你好,这里是《邵恒头条》,我是邵恒。

今天我想跟你分享的材料,是得到上彭天放老师带来的最新一期《硬科技报告》。

在这期报告里,彭天放老师介绍了两项有意思的前沿科技进展,都和人工智能有关。

一个是科学家利用机器学习,更精准地用计算机“翻译”出了人的脑电波。

另一个是IBM正在研发一艘无人驾驶船,计划让它在人工智能船长的操控下,穿越大西洋。

下面就让我们来一起听听彭天放老师的解读。

你好,我是彭天放,欢迎来到3月份的《硬科技报告》。在过去的一个月里,我为你梳理出了两项值得关注的硬科技进展。

1. 科学家成功通过机器学习将脑电波翻译成文本

第一项进展有点像我们通常所说的“读心术”。3月30日,来自美国加州大学旧金山分校的研究团队,在《自然》杂志旗下的《神经科学》上发表了一项非常有趣的研究。他们通过机器学习的方法,把人的脑电波信号直接翻译成了有意义的语句,而且翻译的准确度比以往类似研究的结果都要好很多,平均错误率只有3%。

要说这3%的错误率,如果搁在其他技术上,应该算不上多惊人的成绩。但是对脑机接口技术,也就是把人的大脑和电脑连接起来的技术,它的意义就大不一样了。因为它代表着这项研究,为脑机接口领域一个难题——直接翻译大脑的语言信息,提供了一个新的思路。

为什么这么说呢?这里可能需要先补充一些背景。

如果你关注脑机接口技术的进展,你可能知道,这个技术,一直希望有一天能让人们直接通过意识来输出信息,特别是文字信息。这样,不仅很多像霍金一样身患残疾的人能表达自己的想法,而且我们普通人如果懒得动手打字,也可以通过脑电波交流。

为了实现这个目标,就衍生出来两个思路,我概括成“鼠标流”和“语音流”。

所谓“鼠标流”,就是像鼠标在电脑屏幕上滑动点击一样,人们可以通过有意识地思考“向左”“向上”这样的念头,来控制一个光标,在虚拟字母表上选择想要输出的文字。但是,这个技术有个重要的缺点,你可能也已经想到了,那就是速度太慢。你想,你要是打字不能用键盘,而是只能在屏幕上一个一个用光标选择字母,那是一个多么痛苦的过程?

对于“鼠标流”太慢的短板,研究人员很自然地就想到了第二个思路,也就是“语音流”。“语音流”靠的,是直接捕捉人脑中想说的文字信息,然后把文字信息直接输出成文本。这就像是直接在大脑里安装了一个由意识控制的话筒一样,你想说出什么语言文字,它马上就能够显示在电脑屏幕上。

不过,“语音流”的想法虽然好,但是却遇到一个问题,那就是它的研究难度要比“鼠标流”大得多。你想,控制鼠标的运动信号,只有上下左右四个,从脑电波中捕捉这四个信号就相对容易。而人们常用的词汇怎么说也有几千个。要从复杂的脑电信号里精确地提取文字信息,难度高了不止一个量级。

事实上在过去的研究中,科学家通过“语音流”技术只能够实现不到40%的准确率,也就是说,错误率超过了60%,而且这还是在一个只有不到100个词的词汇表里面的识别结果。说到这里,你就应该能感受到,这次研究的重大意义了。就像我们刚才说的,在这项研究里,错误率最优可以达到3%,这对于语音流这个技术而言,是一个非常重要的突破。

那具体是怎么做到的呢?

关键在于引入了AI辅助翻译的思路。以往这种研究之中最困难的,就是在复杂的脑电波信号和明确的语句之间,建立准确的映射关系。换句话说就是找到什么样的脑电波对应什么样的语音信息。而建立映射这种工作,其实就是在做AI技术非常擅长的“找规律”。

研究人员选了四位被试者,让他们在一个有限的语句库里,反复朗读一些句子。一边读着,在被使者脑中事先植入的电极就捕捉朗读的瞬间,活跃的脑电波信号。然后,在收集到的信号和语句库之间找规律,把跟控制发音相关动作的脑电波信息提取出来。接着通过大量数据训练,跟语句库建立联系我们前面说的映射关系。有了这个映射关系之后,下次只要你在脑中想象自己说出某一句话,比如心里大声地呼喊“晚饭我想吃面条”。AI程序就可以根据已知的映射关系,识别你的内心OS(独白)了。

更让研究人员惊喜的是,在这项研究中,AI程序学习识别人类脑电波的速度非常快。在这篇论文中,只要经过大概40分钟语音数据的简单训练,这个脑电波AI翻译器,就可以达到比较高的准确率了。其中效果最好的一名被试人员,在仅仅经过9次数据训练之后,准确率就能够高达97%。而且,研究人员认为,如果再经过更多的训练,识别的效果还会进一步上升。

在未来,如果这种AI翻译脑电波的思路能够实际应用,那么首先影响的,就是那些失去语言和写字能力的人们,因为他们有可能重新获得与世界沟通的工具。不过,这项技术影响的,远远不止这一个群体。就连我们普通人表达信息的方式,也可能发生变化。以后,我们可能再也不会感到嘴皮子的速度,跟不上大脑里想法的速度了。

值得提醒的是,像这种“读心术”一样的技术,距离成熟还有很长一段距离。首先,在这次的研究中,所使用的语句库,只包含100多个词汇,50-60个句子,比我们日常交流的语句库少很多。另外,研究人员也还不知道,不同人之间,脑电波信号的识别规律,是不是能够相互迁移。也就是说,在说同一句话的时候,我大脑中的脑电波,可能和其他人的脑电波是不是完全相同的。

虽然说,脑机接口技术目前还不是非常成熟,不过我推荐给你的原因是,这个领域在技术研究圈子里,越来越热门。比如,我们熟知的脸书公司,还有特斯拉的掌门人埃隆•马斯克,都在2019年开始大举向这个领域投资布局。脑机接口技术未来的新进展,值得你保持关注。

2. 无人驾驶船正在成为产业前沿热点

我为你推荐的第二项进展,和无人驾驶有关。不过,它既不是车,也不是飞行器,它来自浩瀚的海洋。

3月4日,海外科技媒体Venture Beat报道说,美国IBM公司和英国一家非营利组织,正在计划开发一款无人驾驶船。这艘船的名字,叫做“五月花号”,因为它的目标,是横跨大西洋,重走400年前“五月花号”从英国到达美国的航线。

这艘无人船预计采用太阳能和风能驱动航行,最高的速度可以达到每小时20节,也就是大约37公里,预计不到两周的时间就可以横跨大西洋。我在文稿里放了一张无人船的示意图,你有兴趣可以看一下,它的外观非常科幻。

你看,现在不仅陆地上的自动驾驶汽车如火如荼,海里的船舶舰艇也被无人化的趋势给盯上了。目前,除了IBM公司以外,劳斯莱斯、波音、三星等等巨头企业,也都陆续入局了海洋无人驾驶。

为什么这些巨型企业都开始关注海洋自动驾驶了呢?用一句话来归纳——因为海洋自动驾驶,是一个行业门槛很高,技术门槛相对较低,而且潜在收益巨大的领域。

我们首先就来说说,海洋的无人驾驶化背后,蕴藏着的巨大收益。

如果你熟悉运输和贸易的话,那么你肯定知道,全球有超过90%的贸易是通过海运进行的。海运可以说是世界上最重要的运输行业,聚集了大量的资本。就在当下这一刻,全世界就有超过92000艘货运船只,在海上航行。

而海洋运输中,跟船员相关的费用足足占了总成本的30%。要知道,像海运这么巨大的一个行业,就算只能优化1%的成本,也都意味着上百亿美元的改变。而自动驾驶船相当于直接抹去了一次运输成本的30%,这背后的潜在收益可就太大了。

更重要的是,无人船除了能减少人员工资这样的硬成本之外,还可以优化整个船的设计。比如说,没有了人,船上原本提供给人员的衣食住行的空间,就可以用来装更多的货物。而且,因为不用考虑人的感受,船只的航行速度,能够承受的颠簸程度也都会比有人的船要有更大的提升空间。

不仅如此,无人船有望进一步降低海上的事故发生率。我们经常在新闻里听到说,有船只相撞,或者意外着火这样的事故。据统计,目前有七到九成的海上事故是由人为失误造成的。这些失误在无人船的技术成熟之后就有可能避免了。

所以,短期来说,无人驾驶船可以降低人员成本和事故造成的损失。而长期来说,去掉人这个脆弱的变量之后,船只的设计也可以得到更大的优化和想象的空间。无人船很可能会拥有更高的速度、更高的运输效率和更长的工作时间。

这就是刚刚提到的巨头关注无人船的第一个原因,它有巨大的潜在收益。

不过,无人驾驶相关的技术,在我们印象中一般不都是互联网和AI技术公司牵头做的吗?为什么我们目前看到入局无人驾驶船的企业,跟做汽车自动驾驶的不一样呢?

这就要说到第二点了。那就是,海洋无人驾驶,是一个对综合技术要求很高,但是对AI技术要求相对不太高的领域。

为什么这么说呢?

这就要从我们更熟悉的自动驾驶车说起了。陆地上的无人驾驶技术,在做驾驶决策的时候,往往需要面临非常复杂的外部环境。比如,路程的起点和终点可能随时变化、周围天气和环境变化还可能遮挡交通标志。这些难以预料的变化,就对程序的智能化水平,有非常高的要求。

但是对于海洋无人驾驶的要求,跟陆地就大不一样了。在智能化的需求上,它相对更接近飞机的自动巡航技术。你想,轮船像飞机一样,起点和终点通常是确定的,航行的路径也一般都是事先设定好的。所以,轮船不需要像汽车的AI驾驶程序一样,面临非常高频和多变的决策条件。

但同时,无人船只所需要的综合技术却远比汽车复杂。就拿IBM的“五月花号”无人船来说吧,它的AI“船长”就需要协调大量的摄像头、雷达、声呐数据,对水面上和水下的环境进行实时感知,识别礁石、海浪、大型鱼类等物体。同时,这位AI“船长”还需要实时协调和改变航行策略。比如,它要接受气象卫星和GPS的数据、结合其他船只的无线广播信号来判断,是否需要调整航向。

这些复杂的场景,都是汽车自动驾驶技术会感到陌生的。其中涉及的航行控制和决策功能,不仅仅需要AI技术,更是需要包括遥感、控制、机械、航海等等多项技术和经验的综合。因此,无人驾驶船对于综合性技术的要求,其实比对单独的AI技术要更高。

当然,你可能会想,这些场景虽然复杂,但只要经过足够长时间,有足够的数据进行训练,还是可以研发出称职的AI“船长”的。

你这个想法没错。而且它恰恰决定了目前海洋自动驾驶领域的第三个特点,那就是对时间投入和数据量的要求,让海洋自动驾驶形成了很高的行业门槛,一些只以AI算法见长,但是缺少行业经验以及合作渠道的企业很难单独进入这个领域。

我们知道,无人驾驶算法,一般都需要大量的数据来训练。这个要求,放在车上是不成问题的。你想,世界上有超过10亿辆车可以提供数据。但是换了船只的话,情况就不同了。对于船只而言,数据来源远不如汽车来得容易。海运船舶的数量,大概只有汽车数量的万分之一。

而且船除了数据样本少以外,单次收集数据的成本,也要比汽车高。一辆自动驾驶样车,一般几万到十几万人民币就可以完成改装。而在海上,要采集大型舰船全方位的数据,没有几百万美元的铺设传感器的改装费用,是很难做到的。更不要说像IBM这样从头造一艘无人船了。

这就是为什么,无人船领域里目前的玩家,都是像我们之前提到的劳斯莱斯、波音、三星这样的巨头公司。它们不仅有一定的制造业经验,还有巨大的全球贸易合作网络,更有足够的资金做昂贵的数据采集和无人船制造。

比如在2019年12月,韩国的三星重工就和SK电讯联手完成了一艘叫做Easy Go的无人测试船,用来在5G的物联网环境中实现对船的智能遥控操作。

劳斯莱斯也从2010年就开始研发无人货轮技术,并且在2018年正式跟半导体巨头英特尔和芬兰海运巨头康士柏合作,预计在2025年前后推出自己的无人远洋货轮。

好了,总结一下。本期第二个硬科技,我为你推荐的是无人驾驶船,它巨大的潜在收益、对综合技术的要求,还有非常高的行业门槛这三个属性,让无人船在为未来几十年内,很可能成为巨头竞争的新市场。

这一期的《硬科技报告》就到这里,我们下一个月再见!

好了,《硬科技报告》听完了,我是邵恒。

不知道你有没有这样的感受:现在满世界都是疫情相关的新闻,这时候,如果看看前沿科技的进展,会对这个世界感到更乐观。因为,即便疫情让很多行业、很多地区停摆,但是科技仍然像一把利刃,破开了一条条往前的路。

好了,这就是今天的《邵恒头条》。我是邵恒,我们明天见。

读心术