摘要:脑机接口技术与AI技术深度融合

脑机接口头环背后的黑科技,专访BrainCo创始人韩璧丞 | 爱分析访谈-爱分析ifenxi

调研 | 李喆 施尧 撰写 | 冯伟

BrainCo公司是首家由哈佛大学创新实验室孵化的华人团队,将脑机接口技术与AI技术深度融合,目前已有包括赋思头环、智能假手在内的多款产品被成功应用于教育和医疗领域,为AI商业化落地找到了新方向。

人工智能技术在商业化落地上的困难,一直成为AI公司盈利的根本阻碍。近两年来,AI技术场景化应用在金融、医疗、教育等各细分领域纷纷获得突破,而围绕这些不同场景而产生的广阔商业图景更是让人抱有极大期待。

在这些AI的场景化应用领域中,以BrainCo为代表的脑科学+AI的技术交叉型公司表现出了极强的商业化落地能力,应用场景在短短五年内就从行业大客户下沉到了普通个人用户,成为AI领域内的一匹黑马。

脑机接口头环背后的黑科技,专访BrainCo创始人韩璧丞 | 爱分析访谈-爱分析ifenxi

BrainCo公司的黑科技--脑机接口技术

成立于2015年的BrainCo,由哈佛大学脑科学中心博士韩璧丞创立,研发团队由来自哈佛等世界顶尖脑科学实验室的科学家组成,专注于研究非侵入式脑机接口技术。

脑机接口头环背后的黑科技,专访BrainCo创始人韩璧丞 | 爱分析访谈-爱分析ifenxi

脑机接口(Brain Machine Interface,BMI),是一种可以实现大脑与机器之间的连接的技术,这项技术可以对脑电波信号进行解码,并将其翻译成机器能够读懂的指令,从而实现人脑与机器之间的交互。

脑机接口的核心技术有两个,一个是脑电信号检测设备,另一个是脑电信号识别技术。

按照脑电信号检测设备的安放方式,脑机接口可分为侵入式、半侵入式和非侵入式三种。非侵入式是在头骨外侧安放传感器,半侵入式是在大脑皮层表面安放传感器,侵入式则是通过开颅手术的方式向脑组织内植入传感器。

目前侵入式仍然处于动物实验阶段,半侵入式也仍然局限于少部分实验人群,非侵入式已经在注意力训练等场景中获得大量应用。

BrainCo所专注的非侵入式脑机接口技术,其主要核心同样在于信号检测和信号识别,即如何精确地从头骨外侧采集脑电信号——脑电图(EEG),并让机器读懂这些信号。在这里面,AI技术也是有效排除噪声干扰、准确识别信号含义的一项关键技术。

基于这些核心技术,BrainCo已经推出包括赋思头环(Focus)、智能假手两款民用化产品。为了推进产品的商业化,BrainCo搭建了一支由原金立副总裁俞雷领衔的商业化运营团队,实现了两款产品在学生专注力训练、残疾人辅具装配等场景的成功商业化。目前,BrainCo的主要拓客模式为发展区域代理商,销售团队由原优学派全国销售总监李光照领衔。

目前BrainCo已完成A轮融资,投资方包括中国电子、光大控股、德迅资本、鼎晖投资等顶尖投资机构。BrainCo在波士顿、深圳、北京、杭州等地有四个办公室,总员工数量超过300人。

脑机接口头环背后的黑科技,专访BrainCo创始人韩璧丞 | 爱分析访谈-爱分析ifenxi

近期,爱分析专访BrainCo创始人&CEO韩璧丞,就BrainCo的产品发展历程、核心技术、应用场景和商业化模式进行了深入交流,现摘取部分内容如下。

从材料学到脑科学,从toB到toC

爱分析:BrainCo的发展历程是怎样的呢?

韩璧丞:我大概从2009年开始,在韩国读书期间就开始接触脑接口这项技术。从2011年开始,我到美国西雅图工作,主要工作内容是研究一种与皮肤接触进行脑电检测的材料。

脑接口技术的核心就是脑电检测,但是脑电波是一种十分微弱的信号。微弱到什么程度呢?大概相当于一个5号电池的百万分之一。所以,以前传统的采集脑电的方式,都是在头上抹上非常复杂的导电膏,还需要戴上一个电极帽,整个的佩戴和卸下的过程大概需要一个小时左右,非常麻烦。

为了解决这个问题,到了2013年,我们自己做出来了一种可以高性能地采集脑电的材料,于是我们就决定成立一家公司来进行运作。

但是在这时候,我发现除了脑电采集材料之外,还需要对脑科学的知识非常熟悉。所以,我就申请了哈佛大学的脑科学专业的博士。在读博期间,我把一批学校里面做脑科学研究的科学家拉入到了我们的创业团队中。

我们的公司大概是从2014年开始筹备,到2015年正式注册,到现在大概是5年左右。公司前期的主要研究是脑接口的底层技术,同时我们也做了很多的行业客户,比如美国宇航局(NASA),还有意大利的方程式车队。

这些行业客户用我们的脑接口技术,主要是用来对宇航员、赛车手这样的需要极高的专注力的人进行神经反馈训练,提升他们保持高专注度的持久力。另外,苹果公司也买了我们大概150套训练系统,来给顶级的程序员进行专注力的训练,让他们写程序写得更快。

后来,我们公司逐渐转向to C市场,开始做民用的电子教育产品,也就是智能头环。这款产品的本质就是把给宇航员的训练强度降到了原来的1/5,来对学生进行训练,从而提高学生的听课注意力。

另外,我们还研发了智能假手,给失去双手的残疾人装上后,残疾人经过训练就可以正常进行抓握。

爱分析:BrainCo一开始在美国给企业做行业解决方案,为什么到后来转向做to C产品呢?

韩璧丞:我们以前做的to B项目,客单价都特别高,比如NASA、F1方程式车队等。但是项目周期也特别长,NASA的项目光设备检验就花了大概两年左右。而且,to B项目的门槛特别高,整个市场里有意愿买我们产品的行业客户也就那么多。

最初我们想到做民用市场,是因为当初与NASA合作后,在当地引起了关注,有大量学校来找我们,希望我们能够把这套产品给学生来用,让学生提高学习的专注力。

这让我们看到了,脑接口技术其实在民间同样有一个很大的需求,这让我们决定把技术应用到民用市场,于是有了智能头环产品。

其实假肢类似,最开始在美国也是给非常小的群体使用,比如说因战争变残疾的士兵,我们帮他们装一个人工智能假肢,让他可以通过意识来控制假肢。现在我们也开始把它民用化,让普通人用得上。

看好民用化前景,坚持做非侵入式方向

爱分析:你们在研发脑机接口产品过程中遇到了哪些挑战?

韩璧丞:我们前期主要是在材料、硬件和算法的突破,后期我们面临的主要问题是如何精确地检测出大脑体征信号所代表的意义。

我们公司跟其他公司区别在于,我们有一群来自于14个顶级脑接口实验室的科学家,他们都不是十分偏重工程领域的科学家,没有做过硬件,但是每个人都是有十年以上的研究分析大脑信号的经验,都在权威期刊上发表过论文。

经过我们共同努力,现在我们已经能够非常准确地来检测大脑体征信号,并识别出它们所代表的意义。

爱分析:为什么BrainCo会选择非侵入式的脑机接口技术作为主要的研究方向?

韩璧丞:说实话,侵入式到现在也没有几个人真正去实验过。埃隆-马斯克现在这么火,他到现在也没有在一个人身上做实验,而只是在老鼠身上做实验。

非侵入式的好处在于,它可以通过大量算法和脑学家重标注的数据来找到大脑疾病和大脑训练的规律,最终能够快速地实现民用化。

相比于侵入式,非侵入式在信号采取和检测的技术难度更大。大脑体征信号本身就非常微弱,这也是很多人去做侵入式的原因,因为做完开颅手术之后,可以直接在大脑上采取信号。

我们有来自最顶级的脑接口实验室的脑科学家团队,NASA用完我们的产品之后,他们反馈的测评的准确度是95%以上,这意味着我们的产品是符合医疗级别的。

但是为了达到这样的准确率,我们的投入也是十分巨大的。我们之所以愿意付出很大精力去做,也是因为相信非侵入式相比于侵入式在民用化上具有更强的优势。

现在BrainCo已经是世界上医疗级别的脑接口硬件领域最大的出货商、生产商,也是脑接口领域里面数据存储量最大的公司。

模型训练自全球最大脑电数据库,构筑最坚固竞争壁垒

爱分析:前期需要脑科学家来对采集到的脑电数据进行数据标注,这些数据是从哪里得到的?

韩璧丞:BrainCo在这一点比较特殊,因为我们是哈佛校方孵化的企业,当时得到了最大的帮助,就是学校给了我们一个科研数据库的访问权限,这个数据库应该是全世界最大的脑电数据库了,我们基于数据库训练出了大量的模型。

当然,我们公司在2015年正式注册以后,通过法律声明跟学校做了分割,声明以后我们不再使用这个科研数据库,原来的数据我们也不会保留。但这些数据训练出的模型全部都归BrainCo所有。因此,公司刚成立就带着一套基本上90%成型的模型。

成立之后,我们就通过设备大规模的采集用户脑电数据。这个采集分为两部分,一部分是我们医疗级别的产品,因为比较昂贵,出货量大概也就几千台左右,它们会采集一部分脑电数据。

另一部分就是民用的头环,我们通过它大量采集学生的脑电数据,光在拉丁美洲就采集了大概6000多人的数据,加上中国的数据,已经有5万多人的脑电数据了。通过大量数据来训练我们已经成熟了90%的模型,把这些模型去做进一步的提升。

爱分析:你们的数据标注是怎么做的?具体标的是什么内容?

韩璧丞:我们的脑电信号的数据标注,和普通的AI数据标注完全不同。我们这边一共就几十个科学家,这些科学家做的其实叫做“重标注”,重标注是指做这种标注是需要有很长时间的脑科学知识积累的。

世界上能接触到这种脑电信号的,同时具备这种信号的分析能力的人不多,全世界一共就14个实验室和医学院。我们把这些人挖到公司做重标注,大概做了两三年左右。

现在我们有很多的程序自动做标注,科学家们都已经分到各个疾病领域来进行细分类型的标注,已经不再做这种泛式信号标注。

爱分析:早期训练模型的时候,大概需要多少重标注的数据?

韩璧丞:早期我们的数据并不多,大概有4000多个人的没有被污染的数据,当然都做了非常好的标注。后期,我们大概有5万多人的数据。

爱分析:您提到有4000多个“没有被污染”的数据,这里的“没有被污染”的含义是什么?

韩璧丞:因为脑电信号是非常微弱的信号,对各种干扰因素的敏感度就更高,我们拿到的数据有很多是不能用的,我们必须挑出一些非常高标准、高信噪比的数据才可以做分析。

爱分析:如果想找到4000个没有污染的数据,然后做重标注,总成本大概需要多少?

韩璧丞:这个成本是没办法计算的,实际上别人就是有钱也没办法获得这些数据。

因为最初这4000个人的数据是来自于500多个不同的实验,每一个实验都可能要花费几百万美金的经费,总共耗时大概二三十年做出来的,同时这些实验的要求非常严格。

这样强大的数据库产生的模型作为基础,是BrainCo一个核心优势。比如假肢技术其实已经存在很多年,但是能做到让残疾人装上弹钢琴的,全世界只有我们公司。只有我们能够非常精准地、非侵入式地检测人体的体征信号,然后把它解读成意识。

爱分析:从早期4000多个数据,积累到现在的5万多数据,基本都是靠后期产品设备采集到的数据吧?后面这些数据的要求,是比早期低了很多吗?

韩璧丞:是的,因为我们的产品是花了很长时间做出来的,性能比较好,准确率能够达到95%以上,也被NASA认证过了。我们后期的数据采集都是拿这套设备来做的。

爱分析:假肢这款产品,应该是从肌肉端来检测神经信号,它与头环是同一条技术路线吗?

韩璧丞:这是同一项技术。肌肉端的信号和脑部的信号,其实是一条通路上。

爱分析:肌肉端信号的采集要求会比原来更高了?

韩璧丞:是的,肯定是直接从大脑里面采集效果最好。

当时我们为了做非侵入式的假肢,为了训练模型,我们是一边采集大脑信号,一边采集肌肉上的神经信号,拿两边的信号序列去做同步。

智能头环监测只是手段,针对性训练才是最终目的

爱分析:NASA他们实际内部训练的时候,主要把BrainCo的产品作为监测宇航员专注力的方式?

韩璧丞:其实监测在整个训练过程中占比不到10%。神经训练的核心是一套定向训练系统,依托于我们准确检测脑电的技术,但最终目的还是为了做训练。

这一点其实很容易被误解,我们的产品不是用来监视学生,最终目的还是为了训练学生。从商业的逻辑角度来讲,监视是没有市场的,通过脑电检测来监视学生的注意力是没有人愿意买单的,只有让孩子的注意力获得提高,才有人愿意买单。

爱分析:所以配套的针对性训练也是BrainCo提供?

韩璧丞:对,这是产品的核心。医院治疗多动症是类似的过程,治疗方式叫做神经反馈训练。孩子需要在头上戴一个脑电装置,然后让他用大脑意念控制做很多游戏,进行长时间的训练,最后就能够达到学习和写作业的时候也保持非常强的专注力。

打个比方,如果你要想跑马拉松,三个小时要跑42公里,那么每小时可能要跑14公里。我们的神经训练就相当于有一个测速器,先五分钟内保持每小时14公里的速度,然后十分钟内能保持每小时14公里速度,最后三个小时内都能保持每小时14公里的速度。

人类大脑的潜力要比肌肉大很多,因为大脑有860亿个神经元,可塑性比肌肉强太多了,所以那些用我们头环的孩子,成绩提高都很明显。从脑科学科研工作者的角度,人和人的智商基本一样,唯一的区别是认真程度的差异。

爱分析:这些训练的方法是怎么积累的?是以前做脑科学研究时积累的,还是服务行业客户时?

韩璧丞:50-60%是从原来的临床医学研究结果和治疗方法得出来,后期也有大量的方法是从行业客户里面学来的,这些公司本身非常商业化,对产品效果的期望非常高。

他们使用我们的产品,与我们一起研发产品和培训方法,最终得出最快速、效果最好的训练方法。

发展区域代理,构建培训体系,保障数据安全

爱分析:现在两款产品主要是通过什么方式推广市场?

韩璧丞:智能假手这款产品刚刚实现量产,后面我们会通过传统残疾假肢的代理渠道,也就是残疾人辅助器具中心去推广它。

爱分析:头环主要是怎么推广?会跟学校等教育机构合作,还是会通过电商途径推广?

韩璧丞:前期还是代理商模式,可以归类为电教类的产品,目前主要是发展各个地方的代理商。

爱分析:两款产品落地时,对于某些非专业人士来说,使用会比较复杂,需要有一些专门的人做指导和培训呢?

韩璧丞:目前头环产品需要指引师对用户进行引导的,这也是为什么要通过线下代理渠道推广的原因。

爱分析:目前指引师是你们直接培训,还是交到代理商?

韩璧丞:所有头环产品指引师的培训,都是在我们做,临床项目的指引师培训也是。我们的培训非常严格,通过率只有30%左右。

爱分析:因为BrainCo这家公司是哈佛大学孵化的,有很深的海外背景,关于脑电数据的安全性,未来BrainCo在今后的发展中会如何考虑?

韩璧丞:BrainCo非常重视数据安全,每年在这方面的培训上花的钱可能就要几十万美金,要给所有员工来进行培训,每一个人获取数据的时候都有非常严格的流程。

在医疗领域里面,脑电数据是和人类基因数据一样,都是人体体征数据。目前国际共识是,人体体征数据不可跨境,数据训练出来的模型可以跨境。