现在脑机接口产品经理的大模型技术难点到底在哪？|开心|脑电|模态|高吞吐量内核

现在脑机接口产品经理的大模型技术难点到底在哪？

分享至

前段时间Meta 更新了一个新的MEG开源模型，用户可以提取脑电文字、字符以及语义完成打字，目前准确率达到了78%。

不过这个MEG大模型现在明显的困难我已经分享到了，如下是我上篇文章

而现在脑机接口大模型，主要的难点抛开MEG这些设备之外，还有几个原因

1.在医院为中心采集，而不是正常健康成年人

曾经我就写过一篇文章，分享到脑机接口的大模型要想训练，首先数据采集应该是从正常人来，而不是在笨重的医疗环境，数据质量也不高。

同时在医院采集数据，都是为了疾病的治疗或者判断、诊断，这些是需要医疗器械数据、以及伦理安全审批等，流程也复杂。

最后作为数据采集机构还有给钱付费给患者、医院，因为这些患者与医院相当于参加你的脑机接口测试或数据训练。

这就是现在阻碍各个脑机接口厂商的数据增加的第一大门槛，现在脑电环卖的好的，激活量也就几万不多，但是真的用起来不到几千个或者几百台。

日活可能就几十台，这和互联网动不动上千万的日活，简直就不同而已。

2.脑机接口数据采集，非侵入式各家标准不同

现在不同硬件终端设备，有的用32通道、有的用单通道、有的用8通道来实现脑机接口数据的采集，但是完成任务上无非就是专注力、情绪、以及运动想象、以及SSVEP、以及p300这些范式运动。

基于这些运动范式再来做数据大模型，而这些模型都是需要较多数据、GPU算力以及模型训练的人，而现在脑机接口公司，几乎很少有模型训练的团队，无非就是一些软件工程师都算不得了了，不管是人才的培养还是招募都很少有团队在模型训练上，因为这个人才照理说是需要和现在大模型厂商一样的模型训练工程师。

因此就导致现在各自脑机接口的数据，几乎都是机器学习，还没有谈上模型训练，各家机器学习依靠的脑电通道数不一样，就导致没有标准

比如设备厂商A的脑机接口与设备B的脑机接口数据不通用，即使都是8通道非侵入式脑机接口设备。

3.脑机接口数据模型训练，需要人类真实的生理反应

在脑机接口数据训练的时候，我们需要得知人类现在在干嘛，在传统范式专注力、SSVEP、P300这些范式下，我们可以知道人类是在专注、冥想、或者看哪里，但是在日常生活中的通用性模型训练，比如要想知道人类是否开心、焦虑，就需要知道他们当前有没有开心、焦虑的面部表情，比如一个人佩戴者脑机接口完全有可能在睡觉。

那实际上是采集的睡觉脑电信号，并不是开心和焦虑情绪的

因此传统上需要一个技师或者工程师陪同去病房采集数据，通过去掉那些冗余的生理反应，才能够提取到有效的脑机接口数据。

在现在PC与手机上，这就是需要要么人工坚守要么就是通过摄像头来捕捉录屏，基友脑电画面也有人体反应，才有机会批量训练模型数据。

脑机接口产品经理最大的误区：把医院当成数据中心

这也是为什么在医院采集数据效率低，因为患者病人少，同时患者因为年龄大，所以采集脑电数据的生理反应更加丰富，不容易获得专注的脑点任务生理反应。

4.多模态还是单模态，没有标准

在AI大模型行业，多模态的数据显然更加宝贵，比如从LLM再到世界模型就是从文本数据到多模态数据的衍进。

而在脑机接口领域，仍然有只做EEG 的模型团队，也有做EEG加眼动的、还有EEG加脑红外的，甚至是还有EEG加EHR病历数据的。

所以没有模型标准，这就导致很多人是发了一篇论文，但是没有产业价值。从大模型商业化建设、与普适性的建设角度，要让脑机接口的大模型更加通用，考虑到设备与用户体验，显然是EEG、脑磁图、脑红外、面部表情、与眼球追踪多模态是最佳的。

抛开医院场景独有的设备与数据，EEG、面部表情、眼球追踪是最佳通用的，因为在MR眼镜设备里，这些数据天然都有，所以就可以达到更加精准的脑机任务识别，从简单的情绪到专注，再到打字与图文，但目前行业是没有标准的，所以你训练的大模型别人无法兼容，因为别人没有你么这么多的数据模态，就导致很难推广。

坚持EEG加多模态的，几乎没有工业产出，都是在学术实验室里发论文里

5.脑机接口的消费者教育：脑机接口有害吗