑机接口大模型本质上就是开始预测未来了，因为有世界模型与MindSoul神经模型就是预测未来。
今天的分享就在这里。
本文来自微信公众号“Kevin改变世界的点滴”（ID：Kevingbsjddd），作者：Kevin那些事儿，36氪经授权发布。
