Neuralink Show and Tell 30. November 2022 Offizielles Neuralink Show and Tell im Herbst 2022, bei dem Musk und das Team die Fortschritte bei der Gehirn-Computer-Schnittstelle und die Pläne für Versuche am Menschen präsentieren.
Offizielles Neuralink Show and Tell im Herbst 2022, bei dem Musk und das Team die Fortschritte bei der Gehirn-Computer-Schnittstelle und die Pläne für Versuche am Menschen präsentieren.
Transkript Sa. Willkommen zur Neuralink Show and Tell. Wir haben also eine erstaunliche Menge an neuen Entwicklungen, die wir mit Ihnen teilen möchten und die ich für unglaublich spannend halte, sowie Ihnen von der Zukunft erzählen, was wir hier vorhaben. Nun, das soll ein technischer Podcast sein, so ungefähr werde ich eine allgemeine Zusammenfassung geben, und dann werden mehrere Mitglieder des Neuralink-Teams hereinkommen und einen tiefen technischen Überblick über die verschiedenen Bereiche geben. Also, ja, lassen Sie mich mit der allgemeinen Zusammenfassung fortfahren. Nun. Einige der Dinge, die ich sagen werde, sind Dinge, die Sie. Nun, wenn Sie Neuralink verfolgt haben, haben Sie das schon gehört, aber für viele Leute da draußen haben sie keine Ahnung, was Neuralink macht. Und so werde ich ein wenig repetitiv sein bei Dingen, die Sie vielleicht schon wissen, aber andere nicht. Das übergeordnete Ziel von Neuralink ist es also, letztendlich eine vollständige Gehirnschnittstelle zu schaffen, also eine verallgemeinerte Ein-/Ausgabe zu einem Gerät, das langfristig buchstäblich mit jedem Aspekt Ihres Gehirns verbunden sein könnte, und kurzfristig mit jedem beliebigen Abschnitt Ihres Gehirns verbunden sein kann und eine enorme Anzahl von Dingen lösen kann, die bei Menschen zu lähmenden Problemen führen. Also, wissen Sie, unser langfristiges Ziel ist, ich meine, ich werde ein wenig über ein langfristiges Ziel sprechen. Es wird ein wenig esoterisch klingen, aber es ist das. Es war tatsächlich so etwas wie meine Hauptmotivation, nämlich, wissen Sie, was machen wir mit KI? Was machen wir mit künstlicher allgemeiner Intelligenz? Wenn wir eine digitale Superintelligenz haben, die einfach viel intelligenter ist als jeder Mensch, wie mindern wir dieses Risiko? Auf Artenebene, wie mindern wir dieses Risiko? Und selbst in einem gutartigen Szenario, in dem die KI sehr, sehr wohlwollend ist, wie machen wir dann überhaupt mit.
Dan (Neuralink)
Wie machen wir mit?
Wie nehmen wir teil? Und die Schlussfolgerung, die größte Einschränkung beim Mitmachen und bei der Ausrichtung der KI ist, denke ich, die Bandbreite, wie schnell man mit dem Computer interagieren kann. Wir sind also alle in gewisser Weise schon Cyborgs, insofern Sie. Ihr Telefon und Ihr Computer sind Erweiterungen von Ihnen selbst. Und wenn Sie, ich bin sicher, Sie haben das schon festgestellt, wenn Sie Ihr Telefon zurücklassen, tasten Sie am Ende Ihre Taschen ab. Und es ist, wie ein Phantomgliedsyndrom zu haben, so wie wenn man weiß, wo das Telefon ist. Das Telefon zurückzulassen, ist so etwas wie ein fehlendes Glied. An diesem Punkt sind Sie so gewöhnt daran, damit zu interagieren, Sie sind so gewöhnt daran, ein De-facto-Cyborg zu sein, aber. Was ist also die Einschränkung bei einem Telefon oder einem Laptop? Die Einschränkung ist die Rate, mit der Sie Informationen empfangen und senden können, besonders die Geschwindigkeit, mit der Sie Informationen senden können. Wenn Sie also mit einem Telefon interagieren, ist es durch die Geschwindigkeit begrenzt, mit der Sie Ihre Daumen bewegen können, oder die Geschwindigkeit, mit der Sie in Ihr Telefon sprechen können. Das ist eine extrem niedrige Datenrate. Vielleicht sind es optimistisch 100 Bit pro Sekunde, aber ein Computer kann mit Gigabit, Terabit pro Sekunde kommunizieren. Das ist also die grundlegende Einschränkung, die wir, denke ich, angehen müssen, um das langfristige Risiko der künstlichen Intelligenz zu mindern und auch einfach mitzumachen. Und. Ja, also, aber wie ich sagte, das ist eine esoterische Erklärung, die, denke ich, ein Nischenpublikum ansprechen wird, von denen einige vielleicht hier sind. Aber. Und das ist ein sehr schwieriges Problem. Also selbst wenn wir mit diesem Problem keinen Erfolg haben, denke ich, sind wir an diesem Punkt zuversichtlich, dass wir auf dem Weg viele Probleme mit Gehirnverletzungen und Wirbelsäulenverletzungen lösen werden. Also. Ja, also wie dem auch sei, wir haben tatsächlich Justin Roiland im Publikum. Hallo, Justin. Das ist also eine kleine Rick-and-Morty-Referenz hier, die großartige Rick-and-Morty-Episode über die Intelligenzsteigerung Ihres Hundes, und was ist das Schlimmste, das passieren kann? Also wie dem auch sei, Rick and Morty, ich empfehle es. Also für. Sie möchten also in der Lage sein, die Signale aus dem Gehirn zu lesen, Sie möchten in der Lage sein, die
Zach (Neuralink)
Signale zu schreiben,
Sie möchten letztendlich in der Lage sein, das für das gesamte Gehirn zu tun und das dann auch auf die Kommunikation mit dem Rest Ihres Nervensystems auszudehnen. Wenn es ein, wenn Sie sozusagen ein durchtrenntes Rückenmark oder einen durchtrennten Nacken haben. Nun, dieses Video ist jetzt 18 Monate alt. Das ist also Pager, der Affen-Gedanken-Pong spielt. Pager hat also in diesem Video ein Neuralink-Implantat. Und was interessant ist, ist, dass man das neuronale Implantat nicht einmal sehen kann. Wir haben das neuronale Implantat also so weit miniaturisiert, dass es der Dicke des entfernten Schädelstücks entspricht. Also ist es im Grunde so, als würde man eine Apple Watch oder einen Fitbit haben, der ein Stück Schädel ersetzt, wie, wissen Sie, eine Smartwatch, in Ermangelung einer besseren Analogie. Also
Man kann es wirklich nicht. Er sieht ziemlich, normal aus. Und ich denke, das ist ziemlich wichtig. Wenn Sie ein Neuralink-Gerät haben, so wie ich jetzt gerade ein Neuralink-Gerät implantiert haben könnte, und Sie würden es nicht, Sie würden es nicht einmal wissen. Ich meine, hypothetisch, vielleicht eine dieser Demonstrationen.
Alex (Neuralink)
Tatsächlich,
eine dieser Demonstrationen. Ich werde. Ja. Also, ja. Wie dem auch sei, hier ist. Zunächst einmal ist es ziemlich verrückt. Hey, Affen können Pong spielen. So wie sie tatsächlich Pong spielen können, wenn man ihnen einen Joystick gibt. Pedro hat also zuerst gelernt, mit einem Joystick Pong zu spielen. Also dachte ich, das war neu. Es ist so, ich wusste nicht, dass Affen Pong spielen können, aber sie können. Und dann haben wir Pedro zuerst trainiert, mit einem Joystick Pong zu spielen. Dann haben wir den Joystick weggenommen und das Neuralink angelegt. Und jetzt ist das. Er spielt telepathisch. Es ist im Wesentlichen ein telepathisches Videospiel. Was wir seitdem gemacht haben, ist, dass wir auf dem sehr schwierigen Weg vom Prototyp zum Produkt waren. Und ich habe oft gesagt, dass Prototypen einfach sind, Produktion ist schwer. Es ist wirklich, ich würde sagen 100 bis 1000 Mal schwieriger, von einem Prototyp zu einem Gerät zu kommen, das sicher, zuverlässig ist, unter einer breiten Palette von Umständen funktioniert, erschwinglich ist und im großen Maßstab hergestellt wird, wahnsinnig schwierig. Ich meine, es gibt ein altes Sprichwort, dass es 1% Inspiration, 99% Transpiration ist, aber ich denke, es könnte 99%, 99,9% Transpiration sein. Das beste Beispiel, das ich für eine Idee geben könnte, die einfach ist, aber deren Ausführung schwer ist, ist zum Mond zu fliegen. Die Idee, zum Mond zu fliegen, einfach, zum Mond zu fliegen, sehr schwer. Und wir haben hart gearbeitet, um für unseren ersten Menschen bereit zu sein. Und offensichtlich wollen wir extrem vorsichtig sein und sicher sein, dass es gut funktioniert, bevor wir ein Gerät in einen Menschen einsetzen. Aber wir haben, denke ich, den größten Teil unserer Unterlagen bei der FDA eingereicht, und wir denken, dass wir wahrscheinlich in etwa sechs Monaten ein erstes Neuralink in einem Menschen haben sollten. Aber wie ich sagte, tun wir alles, was wir möglich können, um die Geräte zu testen, bevor wir überhaupt in einen Menschen gehen, bevor wir überhaupt in ein Tier gehen. Also machen wir Labortests. Wir machen beschleunigte Lebensdauertests. Wir haben einen gefälschten Gehirnsimulator, der die Textur hat und es ist, wie ein Gehirn zu emulieren, aber es ist sozusagen aus Gummi. Und bevor wir überhaupt daran denken würden, ein Gerät in ein Tier einzusetzen, tun wir alles, was wir möglich können, mit rigorosen Labortests. Wir sind also nicht leichtsinnig, wenn wir Geräte in Tiere einsetzen. Wir sind extrem vorsichtig. Und wir wollen immer, dass das Gerät, wann immer wir den Implantat durchführen, ob bei einem Schaf, einem Schwein oder einem Affen, bestätigend ist, nicht explorativ. Sodass wir alles, was wir möglich können, mit Labortests getan haben. Und erst dann würden wir in Betracht ziehen, ein Gerät in ein Tier einzusetzen. Und ja, wir werden Ihnen tatsächlich später heute, in ein paar Stunden, eine Demonstration der Implantation in ein Gehirnmodell zeigen. Und wenn jemand im Publikum sich freiwillig melden möchte, haben wir den Roboter genau dort. Also, seit der Pager-Demonstration haben wir uns erweitert, um mit einer Truppe von sechs Affen zu arbeiten. Wir haben Pager tatsächlich aufgerüstet. Sie führen verschiedene Aufgaben aus, und wir tun alles Mögliche, um sicherzustellen, dass die Dinge stabil und reproduzierbar sind und dass das Gerät lange ohne Verschlechterung hält. Und was Sie dort sehen, sieht aus wie die Matrix, aber das ist tatsächlich, das ist eine echte Ausgabe neuronaler Signale. Das ist also keine Simulation oder nur ein Bildschirmschoner oder so etwas. Das sind tatsächlich feuernde Neuronen. So sieht eine der Ablesungen aus. Und hier können Sie Sake sehen, einen der anderen Affen, der auf einer Tastatur tippt. Das ist jetzt telepathisches Tippen. Um klar zu sein, das ist das. Er benutzt tatsächlich keine Tastatur. Er bewegt den Cursor mit seinem Geist zur hervorgehobenen Taste. Technisch gesehen können wir nicht wirklich buchstabieren, und deshalb möchte ich das nicht übertreiben, denn das. Das ist die nächste Version.
Zach (Neuralink)
Also das.
Aber was hier wirklich cool ist, ist, dass Sake der Affe den Mauszeiger allein mit seinem Geist bewegt, den Cursor zur hervorgehobenen Taste bewegt und dann buchstabiert, was wir. Was wir wollen, was auch immer wir buchstabieren wollen. Aber. Und dann. Das ist also etwas, das für jemanden verwendet werden könnte, der zum Beispiel ein querschnittsgelähmter oder tetraplegischer Mensch ist. Sogar bevor wir die Sache mit dem Rückenmark funktionieren lassen, ist es möglich, einen Mauszeiger zu steuern, ein Telefon zu steuern. Und wir sind zuversichtlich, dass jemand, der im Grunde keine andere Schnittstelle zur Außenwelt hat, in der Lage wäre, sein Telefon besser zu steuern als jemand mit funktionierenden Händen. Ich habe die Aufrüstbarkeit erwähnt. Aufrüstbarkeit ist sehr wichtig, weil unser erstes Produktionsgerät sehr wie ein iPhone eins sein wird. Und ich bin ziemlich sicher, dass Sie kein iPhone eins in Ihrem Kopf stecken haben möchten, wenn das iPhone 14 verfügbar ist. Es wird also
Zach (Neuralink)
in der Lage sein,
vollständige Reversibilität und Aufrüstbarkeit zu demonstrieren. Sie können also ein Gerät entfernen und es durch die neueste Version ersetzen, oder wenn es aus irgendeinem Grund aufgehört hat zu funktionieren, es ersetzen. Das ist eine grundlegende Anforderung für das Neuralink-Gerät. Und ich sollte sagen, dass sowohl Saki als auch Pager auf unsere neuesten und besten Implantate aufgerüstet wurden. Das ist also tatsächlich über ein Jahr und ein halbes her. Jetzt, da Pager das erste Implantat und dann das aufgerüstete Implantat hatte, ist das ein sehr gutes Zeichen, dass es lange hält, ohne beobachtete negative Auswirkungen. Ich denke, es ist auch wichtig zu zeigen, dass Sake die Demonstration tatsächlich gerne macht und nicht etwa an den Stuhl gefesselt ist oder so. Also das ist. Ja, also die Affen genießen die Demonstrationen tatsächlich und sie bekommen den Bananen-Smoothie, und es ist eine Art lustiges Spiel. Also, ich glaube, was ich zu sagen versuche, ist, dass uns das Tierwohl sehr am Herzen liegt, und ich bin mir ziemlich sicher, dass unsere Affen ziemlich glücklich sind, wissen Sie, also wie Sie sehen können, ein schneller Entscheider in Sachen Obst. Also für unsere, die ersten beiden Anwendungen, die wir bei Menschen anstreben werden, sind die Wiederherstellung des Sehvermögens. Und ich denke, das ist bemerkenswert, denn selbst wenn jemand noch nie Sehvermögen hatte, wie, er wurde blind geboren, glauben wir, dass wir das Sehvermögen trotzdem wiederherstellen können. Denn der visuelle Teil des visuellen Kortex ist immer noch da. Also, ja, selbst wenn sie noch nie zuvor gesehen haben, sind wir zuversichtlich, dass sie sehen könnten. Und dann die andere Anwendung im motorischen Kortex, bei der wir zunächst jemandem, der keine Fähigkeit, fast keine Fähigkeit hat, seine Muskeln zu bedienen, wissen Sie, sozusagen eine Art Stephen-Hawking-Situation, ermöglichen würden, sein Telefon schneller zu bedienen als jemand mit funktionierenden Händen. Aber dann sogar, offensichtlich, noch besser als das wäre es, die Verbindung zu überbrücken. Also die Signale vom motorischen Kortex zu nehmen und sagen wir, jemand hat einen gebrochenen Nacken, dann diese Signale zu Neuralink-Geräten zu überbrücken, die sich im Rückenmark befinden. Wir sind also zuversichtlich, dass es keine physischen Einschränkungen gibt, um volle Körperfunktionalität zu ermöglichen. Also, ich meine, so wundersam es auch klingen mag, wir sind zuversichtlich, dass es möglich ist, jemandem mit durchtrenntem Rückenmark die volle Körperfunktionalität wiederherzustellen. Also, ja. Also, ja. In Ordnung. Und dann möchte ich noch einmal betonen, dass der Hauptzweck dieses Updates die Personalgewinnung ist. Viele Leute denken, dass sie nicht wirklich bei Neuralink arbeiten könnten, weil sie nichts über Biologie oder die Funktionsweise von Gehirnen wissen. Und was wir hier wirklich betonen wollen, ist, dass Sie das nicht brauchen, denn wenn man die Fähigkeiten aufschlüsselt, die benötigt werden, um Neuralink funktionieren zu lassen, sind es tatsächlich viele der gleichen Fähigkeiten, die benötigt werden, um eine Smartwatch oder ein modernes Telefon funktionieren zu lassen. Es ist also sozusagen, wissen Sie, Software, Batterien, Funkgeräte, induktives Laden, und, wissen Sie, sowie Dinge, die für uns spezifisch sind, wie Tierpflege und klinische und regulatorische Angelegenheiten, offensichtlich, maschinelles Lernen, dieser Ausdruck wird viel verwendet. Aber wir müssen offensichtlich die Signale aus dem Gehirn interpretieren, das ein biologisches neuronales Netzwerk ist. Und das Beste, um ein biologisches neuronales Netzwerk zu interpretieren, ist ein digitales neuronales Netzwerk. Das ist also. Wenn es eine Botschaft gibt, die ich vermitteln möchte, ist es, dass wenn Sie Expertise in der Entwicklung fortschrittlicher Geräte wie Uhren und Telefone, Computer haben, dann wären Ihre Fähigkeiten von großem Nutzen bei der Lösung dieser wichtigen Probleme. Das ist mehr als alles andere die Botschaft, die ich vermitteln möchte. Also, sehen Sie, ja, also damit, nehme ich an, DJ. Also. DJ war im Gründungsteam von Neuralink und hat einfach immense Beiträge zum Unternehmen geleistet, wie viele der anderen, die präsentieren werden. Aber ich möchte DJ einfach für seinen immensen Beitrag zu Neuralink danken und.
Sam (Neuralink)
Danke, Elon.
DJ (Neuralink)
Als ich mit 13 Jahren aus Südkorea umzog und eine neue Sprache lernen musste, um zu kommunizieren, fragte ich mich, ob es bessere und effektivere Mittel gibt, meine Gedanken der Außenwelt mitzuteilen. Und als ich zusah, wie Neo in Matrix Kung-Fu lernte, erinnere ich mich, dass ich dachte, wow, ich möchte daran arbeiten, das möglich zu machen. Und heute glaube ich, dass dies eine lösbare technische Herausforderung ist, da alles über Ihre Absichten, Ihre Gedanken und Ihre Erfahrungen in Ihrem Gehirn liegt, kodiert als Feuerstatistiken von Aktionspotentialen. Wenn man Elektroden an den richtigen Stellen mit den richtigen Erfassungs- und Stimulationsfähigkeiten platzieren kann, sind dies und viele andere Anwendungen, über die Elon gesprochen hat, möglich, und wir können vielen Menschen helfen. Ich bin unglaublich begeistert, an dieser ehrgeizigen, aber wichtigen Mission zu arbeiten, diese Zukunft hier bei Neuralink Realität werden zu lassen. Und ich bin auch unglaublich geehrt, mit einigen der brillanten Kollegen, Wissenschaftlern und Ingenieuren aus vielen technischen Disziplinen zusammenzuarbeiten, um an dieser Schnittstelle von Biologie und Technologie zu arbeiten. Sie werden heute von mehreren von ihnen hören, um die Breite der technischen Herausforderungen, denen wir gegenüberstehen, und unsere Fortschritte im letzten Jahr zu erfahren. Und ich denke, Sie werden feststellen, dass Sie für die meisten dieser Herausforderungen, wie Elon erwähnte, kein vorheriges Verständnis der Funktionsweise des Gehirns benötigen, und dass vieles von dem, was wir tun, die Anwendung technischer Grundprinzipien auf die Biologie ist. Wie also erstellt man eine verallgemeinerte Schnittstelle mit hoher Bandbreite zum Gehirn? Von Anfang an haben wir uns auf eine Reihe von grundlegenden Technologien konzentriert, die sicher, skalierbar und in der Lage sind, auf alle Bereiche des Gehirns zuzugreifen. Diese drei Achsen, Sicherheit, Skalierbarkeit und Zugang zu Gehirnregionen, bilden wirklich die Grundlage dafür, wie wir hier bei Neuralink Produkte entwickeln. Sicherheit, weil wir unsere Geräte sowie die Installation so sicher wie möglich machen wollen, damit wir die Einführung dieser Technologie fördern können, und Skalierbarkeit, weil wir, während wir unsere Geräte sicherer und nützlicher machen. Mehr Menschen werden es wollen. Und mit Skalierung wollen wir es auch erschwinglicher machen, und Zugang zu Gehirnregionen, damit wir die Funktionalitäten unserer Technologien erweitern können. Unsere ersten Schritte entlang dieser Dimensionen für unser Gerät sind also das, was wir das N1-Implantat nennen. Es hat die Größe einer Münze und hat über 1000 Kanäle, die zum Aufzeichnen und Stimulieren fähig sind. Es wird auf flexiblen Dünnfilm-Arrays mikrofabriziert, die wir Fäden nennen. Es ist vollständig implantierbar und kabellos, also keine Drähte. Und nach der Operation ist das Implantat unter der Haut und unsichtbar. Es hat auch eine Batterie, die man drahtlos aufladen kann und die man zu Hause benutzen kann. Ähnlich haben wir, um unser Gerät sicher ins Gehirn zu implantieren, einen chirurgischen Roboter gebaut, den wir den R1-Roboter nennen. Er ist in der Lage, diese winzigen Fäden zu manövrieren, die nur etwa so breit wie ein paar rote Blutkörperchen sind, und sie zuverlässig in ein sich bewegendes Gehirn einzuführen, während die Gefäße vermieden werden. Er ist ziemlich gut darin, das zuverlässig zu tun. Und tatsächlich, da wir noch nie eine End-to-End-Einführung eines Roboters in Aktion gezeigt haben, werden wir eine Live-Demo des Roboters zeigen, der eine Operation an unserem Gehirnmodell durchführt. Wer möchte also ein paar Einführungen sehen? Also hier ist es. Das ist unser R1-Roboter mit unserem Patienten Alpha, der bequem auf dem Patientenbett liegt. Das nennen wir die Zielansicht. Was Sie also sehen, ist ein Bild unseres Gehirnmodells. Und das Pink stellt die kortikale Oberfläche dar, in die wir unsere Elektroden einführen möchten. Und das Schwarz stellt die Gefäße dar, die wir vermeiden möchten. Und was Sie sehen, sind diese Markierungen mit Zahlen, die darstellen, wo wir jeden unserer Fäden platzieren möchten. Sollten wir also ein paar Einführungen sehen? Hier ist also noch eine Ansicht, ganz kurz. Links ist die Ansicht des Einführungsbereichs. Und rechts wird der Roboter das Array, die Fäden, eines nach dem anderen von seiner Siliziumunterlage abziehen und sie in die Ziele einführen, die wir in der Zielansicht vorbestimmt haben.
DJ (Neuralink)
Da haben Sie es, das ist die erste Einführung. Wir werden also noch ein paar weitere Einführungen sehen. Der gesamte Prozess des Einführens von etwa 64 Fäden in unserem ersten Produkt wird für diesen Roboter etwa 15 Minuten dauern. Also, ja, da ist eine zweite hineingegangen, und wir werden eine dritte machen. Da haben Sie es. Und dann wird das im Hintergrund weiterlaufen, und wir kommen später im Vortrag darauf zurück. Und wie Elon erwähnte, haben wir sehr hart gearbeitet, um im Rahmen davon vom Prototyp zum Bau des Produkts zu kommen. Eine der Dinge, die wir getan haben, ist, unsere Geräteherstellung in eine dedizierte Anlage in Austin für die Hochskalierung der Fertigung zu verlegen. Und was wichtig zu betonen ist und in diesem Clip offensichtlich wird, ist, dass es für uns sehr typisch ist, dass unsere Ingenieure, die entwerfen, auch an der physischen Fertigungslinie arbeiten, um zu bauen und zu debuggen. Und das war extrem, extrem entscheidend für die Reduzierung unserer Iterationszykluszeit. Und wir haben auch unsere Chirurgie hochskaliert, sodass wir jetzt eine eigene, oder tatsächlich eine doppelte, in Austin haben. Und das ist nur ein Sprungbrett, bevor wir schließlich unsere eigene Neuralink-Klinik bauen. Mit diesem Produkt, N1 und R1, ist unser anfängliches Ziel, Menschen mit Lähmung durch vollständige Rückenmarksverletzung zu helfen, ihre digitale Freiheit wiederzuerlangen, indem wir ihnen ermöglichen, ihre Geräte so gut, wenn nicht besser, zu benutzen, wie sie es vor der Verletzung konnten. Und wie Elon erwähnte, war dies im letzten Jahr der zentrale Fokus des Unternehmens, und wir haben sehr eng mit der FDA zusammengearbeitet, um die Zulassung zu erhalten und unsere erste klinische Studie am Menschen in den USA hoffentlich in den nächsten sechs Monaten zu starten. Ich hoffe, das gibt Ihnen einen guten Überblick über unser Produkt. Für die nächste Stunde werden wir einen tiefen technischen Einblick in diese Themen geben, um Ihnen von unseren technischen Herausforderungen zu erzählen, einige unserer Fortschritte zu teilen und einen Ausblick auf das zu geben, was als Nächstes kommt. Also damit, zu NIR aus meinem Team, der mit Ihnen über neuronale Dekodierung sprechen wird.
Julian (Neuralink)
Danke, DJ,
Audience Member
alle zusammen.
Mein Name ist Niravan Chen und ich bin Leiter der Gehirnschnittstellen-Anwendungen. Unser Ziel ist es, jemandem mit Lähmung zu ermöglichen, einen Computer so gut wie ich zu steuern. Oder noch besser, wir möchten eine schnelle und genaue Steuerung mit allen Funktionalitäten von Computern bereitstellen, die jederzeit und überall funktioniert. Ich bin also sehr begeistert, Ihnen zu zeigen, wie wir das N1-Gerät mit unserer Software und unseren Algorithmen verwenden, um dies zu erreichen. Letztes Jahr haben wir mit Ihnen ein Video von Pedro dem Affen geteilt, der mit seinem Gehirn einen Computercursor steuert. Wie machen wir das also? Nur eine kurze Erinnerung. Zuerst zeichnen wir seine neuronale Aktivität aus dem motorischen Kortex auf. Mit dem N1-Gerät. Wir können von über tausend Kanälen aufzeichnen, während er mit dem Joystick spielt. Dann können wir ein neuronales Netz trainieren, das die Cursorgeschwindigkeit aus den Mustern seiner neuronalen Aktivität vorhersagt. Mit diesem Dekoder kann er dann einen Cursor steuern, einfach indem er daran denkt, ohne überhaupt den Joystick zu bewegen. Er kann mit diesem Dekoder eine Vielzahl von Spielen spielen. Auch eine Gitteraufgabe, bei der er den weißen Punkt zum gelben Ziel bewegt. Jedes Mal, wenn er eines bekommt, erhält er einen Tropfen seines Lieblingssmoothies. Und er entscheidet sich, dieses Spiel jeden Tag zu spielen. Hier können Sie seine Leistung von Anfang 2021 sehen, etwa zu der Zeit, als wir die vorherige Demo veröffentlicht haben. Es ist ziemlich genau, aber etwas langsamer als wir es gerne hätten. Und Cursorsteuerung ist die Grundlage für die Interaktion mit den meisten Computeranwendungen. Seitdem haben wir also daran gearbeitet, die Cursorgeschwindigkeit und -genauigkeit zu verbessern. Wie Sie sehen können, ist es viel, viel schneller, fast doppelt so schnell. Allerdings ist es immer noch etwas langsamer als das, was ich kann. Wir arbeiten also an kreativen Wegen, das zu verbessern. Nun, Geschwindigkeit ist nicht genug. Man möchte einen vollständigen Satz von Funktionalitäten. Und seit Jahrzehnten wurde die meiste Software für Maus- und Tastatursteuerung entwickelt. Und es macht keinen Sinn, dieses gesamte Ökosystem für die Gehirnsteuerung neu zu erfinden, zumindest vorerst. Wir arbeiten also daran und entwerfen Maus- und Tastaturschnittstellen für das Gehirn. Die Art, wie wir das tun, ist, Pedro und seine Freunde in einer Vielzahl von Computeraufgaben zu trainieren und dann Algorithmen zu entwerfen, um das Verhalten vorherzusagen. Hier können Sie ein paar Beispiele von Aufgaben in verschiedenen Phasen des Affentrainings sehen. Zum Beispiel Links- und Rechtsklick, Klicken und Ziehen, Cursor-Tippen, Sprite-Tippen, Handschrift und sogar Handgesten. Nun, die Interaktion mit dem Computer ist bidirektional, und Feedback ist sehr wichtig. Ich mag es, wenn ich auf einen Knopf klicke und physisch fühlen kann, wie der Knopf gedrückt wird. Wenn ein potenzieller N1-Nutzer versucht zu klicken, wird er es nicht fühlen können. Ein Beispiel dafür, wie wir das angehen, ist, ein visuelles Echtzeit-Feedback bereitzustellen, das die Stärke des neuronalen Klicks darstellt, indem sich die Farbe des Cursors ändert. Einfach auf einer physischen Tastatur zu tippen ist viel schneller und einfacher als auf einer iPad-Tastatur zu tippen. Das wird die Gehirnsteuerung viel schneller und einfacher zu benutzen machen, wobei das Tippen eine der wichtigsten Funktionalitäten ist. Sie haben diese Nachricht also schon gesehen, und ich möchte Ihnen die Hintergründe zeigen, wie diese Nachricht erstellt wurde. Und hier können Sie wieder Sake sehen, der die virtuelle Tastatur benutzt. Diese Nachricht eintippend. Diese virtuelle Tastatur ähnelt der, die ich auf meinem Telefon benutze. Und mit der Geschwindigkeit und Genauigkeit, die wir bisher erreicht haben, ist das Tippen auf einer virtuellen Tastatur bereits schnell und einfach. Allerdings benutze ich nie eine virtuelle Tastatur, wenn ich auf meinem Computer tippe, weil sie meinen Bildschirm verdeckt und auch viel langsamer ist als das, was ich mit meinen zehn Fingern kann. Wir können es besser machen. Zum Beispiel bat eine Gruppe aus Stanford eine Person, sich vorzustellen, Buchstaben handschriftlich zu schreiben. Dann dekodierten sie die Buchstaben aus seiner Gehirnaktivität. Mit diesem Ansatz konnten sie die Tippgeschwindigkeit erhöhen. Wir haben dieses Projekt mit unseren Affen begonnen, aber natürlich wissen sie nicht, wie man schreibt. Um das Schreiben zu imitieren, haben wir also Ranger, einen unserer Lieblingsaffen, trainiert, Ziffern auf einem iPad nachzuzeichnen. Hier können Sie sehen, wie er die Ziffer 5 und die Ziffer 2 nachzeichnet. Dann haben wir seine neuronale Aktivität mit dem N1-Gerät aufgezeichnet. Aber jetzt, anstatt die Cursorgeschwindigkeit aufzuzeichnen, dekodieren wir in Echtzeit die Ziffer, die er auf dem Bildschirm nachzeichnet. Wir hatten zwei wichtige Erkenntnisse aus diesem Projekt. Erstens, dass Affen großartig sind und sehr, sehr komplexe Aufgaben lernen können. Zweitens, dass es, obwohl es die Tippgeschwindigkeit erhöhen kann, Hunderte von Beispielen und Proben jeder der Ziffern und Zeichen erfordert, die wir klassifizieren wollten. Das wird nicht skalieren, die Art, wie wir das lösen, ist durch Indirektion. Anstatt die Ziffern direkt zu dekodieren, dekodieren wir zuerst die Handtrajektorie auf dem Bildschirm. Und wenn wir dann die Handtrajektorie dekodiert haben, können wir jeden handelsüblichen Handschrifterkenner verwenden, um die Ziffern und Zeichen vorherzusagen. Zum Beispiel Klassifikatoren, die auf einem MNIST-Datensatz trainiert sind. Warum das so wichtig ist, ist wichtig, weil wir jetzt potenziell jedes Zeichen in jeder Sprache mit nur einem neuronalen Dekoder dekodieren können. Für die Handtrajektorie bedeutet das, dass Sie auf Englisch, Hebräisch, Mandarin oder sogar in Affensprache schreiben können. Und wir können verstehen, dass Sie eine Banane wollen. Es gibt also noch viele Herausforderungen vor uns, um Funktionalität und Geschwindigkeit zu verbessern. Und ich möchte das Wort an Bliss weitergeben, um über den dritten Teil zu sprechen, wie wir unsere Gehirnschnittstellen jederzeit und überall funktionieren lassen.
Hallo alle, mein Name ist Bliss und ich bin Softwareentwicklerin hier bei Neuralink. Wenn ich meinen Computer benutze, funktionieren meine Maus und Tastatur so, wie ich es beabsichtige, zumindest 99,9999% der Zeit. Mein Ziel ist es, einem Nutzer mit Lähmung zu ermöglichen, seinen Computer so zuverlässig zu steuern wie ich. So soll sich diese Erfahrung anfühlen. In diesem Video können Sie sehen, wie Saki zu seinem MacBook geht und sich entscheidet, an seiner Tippaufgabe zu arbeiten. Das gesamte Dekodierungssystem funktioniert sofort und fühlt sich völlig wie Plug-and-Play an. Der erste Schritt, um diese Art von hoher Zuverlässigkeit zu erreichen, ist, ausgiebig offline zu testen. Ein typischer Ablauf zur Verwendung des N1-Links ist, sich über Bluetooth zu verbinden, neuronale Aktivität aus dem Gehirn zu streamen, und diese neuronale Aktivität dann zu verwenden, um Dekoder zu trainieren und Echtzeit-Inferenz durchzuführen. Wir haben eine Simulation genau für diese Sequenz gebaut. Aber anstatt einen Affen mit einem Implantat zu benutzen. Wir verwenden ein simuliertes Gehirn, das synthetische neuronale Aktivität in ein Implantat einspeist, das in einem Serverschrank sitzt. Aus der Sicht dieses Implantats befindet es sich in einem echten Gehirn. Diese Simulation läuft bei jedem Code-Commit, um zu prüfen, dass unser gesamter Stack, von der Hardware bis zu den neuronalen Decodern, Spitzenleistung erreicht. Allerdings ist diese Art von Simulation zwar hervorragend für Integrationstests von Software und Hardware, aber noch nicht detailliert genug, um hohe Zuverlässigkeit in der realen Welt zu garantieren. In der realen Welt ändern sich die zugrunde liegenden Signale, die wir zu decodieren versuchen, tatsächlich von Tag zu Tag. In diesem Diagramm sehen Sie die durchschnittliche Feuerrate, die auf einem repräsentativen Kanal von Pagers Implantat erfasst wurde. Jeder Balken steht für einen Tag. Und Sie können sehen, dass jeder Tag eine andere durchschnittliche Feuerrate hat als der vorherige. Das stellt uns vor ein sehr interessantes Problem: Wie machen wir unsere Decoder von Tag zu Tag robust? Es kann tatsächlich vorkommen, dass, wenn man einen neuronalen Decoder mit den Daten eines Tages trainiert und ihn am nächsten Tag verwendet, sich die durchschnittlichen Feuerraten genug verschieben, um eine Verzerrung in der Modellausgabe zu verursachen. Hier rechts sehen Sie, dass diese Verzerrung es dem Cursor erschwert, sich in die obere rechte Ecke zu bewegen. Sie sehen, wie er sich hier schwertut, nach oben rechts zu gelangen, und sich dann viel müheloser nach unten links bewegt. Wir probieren viele Ansätze aus, um dieses Problem zu mildern. Einige Beispiele umfassen den Aufbau von Modellen auf großen Datensätzen aus vielen Tagen, um Muster neuronaler Aktivität zu finden, die über die Tage stabil sind. Ein weiterer Ansatz, den wir testen, besteht darin, kontinuierlich Statistiken der neuronalen Aktivität auf dem Implantat zu erfassen und die neuesten Schätzungen zu verwenden, um die Daten vorzuverarbeiten, bevor sie dem Modell zugeführt werden. Das ist für das Team wirklich ein aktives Forschungsgebiet, und es ist ein entscheidendes Problem, das wir lösen müssen, wenn wir wollen, dass jemand mit einer Lähmung seinen Computer so gut steuern kann wie ich. Ein weiteres großes Problem für uns ist, die Zeit zu minimieren, die ein Spike im Gehirn braucht, um die Bewegung des Cursors auf dem Bildschirm zu beeinflussen. Wenn es in diesem Regelkreis Verzögerung oder Jitter gibt, wird der Cursor schwer zu steuern, was zu den Überschwingern führt, die Sie hier rechts sehen können. Eine große Verbesserung, die wir in diese Richtung gemacht haben, heißt Phasenverriegelung. Die Phasenverriegelung richtet die Flanke jedes Pakets, das wir vom Implantat senden, genau auf den Moment aus, in dem das Bluetooth-Funkmodul aufwacht. Das minimiert die Zeit, die benötigt wird, damit ein Spike im Gehirn in die Vorhersage unseres neuronalen Netzes einfließt. Hier sehen Sie die Latenzverteilung nach der Phasenverriegelung. Nicht nur der Mittelwert wurde stark reduziert, sondern auch die Varianz. Das macht es dem Nutzer leichter, das Verhalten seines Cursors vorherzusagen. Im letzten Jahr haben wir die Stabilität und Zuverlässigkeit unseres Systems enorm verbessert und konnten über viele Sitzungen und Monate hinweg eine konstant hohe Leistung nachweisen. Es liegt jedoch noch ein langer Weg vor uns, bevor sich dieses System wirklich wie Plug-and-Play anfühlt. Wenn es Sie also reizt, die schwierigen Probleme zu lösen, die nötig sind, um diese Technologie auf den Markt zu bringen, sollten Sie sich überlegen, dem Team beizutreten. Ich gebe nun an Avinash weiter, der uns erzählen wird, wie unser speziell entwickelter, stromsparender ASIC Spikes im Gehirn erkennt.
Avinash (Neuralink)
Hallo, ich bin Avinash, einer der Ingenieure im ASIC-Team. Wir haben die speziellen neuronalen Sensoren entwickelt, die sowohl analoge als auch digitale Schaltkreise enthalten, um über 1024 unabhängige Kanäle aufzuzeichnen und zu stimulieren. Wir stehen vor Herausforderungen in allen drei Hauptbereichen: Leistung, Stromverbrauch und Fläche. Wir müssen nicht nur alle 1024 Kanäle in ein Implantat von der Größe einer Münze packen, sondern auch Spike-Aktivität mit einer Amplitude von weniger als 20 Mikrovolt messen. Und heute möchte ich mich auf die letzte Herausforderung konzentrieren, die ich erwähnt habe. Den Stromverbrauch. Der Stromverbrauch ist uns wichtig, weil wir zukünftigen Nutzern einen vollen Tag Nutzung ihres Implantats ohne Unterbrechung zum Aufladen ermöglichen wollen. 2018 haben wir noch jede Probe von jedem Kanal zur Verarbeitung vom Gerät weggesendet, was enorm viel Strom verbraucht hat. 2020 haben wir die Spike-Erkennung direkt auf den Chip gebracht. Wie Sie vielleicht wissen, übertragen Neuronen Information durch Feuern, daher wirkt das bloße Überwachen dieser Spikes und das Senden nur dieser Spike-Ereignisse vom Implantat weg wie eine sehr effiziente Form der Kompression. Und in den letzten zwei Jahren haben wir den ASIC weiter optimiert und den Gesamtstromverbrauch des Systems auf nur 32 Milliwatt gesenkt und die Akkulaufzeit verdoppelt. Schauen wir uns unseren On-Chip-Spike-Erkennungsalgorithmus an, der unsere batteriebetriebenen Implantate erst möglich macht. Wir beginnen damit, einen Bandpassfilter von 500 Hz bis 5 kHz anzuwenden, um Rauschen außerhalb des Bandes zu entfernen. Als Nächstes verwenden wir eine Schätzung des Rauschbodens, um einen adaptiven Schwellenwert pro Kanal zu erzeugen. Und schließlich identifiziert unser Spike-Detektor-Modul drei Schlüsselpunkte eines Spikes. Drei Punkte zu identifizieren erlaubt uns, nicht nur die Anwesenheit eines Spikes zu erkennen, sondern auch seine Form. Das kann äußerst wichtig sein, um mehrere Neuronen zu unterscheiden, die an denselben Kanal angrenzen. Heute möchte ich mich auf eine der vielen Optimierungen konzentrieren, die wir an unserem neuesten Chip vorgenommen haben, speziell diese senkt den Systemstromverbrauch um 15 %. Beachten Sie, dass Neuronen relativ selten feuern, was bedeutet, dass unser Spike-Detektor viel Zeit damit verbringt, den ersten Punkt eines Spikes zu suchen, und sehr wenig Zeit mit den anderen beiden Punkten, die erst nach dem korrekten Überschreiten des Schwellenwerts auftreten. Wir können diese Eigenschaft der Eingangswellenform nutzen, um die Speicherzugriffe auf dem Chip um 30 % zu reduzieren. Schauen wir uns an, wie das funktioniert. Unser Spike-Detektor ist als eine einzige Funktionseinheit implementiert, die sich alle Kanäle teilen, mit einem SRAM, um den Zustand jedes Kanals zu puffern. Wenn eine Probe eingeht, wird der Zustand ihres Kanals aus dem SRAM gelesen, ein inkrementeller Spike-Erkennungsschritt wird ausgeführt, und dann wird der aktualisierte Zustand zurück in den SRAM geschrieben. Da dies 20 Millionen Mal pro Sekunde im Implantat passiert, summieren sich diese Zugriffe sehr schnell. In unserem neuesten Chip haben wir den Zustand in zwei Teile aufgeteilt, einen heißen Zustand und einen kalten Zustand. Der heiße Zustand wird in jedem Zyklus abgerufen, während der kalte Zustand erst abgerufen wird, wenn der Schwellenwert überschritten ist, was die durchschnittliche Zugriffsbreite reduziert und Strom spart. Wir arbeiten auch an einem stimulationsorientierten Chip der nächsten Generation mit 4096 Kanälen, der noch innerhalb der Baugröße unserer aktuellen Chips bleibt. Neben der Erhöhung der Kanalanzahl erhöhen wir auch die Ansteuerspannung, um eine bessere Aktivierung pro Kanal zu erreichen. Und um diese höhere Kanalanzahl sowie eine breite Palette zukünftiger Anwendungen zu unterstützen, von denen Sie bald hören werden, fügen wir einen ARM-Kern auf dem Chip hinzu. Und schließlich, da diese Chips dieselbe Größe wie unsere aktuellen Chips haben, können wir weiterhin vier davon in einem einzigen Implantat zusammenfügen, insgesamt 16.000 Kanäle. Immer noch innerhalb der Größe einer Münze. Wie Sie sehen können, haben wir sehr hart daran gearbeitet, den Stromverbrauch innerhalb des Implantats zu verbessern. Aber wir haben auch sehr hart daran gearbeitet, das Ladeerlebnis des Implantats zu verbessern, worüber Matt sprechen wird. Aber zuerst hat der Roboter gerade das Einsetzen aller 64 Fäden abgeschlossen, schauen wir uns das an. Dies ist eine Ansicht der Einführungsstelle, ähnlich der, die DJ Ihnen zuvor gezeigt hat. Aber statt der Zielfadenkreuze können Sie bei genauem Hinsehen erkennen, dass alle 64 Fäden, jeder mit 16 Elektroden, in das Gehirn-Modell eingeführt wurden, während die Blutgefäße umgangen wurden. Und das alles nur in den letzten 20 Minuten. Geben wir nun an Matt weiter,
Sam (Neuralink)
um mit dem technischen Tiefgang fortzufahren.
Matt (Neuralink)
Hallo, ich bin Matt, Leiter der Elektrotechnik für Gehirnschnittstellen. Unser vollständig implantierbares N1-Gerät ist für den kontinuierlichen Betrieb auf eine Batterie angewiesen. Wenn diese Batterie niedrig ist, erfolgt das Laden durch drahtlose Energieübertragung. Im Gegensatz zu vielen Unterhaltungselektronikgeräten, die einfach einen physischen Steckverbinder anbieten können, stellt das Laden eines vollständig implantierbaren Geräts jedoch mehrere einzigartige Herausforderungen dar. Erstens muss das System über ein großes Ladevolumen funktionieren, ohne auf Magnete für eine perfekte Ausrichtung angewiesen zu sein. Das System muss robust gegenüber Störungen sein und schnell abschließen, um nicht übermäßig belastend zu sein. Am wichtigsten ist jedoch die Sicherheit im Kontakt mit Hirngewebe. Die Außenfläche des Implantats darf sich nicht um mehr als 2 Grad Celsius erwärmen. Um diese Ziele zu erreichen, hat unser Ladesystem mehrere Konstruktionsiterationen durchlaufen. Die erste: Wenn Sie unsere Schwein-Demo im August 2020 gesehen haben, wurde Gertrude mit einer Version des N1 implantiert, die mit unserem Lader der ersten Generation geladen wurde. Dieses Gerät war in einem kleinen Puck-Gehäuse verbaut und wurde später in eine entfernte Spule und eine Batteriebasis aufgeteilt. Dieser Lader war schwierig zu benutzen. Wir haben jedoch durch seine Umsetzung sehr viel gelernt. Unser aktueller Produktionslader, der unsere aktuelle Generation von Implantaten lädt, ist in einer Aluminium-Batteriebasis verbaut, die auch die Ansteuerelektronik enthält. Eine entfernte Spule, viermal so groß wie unser ursprüngliches Gerät. Ebenfalls abtrennbar, hat diese entfernte Spule eine erhöhte Schaltfrequenz, die die Spulenkopplung verbessert. Dieser Lader wird heute eingesetzt, unter anderem in mehreren Anwendungen in unseren Ingenieur- und Tierversuchseinrichtungen. Ich möchte Ihnen hier eine dieser Anwendungen zeigen. Mit einem Gerät, das wir unseren einfachen Lader nennen, wurde die Spule in das Habitat eingebettet. Mit dem Hinzufügen einer neuen äußeren Regelschleife sowie einer Bananen-Smoothie-Pumpe wurde die Gruppe trainiert, sich selbst zu laden. Sehen wir uns also an, wie Pager sein Implantat lädt. Rechts übertragen wir Echtzeit-Diagnosen von Pagers N1. Wenn er hinaufklettert und sich unter die Spule setzt, sehen Sie, wie der Lader automatisch seine Anwesenheit erkennt und vom Suchen zum Laden übergeht. Wir sehen die geregelte Ausgangsleistung auf einer Skala von 0 bis 1 und den in die Batterie eingespeisten Strom. Ich habe vorher erwähnt, dass wir die Spulenkopplung verbessert haben. Allerdings zeigen Spulen mit hohem Qualitätsfaktor eine gute Ladeleistung über relativ große Entfernungen. Aber wenn sie näher an das Implantat herangebracht werden, zeigt sich ein Peak-Splitting-Effekt, bei dem die effizienteste Energieübertragung in höhere Frequenzen außerhalb des für die Einhaltung regulierter Funkemissionen erforderlichen ISM-Bandes verschoben wird. In unserem Lader der nächsten Generation. Wir lösen dieses Problem durch die Einführung einer dynamischen Abstimmung, die rechts gezeigt wird. Das erlaubt es uns, die Resonanzfrequenz der Sende- und Empfangsspulen in Echtzeit anzupassen, sodass wir ihre Eigenschaften genau anpassen können, bevor sich die Leistung verschlechtert. Das Elektrotechnik-Team arbeitet derzeit an der Entwicklung eines Laders der dritten Generation. Zu den bemerkenswerten Verbesserungen gehört eine bidirektionale Nahfeldkommunikation. Das hat uns erlaubt, die Steuerungslatenz zu reduzieren und die thermische Regelung zu verbessern. Eine verbesserte thermische Regelung führt zu schnelleren Ladezeiten. Und jetzt wird Julian uns erzählen, wie wir den N1 testen.
Julian (Neuralink)
Vielen Dank, Matt. Mein Name ist Julian, und ich leite die Gruppe für eingebettete Software im Brain-Interfaces-Team. Als wir anfingen, Implantate zu bauen, hatten wir eine kleine Fertigungslinie, und um Daten von einem Implantat zu sammeln, musste man mit seinem Laptop hingehen, sich verbinden und die gewünschten Daten abrufen. Aber unser Ziel ist es, ein ultra-sicheres und ultra-zuverlässiges Implantat herzustellen. Und dafür haben wir unsere Fertigungslinie, unsere Tests, unseren Durchsatz und unsere Datenerfassungsfähigkeiten hochskaliert. Zunächst haben wir eine umfangreiche Suite von Abnahmetests zur Fertigungslinie hinzugefügt. Diese testen die Funktionalität jeder Komponente und der endgültigen Montage. Implantate, die vom Band laufen, werden dann Labortests, beschleunigter Lebensdauerprüfung und Tiermodellen unterzogen. Dann sammeln wir rund um die Uhr Daten von diesen Implantaten. Diese Daten werden von einer Reihe von Cloud-Workern verarbeitet und aggregiert dargestellt. Und schließlich fließt all diese Information zurück in unseren Designprozess und befähigt unsere Ingenieure, jederzeit jede Frage zu jedem Implantat zu beantworten. Ich werde Sie jetzt durch verschiedene Teile dieser Infrastruktur führen, beginnend mit dem Firmware-Testing. Das Implantat enthält also einen kleinen Mikroprozessor, der Firmware ausführt, um eine ganze Reihe seiner Vorgänge zu verwalten. Und bevor wir ein Firmware-Update veröffentlichen, wollen wir es rigoros testen, sowohl mit Unit-Tests als auch mit Hardware-in-the-Loop-Tests, auch HIL-Tests genannt. Um einen HIL-Test durchzuführen, instrumentiert man die Batterie, die Stromversorgungsschienen, den Mikroprozessor, verbindet sich dann mit jedem Gerät über einen Bluetooth-Client und führt die Geräte durch verschiedene Szenarien, um Dinge wie Stromverbrauch, Echtzeitleistung, Sicherheitssysteme, Fehlerbehebungsmechanismen und vieles mehr zu testen. In unserer ursprünglichen Implementierung dieser Systeme verwendeten wir handelsübliche Komponenten, um die Tests schnell zu automatisieren. Diese Systeme waren jedoch relativ handwerklich aufgebaut und sehr schwer zu pflegen. Das bedeutete, dass das Testen schnell zum Entwicklungsengpass wurde. Um das zu beheben, haben die Hardware- und Software-Teams ein neues System entwickelt, das alle benötigten Komponenten auf einer einzigen Grundplatine integriert. Wir können dann den Lader und die Implantat-Hardware auf einzelnen Modulen platzieren, die in diese Grundplatine eingesteckt werden, einschließlich einer Platine mit gegenüberliegenden Spulen, damit wir die Ladeleistung testen können. Diese Architektur erlaubt es uns, schnell verschiedene Hardware-Prototypen zu iterieren, weil wir sie einfach in das System einsetzen und die gesamte Testinfrastruktur wiederverwenden können. Außerdem können wir die aktuelle und die nächste Generation unserer neuronalen ASICs auf FPGAs hosten und ebenfalls an diese Platine anschließen. Und das erlaubt uns, eine ganze zusätzliche Schicht zu testen. So haben wir dieses recht verschachtelte Bild hier rechts erzeugt. Was Sie sehen, ist Spiking-Aktivität, die von einigen unserer simulierten neuronalen Sensoren ausgeht, durch das gesamte System über Bluetooth gestreamt und dann auf einem Telefon angezeigt wird. Das erlaubt uns, alles in einem einzigen System zu testen, vom Chip bis zur Cloud. Dieses System kostet ein Fünftel, hat ein Fünftel des Volumens und ist sehr einfach herzustellen. Das erlaubt es jedem Entwickler, eine persönliche Einheit auf seinem Schreibtisch zu haben, und es erlaubt uns auch, die gesamte Testsuite über eine große Anzahl dieser in einem Rack montierten Einheiten zu verteilen. All das hat unser Entwicklungstempo erheblich beschleunigt. Schauen wir uns nun an, wie wir die Elektronik des Implantats, die Batterie und das Gehäuse überwachen. Das Implantat erfasst also periodisch alle seine Vitalwerte und schreibt sie in den Flash-Speicher. Dann, bei der nächsten Verbindung mit einer unserer Aufnahmestationen, überträgt es diese Daten. Wenn wir uns zum Beispiel die Luftfeuchtigkeit ansehen, können wir die Integrität des Implantatgehäuses einschätzen. Und indem wir die Batteriespannung und die Leistungsmessungen betrachten, können wir den Batteriezustand beurteilen. All das passiert automatisch, ohne jegliches Eingreifen, und gibt uns eine 24/7-Sicht auf die Qualität jedes einzelnen Geräts. Außerdem können wir diese Infrastruktur nutzen, um auf Anfrage hochauflösende Informationen zu erhalten, damit wir verschiedene anomale Situationen untersuchen können. In diesem besonderen Szenario zum Beispiel versuchten wir, die Quelle einiger störender Spikes aufzuspüren, die wir auf verschiedenen Kanälen beobachteten. Und so haben wir rohe Wellenformproben direkt von diesen Kanälen angefordert. Um gute neuronale Signale zu erfassen, braucht man intakte Elektroden mit niedriger Impedanz. Und das ist daher auch etwas, das wir mit speziellen Schaltkreisen auf dem neuronalen Sensor sehr genau überwachen. Wie machen wir das also? Wir tun dies zunächst, indem wir einen integrierten DAC verwenden, um einen Testton auf einem einzelnen Kanal abzuspielen. Und dann zeichnen wir, indem wir gleichzeitig unsere ADCs verwenden, das Antwortsignal sowohl auf diesem Kanal als auch auf den physisch benachbarten Kanälen auf. Das erlaubt uns nicht nur, die Impedanz jedes Kanals zu messen, sondern wir können auch verschiedene physikalische Phänomene verschiedenen charakteristischen Signaturen zuordnen. Zum Beispiel wird ein offener Kanal als eine sehr große Antwort auf dem Kanal selbst erscheinen, und kurzgeschlossene Kanäle werden als große Antwort auf benachbarten Kanälen erscheinen. Indem wir die Reinheit des zurückkommenden Signals betrachten, können wir auch validieren, dass das analoge Frontend des neuronalen Sensors selbst funktioniert. In unserer ursprünglichen Implementierung dieser Impedanzscans dauerte es vier Stunden, um alle 1000 Kanäle durchzugehen. Aber indem wir die Tests parallelisieren, herunter sampeln, filtern und so die Menge an Informationen reduzieren, die wir vom Gerät streamen müssen, und indem wir einen Großteil der Berechnung auf die Firmware-Seite verlagern, können wir jetzt alle 1000 Kanäle in nur 20 Sekunden scannen. Das bedeutet, dass wir die Impedanz jeden Tag auf jedem Implantat messen können. Und unsere internen Dashboards können dann einen Verlauf dieser Impedanz abspielen, sodass wir einen wirklich guten quantitativen Einblick in diese Schnittstelle zwischen Biologie und Elektronik bekommen. Jetzt, wo Sie eine Vorstellung davon haben, wie wir unsere Implantate testen und überwachen, gebe ich an Josh weiter, der Ihnen erzählen wird, wie wir noch schnelleres Feedback bekommen, indem wir unsere Implantate beschleunigt bis zum Ausfall testen.
Hallo, ich heiße Joshua Hess und bin Ingenieur im Brain-Interfaces-Team. Wir sind verantwortlich für das Systemdesign des Implantats sowie für viele der Fertigungs- und Testwerkzeuge. Julian hat Ihnen gerade ein wenig darüber erzählt, wie wir die Elektronik, Hardware und Software unseres Implantats testen. Aber was ist mit dem gesamten System in Bezug auf die Langlebigkeit im Gewebe? Eine der Arten, wie wir das angegangen sind, ist die Entwicklung unseres internen Systems für beschleunigte Lebensdauertests. Das System erlaubt es uns, langfristige Ausfallmodi von Implantaten im großen Maßstab zu erfassen und zu beschleunigen, um unser Iterationstempo rasch zu erhöhen. Noch besser: Das System reduziert auch erheblich die Anzahl der Tests, die Tiermodelle erfordern, sowohl für Implantatprototypen als auch natürlich für Langlebigkeitstests. Wie funktioniert also das System? Auf einer sehr grundlegenden Ebene läuft es auf drei Dinge hinaus. Erstens wollen wir die interne Chemie des Gewebes nachbilden. Zweitens wollen wir diese chemischen Interaktionen sowie die Diffusion mit den Materialien unseres Implantats beschleunigen. Und schließlich wollen wir die interne Elektronik unseres Implantats mit diesen Dingen aggressiv durchzyklisieren, hauptsächlich den ersten beiden, womit wir nach der Arrhenius-Beziehung einen konservativen Beschleunigungsfaktor von 4x erreicht haben. Mit anderen Worten: Jeder Tag, den unsere Implantate in unserem beschleunigten System verbringen, entspricht mindestens vier Tagen in vivo. Historisch gesehen war einer unserer größten Herausforderungen der Kampf gegen das Eindringen von Feuchtigkeit in unsere Implantate. Wir überwachen daher kontinuierlich die interne Luftfeuchtigkeit, um einen abnormalen Anstieg zu erkennen. Hier in Weiß sehen Sie interne Luftfeuchtigkeitsdaten von Implantaten bei einigen unserer Tiere über einen Zeitraum von mehr als einem Jahr. Wie Sie sehen können, ist unsere interne Feuchtigkeitserfassung so empfindlich, dass sie sogar den sehr kleinen und langsamen Feuchtigkeitsanstieg erkennen kann, der allein durch Diffusion durch die Materialien unseres Implantats entsteht. Jetzt sehen Sie in Blau dieselben internen Feuchtigkeitsdaten, aber von Geräten in unserem beschleunigten System. Wenn wir diese Daten nun um unseren Beschleunigungsfaktor bereinigen, sehen Sie nicht nur die Übereinstimmung zwischen diesen Daten, sondern auch, wie weit in die Zukunft diese Daten reichen. Jetzt sehen Sie in Rot ein Gerät, das in unserem beschleunigten System ausgefallen ist. Dieses Gerät zeigte einen abnormalen Anstieg der Feuchtigkeit über mehrere Monate, bevor elektronische Ausfälle des Implantats auftraten. Wie haben wir also dieses System gebaut? Nun, wir haben begonnen, den ersten Systemprototyp direkt nach Beginn des COVID-Lockdowns, Anfang 2020, zu bauen. Wir mussten also ein wenig kreativ werden. Wie Sie sehen können, war unser erster Systemprototyp etwas provisorisch und lief aus einer unserer Wohnungen, wie der Teppichboden zeigt. Obwohl provisorisch, erlaubte uns das System den schnellsten Weg, um mit dem Testen unserer Geräte zu beginnen, die Chemie unserer Arbeitsflüssigkeit abzustimmen und unsere Einschränkungen zu überprüfen. Wir haben auch sofort begonnen, die Grundursachen der beobachteten Ausfälle bei frühen Implantatprototypen zu ermitteln, diese Information in die nächsten Prototypendesigns einfließen zu lassen und diesen Zyklus buchstäblich über nur wenige Monate zu wiederholen. Das System wurde komplett maßgeschneidert gebaut und stark iteriert, mit zwei Systemversionen und unzähligen kleinen Iterationen, die uns zu unserem derzeit betriebenen System der dritten Generation geführt haben, das Hochdichte-Tests mit automatischem Laden im Gefäß sowie automatischer Datenerfassung ermöglicht. Das System verfügt auch über eine Implantat-Schlittenbaugruppe, die Gehirn-Ersatzmaterial aufnimmt, sodass das Implantat vom Chirurgieroboter installiert und eingesetzt werden kann, genau wie Sie es vor ein paar Minuten gesehen haben. Wir haben das System außerdem in ein Hochdichte-Rack-Format integriert, zusammen mit einem zentralisierten Flüssigkeitsmanagementsystem, sowohl für die chemische Einheitlichkeit zwischen den Gefäßen als auch für reduzierten Wartungsaufwand. Das System ist seit anderthalb Jahren in Betrieb und hatte seinen Anteil an Herausforderungen. Da das System selbst der gleichen beschleunigten Belastung ausgesetzt ist wie die Implantate darin, war es äußerst anspruchsvoll, ein System dieser Größenordnung zu entwerfen, zu bauen und zu pflegen und es dabei sogar gegen sich selbst robust zu halten. Was kommt also als Nächstes? Nun, wir haben die Arbeit an unserem System der vierten Generation begonnen und es von Grund auf neu entworfen, als ein Hot-Swap-Design mit einem einzelnen Implantat pro Gefäß, teilweise inspiriert von Hochdichte-Rechenservern. Mit diesem neuen System werden wir ein völlig neues Niveau an Dichte, Robustheit und Skalierung erreichen. Wir beabsichtigen auch, viele dieser Systeme in Betrieb zu haben, um selbst die seltensten Ausfallmodi zu erfassen. Damit werden wir Tausende von Implantaten testen, um diese Ziele zu verfolgen. Wir haben bereits mit dem Bau des Systems begonnen, aber es bleibt noch viel zu tun. Vor uns liegen auch viele spannende Herausforderungen, wie die Einführung mechanischer Belastung, Mikrobewegung des Gehirn-Ersatzmaterials und die Nachbildung des Gewebewachstums um die Fäden für vollständigere und repräsentativere beschleunigte Tests. Nachdem Sie nun einige der Wege gehört haben, wie wir unsere Implantatdesigns vor dem Einsatz in der Chirurgie rigoros testen, wird Christine Sie nun durch einen detaillierten Blick auf unseren chirurgischen Prozess führen.
Christine (Neuralink)
Danke, Josh. Hallo zusammen. Ich bin Christine, Leiterin des Chirurgie-Engineering-Teams. Um ein N1-Gerät zu bekommen, sind das im Wesentlichen die Schritte. Zielfindung und Einschnitt, das Bohren der Kraniektomie, das Entfernen der zähen äußeren Hirnhautschicht namens Dura, dann das Einsetzen der dünnen, flexiblen Elektrodenfäden, das Platzieren des Implantats in das geschaffene Loch, und das war's. Sie haben ein Implantat unter der Haut. Schau, Mama, keine Kabel. Nur ein Scherz. Ich meine, ernsthaft, keine Kabel. Aber ich habe tatsächlich keins. Der Chirurgieroboter führt den Teil der Operation durch, bei dem die Fäden eingesetzt werden. Das liegt daran, dass es sehr schwierig wäre, das manuell zu tun. Stellen Sie sich vor, Sie nehmen ein Haar von Ihrem Kopf und versuchen, es in Wackelpudding zu stecken, der mit Frischhaltefolie bedeckt ist, und das in einer präzisen Tiefe und Position, und das 64-mal in einer angemessenen Zeit. Und nein. Ein Neurochirurg würde es wahrscheinlich nicht sehr mögen, wenn wir ihn bitten würden, das während der Operation zu tun. Also haben wir den Roboter, den Sie seinen kleinen Tanz machen sahen. Ich wollte ihn irgendwie Tiny Dancer nennen, aber er heißt R1, was auch sehr gut ist. Der Rest der Operation wird vom Neurochirurgen durchgeführt. Damit wir dieses Verfahren zugänglich und erschwinglich machen können, müssen wir das überdenken. Ich sage Ihnen, warum. Als ich in der Schule war, verlor mein Vater die Fähigkeit zu gehen, seine Arme zu benutzen und sogar zu sprechen. Bei ihm wurde ALS diagnostiziert. Wir schauten im Internet nach und konnte vielleicht hier und da eine Person sehen, die ein coolem, maßgeschneidertes robotisches Hilfsgerät hatte. Aber es war zutiefst frustrierend. Wie begrenzt die für ihn verfügbaren Optionen waren. Und es gibt Hunderttausende von Menschen mit Paresen, ohne überhaupt Menschen mit anderen Erkrankungen zu zählen, denen unser Gerät helfen könnte. Zugleich gibt es nicht so viele Neurochirurgen, vielleicht etwa 10 pro Million Menschen. Und es dauert etwa ein Jahrzehnt oder mehr, um Neurochirurgen auszubilden, und sie sind ohnehin schon meist sehr beschäftigt. Und wie Sie sich vorstellen können, ist ihre Zeit sehr teuer. Um also so viel Gutes wie möglich zu tun und ein erschwingliches und zugängliches Verfahren zu haben. Ein Verfahren. Wir müssen herausfinden, wie ein einzelner Neurochirurg mehrere Eingriffe gleichzeitig überwachen könnte. Das mag etwas verrückt klingen, aber das galt wahrscheinlich auch für die Laseraugenchirurgie, bevor Lasik sie normal machte. Lasik gibt es seit etwa 30 Jahren, und es geht weiter. Am Anfang machte der Laserroboter nur den grundlegendsten Kernteil der Aufgabe, und der Chirurg machte den Rest. Und über die Iterationen hinweg muss der Chirurg immer weniger tun, und der Laserroboter übernimmt den größten Teil davon. Und es ist ein höchst überzeugendes Verfahren, das nur wenige Minuten dauert und oft lebensverändernde Ergebnisse liefert. Seit ich 2017 dazukam, haben wir auch mehrere Iterationen durchgeführt, um die Faden-Insertionen des Roboters zu optimieren. Eine der Herausforderungen, mit denen wir uns befassen mussten, betrifft die optomechanische Verpackung. Wie Sie hier sehen können, gibt es etwa drei primäre optische Pfade, die für uns sehr wertvoll sind, um zuverlässige Faden-Insertionen zu haben. Einer ist die sichtbare Bildgebung der Nadel, die einen Faden einsetzt. Und ein anderer ist das Laserinterferometrie-System namens optische Kohärenztomographie. Das gibt uns die präzise Position des Gehirns, während es sich in Echtzeit bewegt. Und wir müssen auch Beleuchtung bereitstellen, um zu sehen, was in der sichtbaren Lichtkamera vor sich geht. Und das alles dort zu tun, wo die Nadel sich am Boden der Kraniektomie befindet, besonders wenn sie nah an der Schädelwand ist, kann recht schwierig sein, um alles unterzubringen und sehen zu können. Die Art, wie das Team das gelöst hat, ist, alle drei optischen Pfade in einen einzigen optischen Stapel zu integrieren, mithilfe von Photonenmagie, oder Polarisation, wie man es auch nennen möchte. Und das erlaubt uns, Gefäße in Echtzeit zu vermeiden. Wie ich schon sagte, bewegt sich das Gehirn, und wo wir die Ziele am Anfang platzieren, ist vielleicht nicht dort, wo man in dem Moment einsetzen möchte, in dem die Nadel hinuntergeht. Der Roboter kann also tatsächlich die Gefäße erkennen und bestimmen, ob wir auf ein Gefäß einsetzen würden oder nicht, ob es sicher ist, einzusetzen. Und so können wir vermeiden, auf größere Gefäße einzusetzen. Und das bringt uns zu dem Roboter, den wir heute hier haben. Es bleibt noch viel zu tun, um zu dem Verfahren zu gelangen, bei dem wir die Rolle des Neurochirurgen reduzieren und es erschwinglich und zugänglich machen. Die beiden Hauptelemente der Operation, die die meisten Fähigkeiten vom Neurochirurgen erfordern, sind die Kraniektomie und die Durotomie. Alex und Sam werden Ihnen etwas mehr darüber erzählen, wie wir glauben, den Durotomie-Schritt loswerden zu können. Es bleibt also die Kraniektomie. In der Neurochirurgie kann man, wenn die Kraniektomie klein genug ist, ein Standardwerkzeug namens Perforator verwenden, das diese Schneidearbeit schnell erledigt. Aber für eine größere Kraniektomie muss sich der Chirurg auf sein Können verlassen, um die Variabilität von Patient zu Patient in Schädeldicke und Schädelhärte zu bewältigen, selbst innerhalb desselben Patienten und derselben Kraniektomie kann man zum Beispiel unterschiedliche Schädeldicken haben. Außerdem können wir, wenn wir etwas mit sehr hoher Präzision für die Kraniektomie bauen können, den Designraum für zukünftige Möglichkeiten erweitern, das Implantat am Schädel zu befestigen. Also. Ich zeige Ihnen ein paar unserer Prototypen. Ultraschallschneider wie der auf dem Bildschirm und oszillierende Schneider haben den Vorteil, dass sie Weichgewebe nicht durchschneiden. Man kann den Knochen durchschneiden, nicht das Gehirn, aber wie Sie hier sehen können, erzeugte unser Ultraschallschneider-Prototyp doch einiges an Wärme, um mit der gewünschten Geschwindigkeit zu schneiden. Für die oszillierende Säge hier haben wir eine Klinge entworfen, um die Schnittzeit sowie den geleiteten Schall und die Erwärmung zu minimieren. Und wie Sie sehen können, kann man harte Dinge wie Knochen durchschneiden, aber nicht weiche Dinge wie Haut. Es ist einfach und es funktioniert. Wenn man jedoch eine beliebige Tiefe oder beliebige Form schneiden wollte, reicht die oszillierende Säge einfach nicht aus. Ich hatte Angst, dass das niemand verstehen würde. Sie sind clever. Es gibt also eine altbewährte Lösung, um beliebige Formen zu bohren, nämlich eine CNC-Bohrmaschine. Die Herausforderung dabei, dies an einer Person zu tun, besteht darin, sicherzustellen, dass es jedes Mal verlässlich schneidet und nicht zu tief schneidet. Und ein paar Möglichkeiten, wie wir Rückmeldung nutzen, um sicherzustellen, dass wir nicht durch das Gehirn schneiden, sind Kraftrückmeldung und auch Impedanz. Und wenn ich einen Freiwilligen haben könnte. Nein, nur ein Scherz. Vielleicht nächstes Mal. Aber ja. Das ist also ein Einblick in einige der Dinge, an denen wir arbeiten, um dieses Verfahren zugänglich und erschwinglich zu machen. Und jetzt wird Alex Ihnen etwas über unsere Entwicklungen der nächsten Generation erzählen.
Alex (Neuralink)
Danke, Christine. Ich bin Alex. Ich bin Maschinenbauingenieur hier im Robotik-Team. Nachdem wir nun die Technologie und den chirurgischen Prozess für ein aktuelles Gerät behandelt haben, möchten wir einige unserer Entwicklungsprojekte der nächsten Generation vorstellen. Ich und die nächsten Redner möchten über eines dieser Projekte sprechen, nämlich die Möglichkeit, das Gerät aufzurüsten. Sie haben von den Fortschritten gehört, die wir im letzten Jahr erzielt haben. Wir haben die Robustheit des Implantats, die Batterie- und Ladeleistung sowie die Bluetooth-Nutzbarkeit verbessert. Realistisch gesehen wird jede neue Geräteversion deutlich besser sein. Sie wird funktionaler sein, sie wird länger halten. Wir müssen diese neue Technologie für unsere frühen Anwender zugänglich halten. Das bedeutet, dass wir eine Lösung brauchen, um das Aufrüsten oder den Austausch des Geräts genauso einfach zu machen wie die erste Installation; wie viele Medizingeräteunternehmen festgestellt haben, ist das ein anspruchsvolles Problem. Die Heilungsreaktion des Körpers macht das nicht einfach. Das ist also noch nicht gelöst. Aber wir haben bedeutende Fortschritte gemacht, um das zu ermöglichen, über die wir heute sprechen möchten. Jetzt müssen wir mit etwas Hintergrund beginnen, der erklärt, was die Aufrüstung des Geräts so schwierig macht. Und wir beginnen mit der Anatomie. Unter der Haut befindet sich der Schädel. Darunter die Dura, eine zähe Membran, die den Knochen vom Gehirn trennt. Und zwischen der Dura und dem Gehirn befindet sich der Pia-Arachnoidea-Komplex, eine flüssigkeitsgefüllte Aufhängung für das Gehirn. Um das Gerät einzusetzen, entfernt der Chirurg eine Scheibe aus Schädel und Dura, um die Gehirnoberfläche freizulegen. Das Gerät ersetzt dann das entfernte Material. Die Herausforderung liegt hier an dieser Schnittstelle. Über Monate hinweg wird das gesamte leere Volumen von Gewebe gefüllt, das das Gerät und die Fäden einkapselt. Das Gerät wäre wegen der geringen Größe der Fäden trivial leicht zu entfernen, sie würden einfach aus dem Gehirn herausrutschen. Es ist die Gewebeschicht, die sich oberhalb der Oberfläche bildet, die die Entfernung erschwert. Wir haben intern Werkzeuge entwickelt, um diese Reaktion zu untersuchen und zu charakterisieren, wie Histologie und Mikro-CT. Auf diesen Bildern sehen Sie diese Gewebeschicht, die sich oberhalb der Oberfläche gebildet hat, die Fäden einkapselt und am umgebenden Gewebe haftet. Wir haben viele verschiedene Wege erkundet, um dieses Heilungsprozess zu umgehen und eine Lösung zu finden, die nahtlose Geräte-Upgrades ermöglicht. Unsere größten Erfolge kamen daher, dass wir das Verfahren weniger invasiv gestaltet haben. Anstatt die Gehirnoberfläche direkt freizulegen, lassen wir die Dura an Ort und Stelle und erhalten so die natürliche Schutzbarriere des Körpers. Das verhindert eine Einkapselung an der Gehirnoberfläche. Und das ist tatsächlich ein riesiger Gewinn, um die Operation einfacher und sicherer zu machen. Wie Christine schon angedeutet hat, kommt das jedoch nicht umsonst. Die Dura ist eine sehr zähe, undurchsichtige Membran. Wie Sie auf diesen REM-Bildern sehen können. Sie besteht aus einem dichten Netzwerk von Kollagenfasern. Diese stellen eine Reihe technischer Herausforderungen für das Einsetzen unserer Elektroden dar. Eine dieser Herausforderungen ist die Bildgebung durch die Dura hindurch. Wie Sie links sehen können, bieten unsere aktuellen speziellen optischen Systeme ziemlich erstaunliche Fähigkeiten zur Abbildung der freigelegten Gehirnoberfläche. Wie Sie jedoch rechts sehen können, kann man, sobald die Dura an Ort und Stelle ist, das dichte Gefäßnetz an der Gehirnoberfläche nicht mehr sehen. Die Dura ist im Weg. Es gibt einfach zu viel Abschwächung. Um dieses Problem zu lösen, entwickeln wir ein neues optisches System, das einen medizinisch zugelassenen Fluoreszenzfarbstoff verwendet, um Gefäße unter dem Gewebe abzubilden. Hier sehen Sie, wie dieser Farbstoff die Gefäße durchströmt und sie hervorhebt. Es bleibt noch viel Ingenieurarbeit, um die Genauigkeit und Wiederholbarkeit dieses Systems zu beweisen, aber sobald das erledigt ist, erlaubt uns das, Blutgefäße unter der Dura ins Visier zu nehmen und zu vermeiden. Wir untersuchen auch die Anwendung unseres Laser-Bildgebungssystems auf tiefere Gewebestrukturen. Unten links sehen Sie einen Schnitt der Gewebeschichten unter der Dura. Dieses Bild ist aus mehreren Volumen unseres optischen Kohärenztomographie-Systems zusammengesetzt. Sie können die Collage dieser Volumen oben sehen. In Zukunft werden diese neuen Systeme, kombiniert mit einer Korrelation zu präoperativer Bildgebung wie MRT, eine präzise Zielausrichtung ohne direkte Freilegung der Gehirnoberfläche ermöglichen. Die Bildgebung ist jedoch nicht die einzige Herausforderung, die mit dieser zähen Dura-Anatomie einhergeht. Ich gebe nun an Sam weiter, der über einige der Herausforderungen sprechen wird, unsere Elektroden durch diese Membran einzuführen.
Sam (Neuralink)
Danke, Alex. Hallo, ich bin Sam und leite das Team für Nadelfertigung und -design. Wie Alex erwähnt hat, machen dieselben Eigenschaften der Dura, die sie zu einem guten Schutz für das Gehirn machen, es auch für uns sehr schwierig, die Fäden einzuführen. Beim Menschen kann die Dura über einen Millimeter dick sein, was nicht viel klingt, aber im Vergleich zu unseren 40-Mikrometer-Nadeln ist das tatsächlich eine Menge. Zum Beispiel würde die Dura auf über 10 Zentimeter Dicke anwachsen, wenn man die Nadeln auf die Größe eines Bleistifts skalieren würde. Schauen Sie, wie weit man hineinzoomen muss, um sie überhaupt zu sehen. Sobald die Merkmale der Nadel ins Bild kommen, könnte man einzelne rote Blutkörperchen im selben Bild sehen. Das ist, das ist nur.
Sam (Neuralink)
Das ist ein echtes REM-Bild unseres neuesten Designs. Links sehen Sie das Ende des Fadens. In der Mitte ist die Nadel, und rechts ist tatsächlich ein Stück von meinem Haar. Also ja, es ist extrem klein. Und neben dem winzigen Format gibt es noch viele andere Herausforderungen bei der Entwicklung davon. Eine Herausforderung ist, dass wir die Nadel und die schützende Kanüle, in der sie sitzt, verwenden müssen, um den Faden zu greifen und festzuhalten, während wir ihn von seiner schützenden Silizium-Trägerschicht ablösen. Und dann müssen wir ihn weiter festhalten, während wir ihn zur Oberfläche bringen, und ihn dann während der Insertion aus der Kanüle lösen. Eine weitere Herausforderung ist, dass das Gehirn unter der zähen Dura wirklich weich ist. Und wenn die Nadel nicht scharf genug ist, drückt sie die Oberfläche nur weiter ein, ohne sie zu durchstechen. Und wenn diese freie Länge zu groß wird, kann sie die Nadel tatsächlich einfach so ausknicken lassen. Eine weitere Herausforderung ist, dass wir nicht nur die Nadel durchbringen müssen, sondern auch den Faden. Wir müssen uns also wirklich darauf konzentrieren, das kombinierte Profil von Nadel und Faden zusammen zu optimieren. Das sind nur einige der Herausforderungen, die mit der Entwicklung so etwas verbunden sind. Und bisher haben wir festgestellt, dass der Schlüssel zur Lösung dieses Problems darin lag, unsere Iterationsgeschwindigkeit zu verbessern. Aber schauen wir uns erst einmal an, wie wir diese Dinge überhaupt herstellen. Wir beginnen also mit einer Länge von 40-Mikrometer-Draht aus Wolfram, legiert mit etwas Rhenium für zusätzliche Duktilität. Wir haben diese Femtosekunden-Laserfräse intern entwickelt, um die Merkmale der Nadel und der Kanüle zu schneiden, und sie kann das mit Submikrometer-Präzision tun. Wir haben dieses Jahr viel Zeit damit verbracht, dieses Ding von einem Wissenschaftsprojekt in ein industrielles System zu verwandeln. Vor nur ein paar Monaten brauchte ein erfahrener Bediener 22 Minuten, um eine Nadel herzustellen, und selbst ein erfahrener Bediener erreichte nur etwa 58 % Ausbeute. Heute dauert derselbe Prozess nur sechs Minuten, und jeder kann mit nur ein paar Minuten Training 91 % Ausbeute erzielen. Mit nur einem Klick schneidet und misst die Fräse die Nadel und die Kanüle und lädt die Messungen in unser LIMS-System hoch, sodass die Roboter für jede verwendete Nadel die exakten Maße nutzen können. Das alles bezieht sich jedoch auf unser aktuelles Design, für das wir ein paar Jahre hatten, um den Fertigungsprozess zu optimieren. Das aktuelle Design hat uns bisher gut gedient, schützt den Faden aber nicht ganz gut genug, um durch die dicke Dura zu gelangen. Also mussten wir uns, wie gesagt, etwas Neues einfallen lassen, und wir mussten in der Lage sein, schnell über Designs zu iterieren. Wenig überraschend gibt es für so etwas keine Seite im Maschinenbau-Handbuch. Also haben wir uns in die Wissenschaft der Femtosekunden-Laserablation vertieft und einen Arbeitsablauf gefunden, der uns erlaubt, unsere Laserfräse ähnlich wie eine CNC-Fräse zu benutzen. Das erlaubt uns, mehrmals zu iterieren. Das erlaubt uns, bei neuen Designs in unter einer Stunde zu iterieren, was mehrere Iterationen pro Tag ermöglicht, wenn wir richtig in Schwung sind. Als Ergebnis kann das neueste Design, das rechts noch zu sehen ist, tatsächlich durch neun Schichten künstlicher Dura eingesetzt werden, insgesamt drei Millimeter auf dem Prüftisch. Das ist weit mehr, als wir jemals bei einem Menschen erwarten würden, mit deutlichem Sicherheitsspielraum. Die Nadel ist jedoch nicht das einzige Puzzleteil. Wie Sie sich vorstellen können, funktionieren all diese Designs hier mit unterschiedlichen Fäden. Wir brauchen also auch dafür eine Möglichkeit zu iterieren. Und das tun wir, indem wir unseren Mikrofabrikationsprozess hier intern durchführen. Diesen Sommer haben wir unseren Reinraum in etwa neun Wochen komplett umgebaut, was unter anderem die Partikelzahl erheblich reduziert hat, wodurch Ausbeute und Durchsatz deutlich steigen konnten. Das, kombiniert mit all den anderen großartigen Verbesserungen, die das Mikrofab-Team vorgenommen hat, erlaubt uns, über neue Designs in nur wenigen Tagen zu iterieren. Das letzte Puzzleteil ist jedoch das Testen. Wir können uns so viele neue Designs ausdenken, wie wir wollen, aber ohne eine Möglichkeit, sie tatsächlich unter den richtigen Bedingungen zu testen, wissen wir nicht, was wir anpassen müssen. Oder noch schlimmer, wir verbringen Zeit damit, die falschen Dinge zu optimieren. Nehmen wir zum Beispiel diesen Ausfallmodus. Vor ein paar Monaten kamen wir an den Punkt, wo wir recht zuverlässig durch die Dura einsetzen konnten. Aber als wir die Modelle nahmen und sie in unsere Mikro-CT-Bildgebung legten, stellten wir fest, dass unser Griff am Ende der Fäden tatsächlich zu stark war und wir sie ein kleines Stück unter der Klebeoberfläche herauszogen. Als wir das Problem gelöst hatten, erkannten wir, dass dieses Problem sehr empfindlich auf die Eigenschaften des umgebenden Materials oder Gewebes reagierte. Wir konnten ein Modell herstellen, bei dem das nie passierte, und ein anderes, bei dem es jedes einzelne Mal passierte. Und das zeigt, warum es entscheidend ist, dass wir Zeit investieren, um unsere Labortests dem tatsächlichen Gewebe so genau wie möglich anzupassen. Und ich gebe jetzt an Leslie weiter, die darüber sprechen wird, wie wir das gemacht haben. Danke.
Leslie (Neuralink)
Hallo, ich bin Leslie und leite die Forschung und Entwicklung in der Mikrofabrikation. Und ein Teil dessen, was uns interessiert, ist, die biologische Umgebung zu verstehen, die unser Implantat und unsere Fäden erleben, sobald sie vollständig im Körper installiert sind. Direkt von der Biologie zu lernen ist jedoch von Natur aus langsam. Um also schnell voranzukommen, entwickeln wir synthetische Materialien, die die biologische Umgebung nachahmen. Das erlaubt uns, so viel wie möglich auf dem Prüftisch zu lernen und uns von der Branchennorm der Tierversuche zu entfernen. Genaue Modelle zu entwickeln ist jedoch eine Herausforderung. Die Implantatumgebung besteht aus vielen anatomischen Schichten, die alle einzigartige Eigenschaften haben. Und mit der Zeit, während die Implantationsstelle verheilt, bildet sich neues Gewebe, das jeden verfügbaren Raum ausfüllt. Zusätzlich dazu bringt die mit der Herz-Kreislauf-Aktivität und Kopfbewegungen verbundene Bewegung zusätzliche Komplexität mit sich. Um also einige dieser Herausforderungen anzugehen, entwickeln wir Materialien unter Verwendung von Rückmeldungen aus der Biologie. Das kann eine mechanische Charakterisierung des Gewebes oder eine Analyse der Interaktionen an den Faden-Gewebe-Grenzflächen beinhalten. Ein Großteil dieser Charakterisierung wird sogar während der Operation selbst durchgeführt, indem spezielle Hardware und Software verwendet wird, die unseren Chirurgieroboter so modifiziert, dass er zugleich als empfindliches Charakterisierungswerkzeug dient. Wir verwenden dann die gesammelten Daten und speisen sie zurück in die Optimierung unserer Materialien, damit sie sich mechanisch, chemisch und, wie hier gezeigt, strukturell genau wie die Biologie verhalten. Wir sind weit gekommen seit unserem bescheidenen ersten Gehirnmodell, das hier auf einer Platte liegend gezeigt wird und aus Agar und einer Parafilm-Folie besteht. Und obwohl es einfach war, erlaubte es uns, die Robotereinsetzungen durch unzählige Labortests zu perfektionieren. Heute ist unser Modell etwas komplexer, da wir zu einem Verbund-Hydrogel-basierten Gehirnmodell übergegangen sind, das den Elastizitätsmodul eines echten menschlichen Gehirns besser nachbildet. Wir haben außerdem ein Dura-Modell integriert und ein injizierbares Weichgewebemodell entwickelt, das uns bisher erlaubt hat, Scheinexplantationstests auf dem Prüftisch durchzuführen. Wir haben eine extrem lange Wunschliste für unser zukünftiges Modell, aber einige dieser Punkte beinhalten ein Operationsmodell mit integriertem Weichgewebe, Gehirn, Knochen, Haut oder sogar einem ganzen Körper. Ein Gehirnmodell, das Bewegung, vaskuläre und elektrophysiologische Aktivität simuliert, und ein biologisches Modell, um Biokompatibilität und elektrische Stimulation zu testen. Es gibt eine Menge laufender Arbeit, die uns unserem zukünftigen Modell näherbringt, einschließlich Arbeiten an im Labor gezüchteten zerebralen Organoiden, wie hier gezeigt. Und all das wird uns einer Zukunft näherbringen, in der wir mehr lernen und schneller auf dem Prüftisch iterieren und unsere Abhängigkeit von Tiermodellen verringern oder sie eines Tages sogar vollständig ersetzen. Und damit gebe ich an Dan weiter, der eine sehr spannende Anwendung der nächsten Generation vorstellen wird. Danke.
Dan (Neuralink)
Danke, Leslie. Ich heiße Dan, und ich kam zu Neuralink, nachdem ich eine Karriere in der visuellen Neurowissenschaftsforschung verfolgt hatte.
Dan (Neuralink)
Ich wurde inspiriert, diesem Unternehmen beizutreten, weil ich in unserem Gerät das Potenzial sah, Menschen das Sehvermögen wiederherzustellen, die durch eine Augenverletzung oder -krankheit erblindet waren. Es gibt eine Reihe besonderer Eigenschaften unseres Geräts, die es für diese Anwendung einzigartig geeignet machen. Erstens können wir, neben der Fähigkeit, von jedem Kanal aufzuzeichnen, auch neuronale Aktivität im Gehirn stimulieren, indem wir über jeden Kanal Strom einspeisen. Das ist wichtig, weil es uns erlaubt, das Auge zu umgehen und direkt ein visuelles Bild im Gehirn zu erzeugen. Zweitens kann unser Gerät für eine visuelle Prothese eine enorme Anzahl von Elektroden haben. Das ist wichtig, weil man mit mehr Elektroden ein Bild mit höherer Dichte im Gehirn erzeugen kann. Drittens können wir dank unseres Roboters diese Elektroden tief in das Gehirn einführen. Das ist wichtig für eine visuelle Prothese, denn der menschliche visuelle Kortex liegt tief in einer Falte auf der medialen Seite des Gehirns verborgen, die als Sulcus calcarinus bezeichnet wird. Auf diesem Bild habe ich den Sulcus calcarinus rot in einer MRT hervorgehoben. Er enthält eine Karte der visuellen Welt, des Gesichtsfelds. Es handelt sich um eine Fläche, die etwa einer Kreditkarte auf jeder Seite entspricht. Und wenn man ihn entfaltet und flach legt, sieht man, dass das Bild umgekehrt ist, es steht auf dem Kopf, aber interessanter noch, es ist verzerrt, sodass der zentrale Teil des Gesichtsfelds, der Fixationspunkt, stark vergrößert wird. Wenn Sie zum Beispiel dieses Bild von Lincoln betrachten und direkt in sein rechtes Auge blicken, wird alles links von diesem Fixationspunkt an Ihren rechten visuellen Kortex geleitet, und alles rechts davon geht an Ihren linken visuellen Kortex. Sein Auge, obwohl es auf dem Bild sehr klein ist, wird im Gehirn so vergrößert, dass es fast ein Viertel der Oberfläche des visuellen Kortex einnimmt. Im letzten halben Jahrhundert haben Neurowissenschaftler der Vision ein tiefes Verständnis der visuellen Verarbeitung im Gehirn entwickelt. Was den Großteil dieser Forschung getrieben hat, ist die Aufzeichnung einzelner Zellen im Kortex, meist bei Makakenaffen. Eine der bahnbrechenden Entdeckungen war, dass jede Zelle im visuellen Kortex nur einen winzigen Teil des Gesichtsfelds repräsentiert. Ihre Wahrnehmung besteht aus einem Mosaik winziger rezeptiver Felder, jedes gehört zu einer einzigen Zelle in Ihrem visuellen Kortex. Wenn Sie also eine dieser Zellen bei einem Affen aufzeichnen, sagen wir an dieser Stelle, können Sie eine sehr kleine Region des Bildschirms finden, in der ein Lichtreiz eine Modulation dieses Neurons auslöst. Eine andere Stelle im visuellen Kortex hat eine Entsprechung anderswo auf dem Bildschirm. In diesem Fall im unteren Gesichtsfeld. Diese Regionen werden als rezeptive Felder bezeichnet. Wir haben unser Gerät in den visuellen Kortex von zwei Rhesusaffen namens Code und Dash eingeführt. Das bedeutet, wir können die Aktivität ihres visuellen Kortex aufzeichnen, die durch ihre normale häusliche Umgebung erzeugt wird, während sie sich frei bewegen. Aber wie wir alle wissen, lieben Affen Bananen-Smoothie. Das bedeutet, wir können ihnen leicht beibringen, Punkte auf einem Bildschirm zu fixieren, und sie dafür belohnen. Wir können sie sehr präzise belohnen, weil wir die Position ihres Auges mit einer Infrarotkamera verfolgen können. Eine der Dinge, die uns das erlaubt, ist das Kartieren der rezeptiven Felder jedes Neurons, das wir mit einem einzigen Gerät aufzeichnen können. Wir tun das, indem wir dem Tier einen Film mit zufälligen Schachbrettmustern zeigen, während es den Bildschirm stetig fixiert. Dann nehmen wir nur die Bilder des Films, die eine Reaktion in der Zelle hervorgerufen haben, und mitteln sie alle zusammen. Das ist eine Technik, die als Rückwärtskorrelation bekannt ist. Sie wird in der visuellen Neurowissenschaft im Allgemeinen recht häufig zu diesem Zweck verwendet. Und hier ist ein Beispiel eines mit dieser Technik aufgezeichneten rezeptiven Feldes, das Kreuz in der Mitte ist der Fixationspunkt, und Sie können die kleinen roten und blauen Bereiche des exzitatorischen und inhibitorischen rezeptiven Feldes sehen. Diese Regionen verleihen den kortikalen Zellen einige ihrer charakteristischen Eigenschaften. Wir können also alle rezeptiven Felder aller Elektroden gleichzeitig aufzeichnen. Und wenn wir all diese rezeptiven Felder zusammennehmen, sie übereinanderlegen und auf einem Computerbildschirm im Maßstab eines typischen Betrachtungsabstands platzieren, bekommt man eine Vorstellung davon, wie viel vom Gesichtsfeld wir abdecken können. Bei diesem vorläufigen Gerät liegen viele der rezeptiven Felder nahe der Fovea,
Alex (Neuralink)
nahe dem Fixationspunkt.
Dan (Neuralink)
Das liegt teilweise an der Vergrößerung der Fovea, von der ich sprach, aber es gibt auch eine Streuung von Feldern in der Peripherie. Diese stammen von Aufzeichnungsstellen tiefer im Gehirn, im Sulcus calcarinus. Bis jetzt habe ich nur davon gesprochen, Informationen aus dem Kortex aufzuzeichnen. Aber um eine visuelle Prothese herzustellen, müssen wir stimulieren. Wenn wir also die Zellen stimulieren würden, deren rezeptive Felder an dieser Stelle liegen, würden wir die Wahrnehmung eines Lichtblitzes an dieser Stelle erzeugen, den nur der Affe sehen kann. Wie wissen wir, dass der Affe es sieht? Wie wissen wir, wie es aussheit? Nun, leider können wir sie nicht fragen, was sie sehen, aber wir können sie trainieren, uns etwas über dieses Phosphen zu sagen. Wir beginnen damit, den Affen zu trainieren, einen zentralen Punkt auf dem Bildschirm zu fixieren, wie diesen weißen Punkt. Und wir beginnen damit, echte visuelle Reize auf dem Bildschirm zu zeigen und den Affen dafür zu belohnen, dass er Augenbewegungen zu diesen Reizen hin macht. Hier zeigen wir also kurz einen weißen Punkt, und der Affe macht eine Augenbewegung darauf zu, symbolisiert durch den grünen Pfeil. Dann wählen wir einen anderen zufälligen Ort und belohnen den Affen dafür, eine Augenbewegung darauf zu machen. Sobald er gut in dieser Aufgabe geworden ist, können wir anfangen, diese echten Reize mit elektrischer Stimulation der Elektroden abzuwechseln und ein Phosphen zu erzeugen. Der Affe sieht den Blitz und macht natürlich eine Sakkade darauf zu. Das zeigt uns nicht nur, wo im Gesichtsfeld der Blitz auftrat, sondern wir können auch den Strom ändern, den wir in diese Elektrode einspeisen, um zu sehen, wie oft er diese Sakkade macht, wie wahrnehmbar oder wie groß das Stimulationsphosphen ist, das wir erzeugen. Schauen wir uns an, wie Code diese Aufgabe ausführt. Ich möchte Ihnen das zunächst mit einem Viertel der Geschwindigkeit zeigen: Es gibt einen visuellen Blitz, und er macht eine Augenbewegung darauf zu. Der Affe kann auf diesem Bildschirm nur sehen, was weiß ist. Er kann seine eigene Augenbewegung nicht sehen, und er kann sicherlich nicht sehen, wann wir stimulieren, aber hier stimulieren wir, und er macht die gleiche Sakkade zum gleichen Ort. Weil wir die gleiche Elektrode stimuliert haben, erscheint zu diesem Zeitpunkt nichts auf dem Bildschirm, und er hat keinen anderen Hinweis, um diese Augenbewegung zu machen. Lassen Sie mich Ihnen das in Echtzeit zeigen. Sie können sehen, dass Affen gerne sehr schnell arbeiten. Und wenn wir stimulieren, macht er diese Sakkade in Echtzeit. Und es sieht so aus, als hätte er genug. Was ich Ihnen also gezeigt habe, ist eine Methode, um ein Phosphen im Gesichtsfeld zu erzeugen. Das ist nichts Neues in der visuellen Neurowissenschaft, aber wenn man dieses Phosphen als ein einzelnes Pixel in einem visuellen Bild betrachtet, müssen wir nur hochskalieren und sehr viel mehr Pixel erzeugen und sie das Gesichtsfeld abdecken lassen. Hier ist ein Schema davon, wie eine visuelle Prothese mit unserem N1-Gerät aussehen könnte. Eine Kamera. Die Ausgabe einer Kamera würde zum Beispiel von einem iPhone verarbeitet, das die Daten dann an das Gerät streamt. Und das Bild würde in ein Stimulationsmuster der Elektroden im visuellen Kortex umgewandelt. Mit 1000 Elektroden könnten wir in der Lage sein, ein Bild zu erzeugen, das dem ähnelt, was Sie dort rechts sehen. Aber wie Avinash Ihnen gesagt hat, wird unsere nächste Generation des Geräts 16.000 Elektroden haben. Wenn man ein Gerät auf beiden Seiten des visuellen Kortex platziert, würde das 32.000 Lichtpunkte ergeben, um bei einer blinden Person ein Bild zu erzeugen. Unser Ziel wird es sein, das Licht für jemanden anzuschalten, der jahrzehntelang im Dunkeln gelebt hat. Vielen Dank. Ich gebe weiter an Joey, der nun über eine weitere sehr spannende Anwendung unseres Geräts sprechen wird.
Matt (Neuralink)
Danke, Dan.
Joey (Neuralink)
Also, ich heiße Joey. Ich bin Neuroingenieur und leite das Next-Gen-Team bei Neuralink. Bei Menschen mit Rückenmarksverletzung ist also die Verbindung zwischen Gehirn und Körper unterbrochen. Das Gehirn funktioniert weiterhin normal, kann aber nicht mit der Außenwelt kommunizieren. Sie haben bereits gehört, wie wir den N1-Link als Kommunikationsprothese einsetzen können, um jemandem mit Rückenmarksverletzung zu helfen, einen Computer oder ein Telefon zu steuern. Aber er kann auch verwendet werden, um den Körper wiederzubeleben. Lassen Sie mich Ihnen zeigen, wie. Zunächst ein wenig Neuroanatomie. Bewegungsabsichten entstehen im motorischen Kortex und werden über lange Nervenfasern durch das Rückenmark gesendet. Das sind die oberen Motoneuronen im Rückenmark. Sie bilden Synapsen, das heißt, sie stellen eine Verbindung mit einem anderen Motoneuron her, einem unteren Motoneuron, das diese Bewegungsabsichten an die Muskeln sendet, die sich zusammenziehen, woraus dann die Bewegung entsteht. Natürlich sind viele andere Schaltkreise an willentlicher Bewegung beteiligt. Man kann sich das Rückenmark als viele Paare dieser beiden Verbindungen vorstellen. Und bei einer Rückenmarksverletzung ist eine dieser Verbindungen durchtrennt, sodass sie die Muskeln nicht mehr zur Kontraktion bringen kann. Lassen Sie uns etwas weiter hineinzoomen. Hier links sehen Sie einen Querschnitt des Rückenmarks mit einer schematisch nach unten verlaufenden Faser. Diese verläuft durch die Bahnen der weißen Substanz. Das ist das obere Motoneuron, und es bildet dann eine Synapse in dieser schmetterlingsförmigen Region der grauen Substanz, in dem, was man
Audience Member
einen motorischen Pool nennt.
Joey (Neuralink)
Im motorischen Pool verläuft das untere Motoneuron über die ventralen Wurzeln hinaus zu den Muskeln, die sich zusammenziehen, und dann kehren die sensorischen Folgen dieser Bewegungen, zum Beispiel die Berührung Ihrer Hand mit einem Gegenstand, über die dorsalen Wurzeln zum Rückenmark zurück und steigen im Rückenmark bis zu den sensorischen Regionen des Gehirns auf. Auch hier ist bei einer Rückenmarksverletzung diese Verbindung unterbrochen. Wenn wir Elektroden in das Rückenmark einbringen könnten, sagen wir in einen motorischen Pool neben den unteren Motoneuronen, könnten wir diese Neuronen stimulieren, sie aktivieren und dadurch den Muskel zur Kontraktion bringen und Bewegung erzeugen. Aber das ist sehr schwer zu tun. Das Rückenmark ist recht empfindlich und bewegt sich erheblich innerhalb des knöchernen Wirbelkanals. Das könnte die Elektrode beschädigen, es könnte das Gewebe beschädigen, oder beides. Aber unsere Elektroden sind klein und flexibel, und unser Roboter ist in der Lage, sie tief in das Gewebe einzuführen, vielleicht sogar bis in das Vorderhorn des Rückenmarks. Und genau das haben wir getan. Hier sehen Sie eine Ansicht vom R1-Roboter. Das ist eine Zielansicht. Und wir haben Elektroden über mehrere Millimeter des Rückenmarks platziert. Und der R1-Roboter ist in der Lage, diese Elektroden tief in das Vorderhorn einzusetzen, in motorische Pools in sehr enger Nähe zu unteren Motoneuronen. Das ist wichtig, weil es ihnen erlaubt, eine lokalisierte Verbindung zu diesen Neuronen zu haben und sehr präzise Bewegungen zu aktivieren. Um Bewegung zu verfolgen, ist es sehr üblich, Motion-Capture-Marker zu verwenden, wie man sie bei der Produktion eines Films sehen könnte. Diese können mit einem leichten Klebstoff angebracht werden, und Sie können sehen, wie ich sie auf meiner Hand anbringe. Wir werden diese Marker verwenden, um in den nächsten Folien auf die Bewegung zu zoomen. Okay, hier ist also ein Schwein, das auf einem Laufband geht. Und Sie haben vielleicht schon einmal so etwas in einer früheren Neuralink-Präsentation gesehen. Aber anders als zuvor hat dieses Schwein mehr als ein Neuralink-Gerät. Es gibt ein Gerät im Gehirn, aber auch eines im Rückenmark. Und wir können die neuronalen Daten von diesem Gerät, von diesen Geräten, in Echtzeit streamen und sie verwenden, um Dinge wie die Bewegung der Gelenke des Schweins zu decodieren. Hier links sehen Sie also eine Zeitreihe von Hüfte, Knie und Knöchel. Und wir decodieren diese Bewegungen. Das ist also super cool, aber das ist eigentlich nicht das, was wir tun wollen. Wir wollen in die andere Richtung gehen. Wir möchten das Rückenmark stimulieren und Bewegung erzeugen. Okay, machen wir das also. Hier ist also ein Schwein, ein glückliches und gesundes Schwein, das tut, was Schweine gerne tun, nämlich nach Futter und Snacks wühlen. Und wie Sie auf dem Boden sehen werden, gibt es einen blauen Bildschirm. Das ist eine Zone freiwilliger Teilnahme, in die sich das Schwein selbst stellt, um anzuzeigen, dass es bereit ist, eine Stimulation zu erhalten. Wenn es in der Zone ist, stimulieren wir. Und wenn das Schwein die Zone verlässt, hören wir auf zu stimulieren. Und wie zuvor können Sie sehen, dass wir in der Lage sind, die Position der Gelenke zu verfolgen und auch neuronale Daten zu streamen. Okay, lassen Sie uns also eine Elektrode stimulieren. Hier ist also eine Elektrode auf einem Faden, die, wenn wir sie stimulieren, eine Beugebewegung des Beins verursacht. Links sehen Sie also die Bewegung der Gelenke, und Sie können auch die Zeitreihe des Stimulationsmusters in Gelb sehen. Das Bein bewegt sich also nach oben. Hier ist eine andere Elektrode, die, wenn wir sie stimulieren, eine Streckbewegung verursacht. Das ist eigentlich etwas schwerer zu sehen, weil sich das Bein streckt und sich die Hüften verschieben. Aber wenn Sie genau hinschauen, können Sie sehen, wie das passiert. Das Bein bewegt sich. Wir können eine große Vielfalt von Fäden stimulieren und unterschiedliche Bewegungen erzeugen, und sie sogar räumlich-zeitlich sequenzieren, um Muster zu erzeugen. Links sehen Sie also eine Zeitreihe verschiedener Stimulationen auf verschiedenen Elektroden. Sie können die Bewegungen der Gelenke sehen. Und rechts zoomen wir auf die Muskelaktivität. Das gibt uns auch eine Vorstellung von der Art der Kraft, Stärke und Präzision dieser Bewegungen. Zusätzlich zu Sequenzen können wir also auch anhaltende Bewegung erreichen. Das sind kräftige Muskelkontraktionen der Art, die man zum Stehen oder für andere lasttragende Aktivitäten benötigen könnte, und die wirklich entscheidend sind, um mit der Welt zu interagieren. Okay, die Stimulation des Rückenmarks ist also nur ein Teil der Geschichte. Man braucht auch so etwas wie Befehlssignale für die Stimulation am Rückenmark. Zum Glück haben wir eine Möglichkeit, das zu tun. Wir haben den N1-Link, von dem Sie schon gehört haben, der im motorischen Kortex platziert ist.
Wie würde das funktionieren?
Joey (Neuralink)
Wir platzieren also Fäden im motorischen Kortex und zeichnen Spikes auf. Diese Spikes würden drahtlos übertragen, in Echtzeit ausgesendet und in Stimulationsmuster decodiert. Die Stimulation würde dann an das Vorderhorn des Rückenmarks geliefert, an den geeigneten motorischen Pool für die Muskeln, die wir aktivieren möchten. Wir stimulieren dann und aktivieren diese unteren Motoneuronen, was die Muskeln zur Kontraktion bringt und Bewegung erzeugt. Nun ist Bewegung ohne Empfindung natürlich ziemlich schwierig. Denken Sie nur daran, wie es wäre, zu versuchen, Ihre Gliedmaßen zu bewegen, wenn sie gefühllos sind. Aber wir können auch sensorische Informationen gewinnen. Die sensorischen Folgen Ihrer Bewegung können also im Hinterhorn des Rückenmarks in Form von Spikes aufgezeichnet werden. Zum Beispiel hier, eine Feder, die die Hand berührt. Diese Spikes können wiederum in Echtzeit decodiert und als Stimulationsmuster entweder an dasselbe N1-Gerät im Gehirn oder vielleicht an ein anderes in einem sensorischen Bereich gesendet werden. Die Stimulation dieses Teils des Gehirns würde Wahrnehmungen von Berührung und Propriozeption erzeugen und so den Kreis schließen. Wenn wir also diese beiden Schleifen zusammenfügen, haben wir motorische Absichten, die aus dem Gehirn decodiert werden, um das Rückenmark zu stimulieren und Bewegung zu erzeugen, und dann die sensorischen Folgen dieser Handlungen, die im Rückenmark aufgezeichnet werden, um das Gehirn zu stimulieren und Wahrnehmung zu erzeugen. Wir haben noch viel Arbeit vor uns, um diese vollständige Vision zu erreichen, aber ich hoffe, Sie können sehen, dass alle Bausteine dafür vorhanden sind. Und wenn Sie diese Aussicht genauso spannend finden wie ich, hoffe ich, dass Sie in Erwägung ziehen, sich uns hier bei Neuralink anzuschließen.
Dan (Neuralink)
Das ist offensichtlich erstaunlich und hat eindeutiges therapeutisches Potenzial. Es wäre auch großartig für die
Audience Member
wissenschaftliche Neurowissenschafts-Gemeinschaft, Zugang zu einigen dieser Werkzeuge zu haben.
Dan (Neuralink)
Haben Sie Pläne, diese den Neurowissenschaftlern zur Verfügung zu stellen?
Ja, ja, das haben wir. Das ist also eine großartige Frage. Ich denke, es gibt wahrscheinlich viel, was man herausfinden könnte, wenn wir den Chirurgieroboter und die Geräte den neurowissenschaftlichen Forschungsabteilungen von Universitäten und Krankenhäusern zur Verfügung stellen würden. Also ich denke, sobald wir. Wir müssen mit den Maschinen in Produktion sein und natürlich die FDA-Zulassungen haben, aber ich denke, es wäre sehr sinnvoll, das Forschungsuniversitäten und Krankenhäusern zur Verfügung zu stellen. Die Frage ist, von den Daten, die wir.
Leslie (Neuralink)
Von den Datensätzen, die Sie gesammelt haben, planen Sie, einige davon für die wissenschaftliche Gemeinschaft als Open Source zu veröffentlichen?
Ja, ich denke, das wäre. Das wäre gut, denke ich. Ja, sicher, absolut.
Leslie (Neuralink)
Weil ich denke, dass es für Leute, die in der KI-Forschung arbeiten, wirklich interessant sein könnte, darauf aufzubauen und Foundation-Modelle für das Gehirn zu entwickeln.
Ja, das ist ein guter Punkt. Ja. Ich habe eigentlich kein Problem damit, es einfach auf unserer Website zu veröffentlichen. Nutzen Sie es, wenn Sie wollen.
Leslie (Neuralink)
Wir freuen uns darauf.
Audience Member
Danke für diese sehr schöne Präsentation. Ich habe also eine Frage. Wie wir alle wissen, bildet sich bei einer implantierbaren Elektrode, egal ob für Stimulation oder Aufzeichnung, nachdem
wir die Elektrode implantiert haben, wächst Narbengewebe
Audience Member
um die Elektrode herum, und besonders bei der Aufzeichnung wird das Signal, das wir erhalten, nach langfristiger Implantation immer schwächer. Wie lösen Sie dieses Problem?
Zach (Neuralink)
Zum Kontext, ich bin Zach, ich leite das Mikrofabrikationsteam für Gehirnschnittstellen. Ich glaube nicht, dass wir sagen können, dass wir es speziell gelöst haben, aber ein Vorteil, den wir haben, ist sowohl die Flexibilität als auch die geringe Größe unserer Fäden, um zu versuchen, dieses Narbengewebe und diese Schäden zu begrenzen. Und einige zukünftige Arbeiten, die wir begonnen haben und an denen wir weiterarbeiten werden, bestehen darin, die Größe der Fäden weiter zu verkleinern, einfach um die Immunantwort zu begrenzen und das Wachstum dieses Narbengewebes wirklich einzuschränken.
Audience Member
Ich möchte tatsächlich nachfragen.
Audience Member
hilfreich wäre, tatsächlich etwas Widerstand auf der Oberfläche Ihrer Elektrode anzubringen, oder auf eine andere Weise?
Nun, ich denke, die Frage ist vielleicht eher: Welche Art von Signalverschlechterung haben wir im Laufe der Zeit beobachtet? Und wissen Sie, funktioniert es im Grunde ein Jahr später, funktioniert es zwei Jahre später? Ja, das tut es.
Zach (Neuralink)
Also ja, ja, das ist ein guter Punkt. Was die Langlebigkeit der Fäden speziell betrifft, ist der eigentliche Goldstandard, den wir zur Bewertung verwenden können, die Daten, die wir von unseren tierischen Teilnehmern haben. Und dazu, ich bin mir nicht sicher, ob das schon erwähnt wurde, aber die längsten Daten, die wir derzeit haben, stammen von einem tierischen Teilnehmer, der 600, der 600 Tage mit nützlich funktionierenden Kanälen erreicht hat, bei denen wir etwas Sinnvolles mit den Signalen für das Brain-Computer-Interface gemacht haben. Und dann haben wir mit der neuesten Version unseres Geräts eine Art Sammlung von Teilnehmern, die bei oder nahe einem Jahr an Daten sind und ebenfalls ein vollständig nützliches, funktionierendes BCI daraus haben.
Audience Member
Wenn ich noch eine Sache hinzufügen darf. Sie haben also erwähnt, dass man möglicherweise Medikamente einsetzen könnte, um die Entzündung zu reduzieren. Eine der Dinge, an denen wir derzeit aktiv arbeiten, ist eine Art biologische Beschichtung, um entweder die Entzündung zu reduzieren oder sie rutschig zu machen. Sie haben in der Präsentation gehört, dass eine unserer Herausforderungen darin besteht, die Fäden aus diesem Neomembran-Gewebe zu entfernen, das sich nach der Implantation bildet. Es gibt also Programme wie dieses, bei denen wir wirklich untersuchen, wie wir einige der Erkenntnisse aus der Biologie und diese Beschichtungen in unsere Fäden integrieren können, damit wir hoffentlich die Entzündung reduzieren und die Entnahme erleichtern können.
Auch weiterhin die Größe der Elektrode zu reduzieren. Wenn die Elektrode also wirklich klein wird, wird die Entzündungsreaktion des Narbengewebes winzig. Es ist wie eine so winzige Elektrode, die der Körper im Grunde ignoriert. Das ist wirklich beeindruckend.
Audience Member
Glückwunsch an das ganze Team. Wie Sie natürlich wissen, besteht eines der Probleme mit aktuellen elektronischen Elektroden darin, dass sie starr sind und sich bewegen.
Sie haben also diese neuronalen Nichtstationaritäten,
und ich denke, viele von uns hatten gehofft, dass sich diese sehr dünnen Fäden
Audience Member
vielleicht mehr mit dem
Gehirn mitbewegen würden und man das nicht sehen würde.
Audience Member
Aber aus den Daten, die wir über viele hundert Tage gezeigt haben, gab es viel Variabilität. Können Sie uns also sagen, wie sehr
sie sich bewegen, und haben Sie eine Vorstellung davon, warum sie sich bewegen?
Können Sie verhindern, dass es sich bewegt?
Wie stabil sind die Signale von Stunde zu Stunde und von Tag zu Tag?
Hallo, ich bin Bliss, ich bin eine der Leiterinnen der Software-Gruppen im Brain-Interfaces-Team. In dem bestimmten Diagramm, das Sie vorher erwähnt haben, zeigten wir die durchschnittliche pro Tag auf einem bestimmten Kanal aufgezeichnete Feuerrate. Es ist, wie Sie gut wissen, recht kompliziert zu verstehen. Ob man wirklich genau dasselbe Neuron Tag für Tag für Tag aufzeichnet. Es könnte zum Beispiel sein, dass man tatsächlich jeden Tag ein anderes Neuron erfasst, und das würde die Änderung der Feuerrate erklären. Wir glauben nicht, dass das zumindest die Hauptursache für die Situation hier ist. Der Grund ist, dass, wenn man sich die Spike-Formen Tag für Tag ansieht, selbst wenn sich die durchschnittliche Feuerrate stark verändert, man immer noch relativ stabile Spike-Formen sieht. Das ist offensichtlich kein wirklich hieb- und stichfester Beweis, gibt aber zumindest etwas Zuversicht, dass es sich nicht tatsächlich um unterschiedliche Neuronen handelt, die man erfasst. Es besteht jedoch durchaus die Möglichkeit, dass das zumindest teilweise zur Geschichte der Robustheit und Nichtstationarität beiträgt. Ja, cool, danke. Ja, danke für die Frage.
Ja, um klar zu sein, diese Elektrodenposition ist tatsächlich recht stabil, weil man diese sehr winzigen, im Grunde sehr winzigen Drähte hat, mit. Und es gibt etwas Spiel darin, wie Sie das Gerät zunächst am Schädel angebracht haben, aber dann haben Sie diesen langen, so dünnen Draht mit einer Art gewickeltem Abschnitt. Er bleibt also im Grunde tendenziell an derselben Stelle.
Leslie (Neuralink)
Wir haben auch Fragen auf Neuralinks Twitter gesammelt, also werden wir einige davon einstreuen. Supe möchte fragen, bei was Neuralink Menschen helfen könnte, was die meisten Menschen nicht erkennen.
Nun, ich meine, sobald man einmal drin ist, kann man eine ganze Menge machen. Man kann offensichtlich die Temperatur messen, also könnte man eine sehr frühe Erkennung von Fieber vornehmen, man könnte den Druck messen. Ich denke, man könnte das wahrscheinlich
früh erkennen, die ganz ersten Anzeichen eines Schlaganfalls, weil man sehen kann, wie die elektrischen Signale sozusagen verrückt zu spielen beginnen. Es gibt also wahrscheinlich tatsächlich eine Menge allgemeine Gesundheitsüberwachung, die man machen könnte, sobald man drin ist, wissen Sie, mit sehr einfachen Sensoren.
Sie haben alle großartige Arbeit geleistet, viel komplexe Technik
Joey (Neuralink)
und Wissenschaft herunterzubrechen und wunderbar verständlich zu machen.
Also, großartige Arbeit. Ich wollte ein bisschen über die Stimulation fragen. Ich nehme an, für das Phosphen und für die ausgelöste Bewegung. Denken Sie, das ist eher eine lokale Stimulation? Ist es juxtazellulär? Lenken Sie den Strom gezielt? Wie viele Zellen aktivieren Sie? Wie viel Strom verwenden Sie? Ich bin einfach neugierig, in welchem Maßstab das Ganze abläuft, und ob Sie viel Präzision haben oder, Sie wissen schon, Sie haben auch ziemlich tiefgreifende Verhaltenseffekte.
Dan (Neuralink)
Hallo, ja, ich bin Dan. Und wie viele Zellen man mit einer einzigen Elektrode noch stimuliert, hängt von der Impedanz der Elektrode ab, der Größe des leitfähigen Pads, der Menge an Strom, die man abgibt, der Frequenz, all diesen Faktoren. Es gibt also eine ganze Menge Variabilität, die wir nutzen können, um die Form eines Phosphens anzupassen, oder nicht notwendigerweise die Form, aber vielleicht die Intensität eines Phosphens. Wir glauben, dass bei unseren aktuellen Elektroden, zumindest bei Code, eine grobe Überschlagsrechnung etwa eine Kugel von Zellen mit etwa 50 bis 100 Mikrometern Durchmesser ergibt, die in einem visuellen System stimuliert wird. Je kleiner diese Kugel ist, desto kleiner und spezifischer kann man ein bestimmtes Phosphen machen. Im Grunde, je kleiner das Pixel im
Bild ist, das Sie erzeugen können.
Dan (Neuralink)
Es gibt also viel Spielraum für die Anpassung davon.
Es ist tatsächlich auch möglich, eine viel höhere effektive Pixelzahl zu erreichen, indem man das Feld, das elektrische Feld zwischen den Elektroden, steuert. Es ist also nicht unbedingt, es ist einfach keine Eins-zu-eins-Beziehung. Man könnte das Feld tatsächlich dynamisch anpassen und ein sehr hohes Neuron-zu-Elektrode-Verhältnis simulieren. Man könnte also versuchen, vielleicht 10 zu 1, potenziell 100 zu 1 zu erreichen. Also im Grunde eine Art Megapixel. Können Sie normal sehen? Ich denke, die Leute würden das gerne wissen. Ich denke, das ist eines der möglichen Ergebnisse.
Zach (Neuralink)
Hallo Elon. Das ist unglaublich.
Können Sie über die Langlebigkeit der Implantate selbst sprechen?
Audience Member
Außerdem, wie würde das Material des Implantats mit dem Gehirngewebe reagieren,
Alex (Neuralink)
oder mit der Dichte des Knochens oder der Knochenstruktur?
Audience Member
Ja, gerne darüber sprechen. Ich bin Jeremy, Ingenieur im Brain-Interfaces-Team, und ich denke, es ist gut, mit den Daten zu beginnen. Wie Zach erwähnt hat, haben wir ein Implantat, mit dem ein Affe, wissen Sie, 617 Tage lang BCI durchgeführt hat, das war Pager, bevor er auf das Laser-Gerät umgerüstet wurde. Für unsere aktuelle Version des Geräts hat es fast ein Jahr gehalten. Und dann, für den beschleunigten Lebensdauertester, über den Josh ein bisschen gesprochen hat, haben wir Daten von unseren Implantaten, von der vorherigen Version acht Jahre beschleunigter Zeit, und von der aktuellen Version vier Jahre beschleunigter Zeit, und es geht weiter. Das ist also in gewisser Weise der Ausgangspunkt bei den Daten. Diese Geräte funktionieren noch und laufen theoretisch weiter. Es gibt sozusagen drei grundlegende Faktoren, die zur Langlebigkeit des Geräts beitragen. Der erste ist die Versiegelung, dieses hermetische Gehäuse des Geräts. Der zweite ist die Batterie und die interne Elektronik. Und der dritte sind die Fäden, über die Zach ein bisschen gesprochen hat, und die Fähigkeit der Kanäle, funktionell Signale aus dem Gehirn aufzuzeichnen. Wir glauben, dass die Versiegelung die anderen beiden in Bezug auf die Engpässe bei weitem überdauern wird. Also die Versiegelung, rein theoretisch, ich glaube, Josh hat erwähnt, dass es sich um ein thermoplastisches Polymermaterial handelt. Es wird also mit der Zeit eine sehr kleine Menge Feuchtigkeit durchdiffundieren. Und wir denken, dass das, wissen Sie, allein für diese Eigenschaft problemlos über 20 Jahre halten wird. Und wie gesagt, wir haben bisher noch kein Versagen unserer Versiegelungen bei der aktuellen Version des Geräts gesehen. Wir haben die Grenzen hier für die Batterie und die interne Elektronik also noch nicht wirklich ausgetestet. Das hängt wirklich von der Nutzung und der gewünschten Laufzeit ab. Und wir arbeiten derzeit daran, Daten zu erhalten, um noch weiter in die Zukunft zu projizieren. Aber derzeit glauben wir, dass wir, wissen Sie, nach drei Jahren 80 % der Laufzeit erreichen können, was etwa, wissen Sie, dreieinhalb Stunden bei einer Laufzeit von vier Stunden wären. Aber wie Avinash erwähnt hat, werden wir das sehr bald verdoppeln und auch vervierfachen. Wir haben Pläne dafür. Die interne Elektronik ist also auch nicht wirklich der Engpass. Und eigentlich greifen wir die Fäden selbst und die Langlebigkeit dieser Kanäle an, Zach, Zach kann ein bisschen über einige der Verbesserungen sprechen, die wir vornehmen, um diese Langlebigkeit zu erhöhen.
Zach (Neuralink)
Danke. Ja. Wie zuvor erwähnt, haben wir nicht notwendigerweise einen Endpunkt, wie Jeremy sagte, für das Testen der Fäden. Das heißt, wir konzentrieren uns auf die Langlebigkeit, weil wir denken, dass das ein wichtiges Problem zu lösen ist. Eine Sache, die wir parallel zum aktuellen Gerät tun, ist die aggressive Verfolgung einer Isolierung der Fäden mit amorphem Siliziumkarbid, von dem wir glauben, dass es uns weit über fünf Jahre Langlebigkeit hinausbringen wird, aber natürlich noch zu testen ist. Und parallel dazu beginnen wir gerade erst, uns die Atomlagenabscheidung anzusehen, die, so glauben wir, die Langlebigkeit der Fäden noch viel weiter hinausschieben und sehr dünne Schichten abscheiden könnte, um die Flexibilität der Fäden und diesen Vorteil zu erhalten. Also müssen wir parallel dazu natürlich auch sehr robuste Labortests entwerfen und validieren, um die In-vivo-Bedingungen wirklich zu modellieren und die Kanaldegradation zu untersuchen. Das ist also, was wir für die Langlebigkeit der Fäden untersuchen. Und dann, ich glaube, Sie haben nach der Biokompatibilität gefragt, und ich denke, für die Biokompatibilität kann ich sagen, dass im Wesentlichen alle Materialien, die wir derzeit verwenden, zumindest biostabil sind. Und wir schicken sehr häufig Biokompatibilitätstests weg. Und im Wesentlichen verwenden wir in vielen Fällen bekannte Materialien aus der Literatur, die akademische Labore bereits untersucht haben, und wir nutzen das als Ausgangspunkt.
Danke, dass Sie das beantwortet haben.
Wir haben also noch eine Frage von Twitter.
Alex (Neuralink)
Diese kommt von David, und er hat das Team gefragt, was die größten Lektionen sind, die Sie seit der vorherigen Präsentation gelernt haben.
Es ist etwa zwei Jahre her. Ich bin sicher, dass viel Ingenieursarbeit geleistet wurde. Also ja. Möchte jemand antworten, was wir in den letzten zwei Jahren gelernt haben?
Christine (Neuralink)
Eine Sache, die wir in den letzten Jahren gelernt haben, ist, wie sehr sich das Gehirn im menschlichen Maßstab bewegt, im Vergleich dazu, wenn man klein anfängt, wenn man Gehirnmodelle herstellt und viele Forschungen mit Nagetieren beginnen, bewegt sich das Gehirn nicht so viel, und dann hat man einen Menschen, und das Gehirn kann sich um Hunderte von Mikrometern oder mehr bewegen. Und wenn unsere Fäden und Nadeln so klein sind, sieht diese Bewegung, wenn man hineinzoomt, wie ein Kilometer aus.
Leslie (Neuralink)
Ich denke, ich würde dem eine Sache hinzufügen: wie dynamisch die Implantatumgebung tatsächlich ist. Wir haben darüber gesprochen, wie, wenn diese Implantationsstelle heilt, Narbengewebe oder neues Gewebe wachsen und den Raum ausfüllen könnte, und das wird beeinflussen, wie unsere Fäden in diesem Raum interagieren könnten. Deshalb haben wir so sehr die Bedeutung der Entwicklung genauer Modelle betont. Anstatt also Monate zu warten, bis eine Implantationsstelle heilt, kann man diese Information hoffentlich in wenigen Stunden lernen.
Alex (Neuralink)
Ich bin Alex vom Robotik-Team. Ich denke, eine der Dinge, die wir in den Ingenieurteams definitiv gelernt haben, ist die Bedeutung einer wirklich kontinuierlichen Validierung und Testung. Wo wir zum Beispiel Bewegungssysteme bauen, die auf einzelne Mikrometer genau sind, brauchen wir Validierungs- und Testsysteme, denen wir noch mehr vertrauen, um zu beweisen, dass sie zuverlässig funktionieren. Und genauso viel Fokus auf diese Validierungs- und Testsysteme zu legen und sie parallel zu unseren Produkten zu entwerfen, ist, glaube ich, etwas, das wir definitiv gelernt haben.
Eine andere Sache, die wir gelernt haben, denke ich, im Rahmen von BCI oder der Bewegungssteuerung und des Algorithmus, ist, dass, wiederum, einen Prototyp zu bauen und ihn mit nur einem Affen, einem Pager, funktionieren zu lassen, ein großer, vielleicht ein Erfolg war, aber auch relativ einfach im Vergleich dazu, ihn jeden Tag für alle anderen Affen funktionieren zu lassen. Es tatsächlich zu einem Produkt zu machen, ist also etwas, das nicht einfach ist, aber wir lernen, wie man es macht.
Ich meine, ich habe gelernt, dass das Gehirn wirklich weich ist, viel weicher, als man denkt. Es ist nicht wie, wissen Sie, ein Blumenkohl oder Brokkoli oder so etwas. Es ist eher wie ein Wasserballon, und er bewegt sich in Ihrem Schädel, und zwar stark. Man hat also einen weichen Wasserballon in einer Kokosnuss, das ist vielleicht eine gute Art, darüber nachzudenken.
Zach (Neuralink)
Angesichts der Bandbreitenbeschränkungen von Bluetooth, haben Sie andere Technologien für die drahtlose Kommunikation in Betracht gezogen?
Hey, ja, ich kann den ersten Teil dieser Frage übernehmen, und dann lasse ich Matt den zweiten Teil beantworten. Das ist eine großartige Frage, besonders wenn man daran denkt, wie man die Anzahl der Kanäle, von denen wir aufzeichnen wollen, erhöhen und skalieren kann. Das wird zunehmend zu einem Flaschenhals für die Art von Arbeit, die wir machen wollen. Wir denken darüber auf ein paar verschiedene Arten nach. Die eine besteht einfach darin, die zugrunde liegenden Funkschnittstellen direkt zu verbessern, und ich lasse Matt gleich darüber sprechen. Die andere Art, wie wir darüber nachdenken, ist, wie man effizienter mit den Daten umgehen kann, die man vom Implantat sendet. Und ich denke, die erste Version davon ist Kompression. Man nimmt also einfach die Daten, schaut sich ihre Eigenschaften an, findet einen Weg, sie effizienter darzustellen, und schickt einfach diesen komprimierten Stream. Zur Orientierung: Unsere Bluetooth-Bandbreite liegt derzeit bei etwa 150 Kilobyte pro Sekunde. Der komprimierte Datenstrom, den wir vom Implantat senden, liegt bei etwa 50 Kilobyte pro Sekunde. Wir machen uns da also bisher ziemlich gut. Aber wenn man an Geräte mit 16.000 Kanälen denkt, reicht das nicht ganz aus. Andere Dinge, die bei der Kompression helfen können, sind, einfach die Ausgabe des Machine-Learning-Modells zu senden, statt der Eingabe, die nötig wäre, um es laufen zu lassen. Eine Sache, die wir im Hintergrund ausprobieren, heißt Decode on Head – dabei nehmen wir im Wesentlichen die Machine-Learning-Modelle, die wir derzeit auf den MacBooks laufen lassen, auf denen unsere Affen spielen, und bringen sie dazu, tatsächlich auf dem Implantat selbst zu laufen. Und das ist so ein super cooles Ingenieursproblem. Wenn ihr darüber reden wollt, wie man komplexe neuronale Netze auf dem Äquivalent eines Garagentoröffners laufen lässt, kommt zu mir. Das macht Spaß. Ja. Das ist also ein weiterer Weg, dieses Problem zu lösen: im Grunde die rechenintensive Arbeit zu leisten, um nur das Rohsignal zu bekommen, das man tatsächlich braucht, um etwas zu steuern, und dann nur das aus dem Implantat zu senden. Zum Funk-Teil gebe ich das Wort an Matt.
Matt (Neuralink)
Ja. Um Ihre Frage zu beantworten: Wir schauen uns andere Funktechnologien an. Technologien. Eine davon ist insbesondere das 500-MHz-Band mit Ultra-Wideband bei mehreren verschiedenen Frequenzen. Das hat einen Vorteil bei der erreichbaren Bitrate. Das liegt in der Größenordnung von 6 bis 8, bis 10 Megabit. Es gibt auch eine recht erhebliche Verbesserung der Latenz. Und es gibt noch eine weitere Funktechnologie, die wir uns ansehen, das W-Band.
Leslie (Neuralink)
Hallo, vielen Dank euch allen für die wirklich klaren und überzeugenden Präsentationen. Etwas, das mir in einem der frühesten Vorträge aufgefallen ist, ich glaube es war DJ, war diese Vision, über diese BCIs neue komplexe Fähigkeiten zu erlernen, wie zum Beispiel Kung-Fu zu können. Und das spiegelt die Tatsache wider, dass das Gehirn im Grunde eine Lernmaschine ist. Und doch waren viele der später vorgestellten technischen Lösungen so formuliert, dass sie versuchen, die Art und Weise auszugleichen, wie sich das Gehirn über längere Zeiträume verändert, die Drift über Tage hinweg, oder wie das Gewebe mit der Zeit heilen könnte. Mich würde interessieren, wie eure gemeinsame Vision für die Entwicklung dieser Technologie aussieht, die mit einem grundsätzlich plastischen System zusammenwirkt, das sich auf komplexe Weise über verschiedene Zeitskalen hinweg verändert. Tage, Monate, Jahre.
Das ist eine schwierige Frage. Ich denke, es wird in gewisser Weise eine Art bidirektionales Lernen sein. Manchmal fixieren wir unsere Algorithmen, weil wir eine stabilere Art von Leistung bevorzugen. Aber natürlich wird die Person und ihr Gehirn mit der Zeit lernen, das BCI besser zu nutzen. Wir werden unsere Modelle aktualisieren müssen. Es wird also so etwas wie eine interaktive Beziehung geben, um sogar neue Aufgaben zu erlernen. Das wird wahrscheinlich etwas sein, das wir mit der Zeit lernen müssen, wie die Person lernt, mit dem Computer zu interagieren, und dann die passende Interface-UX und auch das UI bauen und Algorithmen entwickeln, die ihr helfen, das zu steuern, was wir wollen.
Audience Member
Nur eine Sache, die ich zu dem hinzufügen möchte, was Nir gesagt hat: Es ist tatsächlich in gewisser Weise ein Vorteil, dass das Gehirn plastisch ist und lernt, und das kann uns helfen, weil wir weniger Arbeit leisten müssen und der Mensch im Regelkreis tatsächlich lernt, unser Gerät besser zu nutzen. Aber einer der Vorteile unseres speziellen Ansatzes und Geräts ist, dass wir versuchen, ein Gerät mit extrem hoher Kanalzahl zu bauen, damit wir Elektroden gleichmäßig über eine funktionale Region verteilen können. Und dann spielt es nicht mehr so eine große Rolle, ob sich die Dinge mit der Zeit verschieben. Wir können das an die Software auslagern und so auch Algorithmen entwickeln, die sich mit der Zeit verändern. Und beide Dinge sind, denke ich, tatsächlich Vorteile unseres speziellen Ansatzes.
Leslie (Neuralink)
Wir haben noch eine Frage von Twitter. Juan möchte wissen, welchen Karriereweg man jemandem empfiehlt, der gerade die Highschool abgeschlossen hat und in Zukunft bei Neuralink arbeiten möchte.
Es ist wirklich jede der Fähigkeiten, die wir beschrieben haben. Wir entwickeln also neue Chips. Es gibt Materialwissenschaft, es gibt Software, natürlich auch Tierpflege. Es sind wirklich alle Dinge, die wir in den Neuralink-Karriereseiten aufgelistet haben, die
ein guter Leitfaden wären.
Audience Member
Ja, ich sage wirklich gerne, dass man, wenn man irgendein Uni-Broschüre durchblättert und sich alle Studienfächer ansieht, auf jedes einzelne dieser Fächer zeigen kann. Und es gibt jemanden in diesem Unternehmen, der entweder ein Experte darin ist oder das studiert hat. Es ist also wirklich, wirklich ein multidisziplinäres Unternehmen. Und ich denke, man sollte sich einfach auf das konzentrieren, wofür man sich begeistert oder worin man ein Talent hat, und das dann so tief wie möglich verfolgen. Und dann wird es definitiv einen Platz für Sie beim Bau neuronaler Schnittstellen geben.
Leslie (Neuralink)
Hey, wir konnten sehen, wie die Affen Telepathie machen. Aber könnten Sie uns etwas mehr über das Verhaltenstraining der Tiere erzählen, über ihr Leben und ihre Alltagsabläufe? Klar. Ich bin Autumn. Ich bin Leiterin der Forschungsdienste, was auch unser Tierpflegeprogramm umfasst. Und als Wissenschaftlerin für Tierwohl ist das ein Thema, das mich zutiefst interessiert. Unser Trainingsprogramm besteht also hauptsächlich aus Verhaltensanalysten, die uns helfen, darüber nachzudenken, wie man mögliche aversive oder frustrierende Elemente aus unserem Training entfernt. Wir betrachten Konditionierung als den primären Ansatz, einschließlich positiver Verstärkung als primäre Trainingsmethode.
Christine (Neuralink)
Mal sehen, was kann ich Ihnen noch erzählen?
Leslie (Neuralink)
Ja, ja. Ich meine, das ist vielleicht nicht Teil des Verhaltenstrainings selbst, aber wir denken die Bewertung des Tierwohls im Rahmen der drei R, das heißt Refinement, Replacement und Reduction. Und wenn wir an Refinement denken, trifft das Verhaltenstraining auf diese Weise tatsächlich zu. Und wo wir etwas entfernen wollen, speziell in der Forschung, ist Fixierung eines der Dinge, die wir uns als oberstes Ziel setzen zu entfernen. Sie haben heute also viele Videos gesehen, in denen Tiere selbst zu ihren Stationen gelaufen sind, weil wir wirklich hart daran gearbeitet haben, jede Notwendigkeit zu entfernen, das Tier zu fixieren. Noch etwas?
Audience Member
Nun, nur um Ihren letzten Punkt zu ergänzen, als Ingenieur hier ist eines der wirklich inspirierenden und wirklich coolen Dinge an diesem Ort, dass wir an vielen technologischen Innovationen arbeiten können, die sich direkt in größere Unabhängigkeit für die Tiere übersetzen, wenn sie diese Aufgaben ausführen. Wie Sie gesehen haben, laden sich die Affen einfach dadurch auf, dass sie freiwillig zu einem Ast gehen, sie spielen freiwillig Spiele in ihrem Lebensraum mit einem Laptop. Und das vollständig implantierbare, vollständig drahtlose Gerät, das induktive Ladegerät, all das ermöglicht diese Art von Erfahrung. Und das ist einer der wirklich coolen Aspekte der Arbeit hier, dass wir bei solchen Dingen innovativ sein können.
Leslie (Neuralink)
Es hilft definitiv, mit einer Gruppe von Ingenieuren zu arbeiten, die wirklich coole Sachen bauen können, damit das Verhaltenstraining für die Affen einfacher wird.
Audience Member
Also, um die vorherige Frage zu beantworten, was man studieren kann, um Teil von Neuralink zu sein, ich denke man könnte Affen-Ingenieurwesen zu dieser Liste von Berufen hinzufügen.
Meine Frage bezieht sich auf die Aufrüstbarkeit, die ihr ziemlich oft erwähnt habt. In diesem Verfahren gibt es also eine Art Explantationsverfahren, und dann wird ein neuer Satz Implantate eingesetzt. Könnten Sie also über mögliche Schäden sprechen, falls es welche gibt, Gewebeschäden durch das Explantationsverfahren? Wie lange muss man warten? Implantieren Sie in dieselben Bereiche, und wie läuft bei Ihnen das Gehirnscannen für das Implantationsverfahren bei einem Upgrade ab? Ich weiß nicht, wie viele Fragen ich
Zach (Neuralink)
stellen darf,
Alex (Neuralink)
also kann ich anfangen, auf einige davon einzugehen. Ich arbeite viel an der Aufrüstbarkeit und an diesen Explantationsprozessen, um sie zu verbessern. Das Ziel, auf das wir hinarbeiten, ist, wie ich in der Präsentation erwähnt habe, dass es wirklich genauso einfach ist, ein Implantat zu aktualisieren, wie es ursprünglich zu installieren. Wir haben heute nicht viele dieser Explantationsbeispiele gezeigt, aber wir sind ziemlich nahe daran, ein Implantat einfach herauszunehmen und ein anderes genau an derselben Stelle wieder einzusetzen. Das ist definitiv, definitiv das Ziel. Wir installieren das Implantat im primären motorischen Kortex, einer wertvollen Region, um mit einem solchen Gerät zu interagieren. Und also wir. Das Ziel ist, an derselben Stelle zu implantieren. Wenn man sich vielleicht auf andere Anwendungen ausweitet, wäre man daran interessiert, sich an eine andere Stelle zu bewegen. Aber wir wollen definitiv in der Lage sein, in denselben Bereich einzusetzen. Was Schäden betrifft, die. Ich denke, die Schäden, die uns am meisten Sorgen machen, sind Schäden innerhalb des Gehirns. Und was wir herausgefunden haben, und darüber haben wir gesprochen, ist diese Herausforderung mit der Gewebeschicht über dem Gehirn. Und wir sind auf einem guten Weg, das zu lösen. Aber wegen der geringen Größe der Fäden ist die Art Narbenkapsel im Gehirn so minimal, dass sie tatsächlich recht leicht entfernt werden können. Und so sehen wir brauchbare Signale sogar beim zweiten oder dritten Mal, dass ein Implantat gesetzt wird. Und ich denke, einige unserer BCI-Leute können darüber wahrscheinlich besser sprechen. Wir haben tatsächlich Affen-Teilnehmer, die mit ihrem zweiten Gerät arbeiten und es wirklich nutzen.
Audience Member
Also ein, zwei Fragen. Die eine war, jemand hatte die Frage zur Plastizität gestellt. Haben Sie aus Verhaltensperspektive irgendeine Plastizität bei einem der Affen beobachtet? Oder ist es zu früh, das zu sagen? Oder es gab überhaupt keine Beobachtungen.
Beim Verhalten der Affen. Wir sehen, dass es eine Weile dauert, bis sie lernen, natürlich auf den Test zu trainieren, aber auch, wenn sie implantiert sind. Und es geht relativ schnell, bis sie sich hochsteigern und eine hohe Leistung bei der Gehirnsteuerung erreichen. Bei Pedro zum Beispiel konnte er nach ein paar Tagen, schon nach drei Tagen, sehr schnell lernen, das Gerät zu benutzen. Er war natürlich bereits durch sein vorheriges Implantat auf die Aufgabe trainiert, aber mit dem neuen konnte er nach drei, vier Tagen eine Leistung erreichen, die nahe an die mit dem vorherigen Implantat heranreichte.
Audience Member
Aber haben Sie irgendetwas in Richtung eines Vorsprungs bemerkt, also dass das Gehirn dem von Ihnen betriebenen neuronalen Netz voraus war?
Das ist schwer zu sagen. Nein, nicht wirklich.
Audience Member
Okay, ich habe noch eine Frage, die sich mehr auf die elektrische Seite bezieht. Sie haben also von 10, 24 Kanälen gesprochen, die aufzeichnen. Übertragen Sie das Rohsignal, oder waren es nur die drei Spike-Ereignisse, die. Von denen Sie sprachen, niedrig, mittel und hoch, oder übertragen Sie die komplette rohe Wellenform?
Julian (Neuralink)
Hallo, ich bin Julian. Ich kann dazu ein bisschen etwas sagen, und vielleicht möchte Avinash auch etwas beitragen. Aber unsere Chips sehen die Rohsignale, aber was wir typischerweise nach außen senden sind Spikes, und wir erkennen diese Spikes in Echtzeit auf dem Chip. Das komprimiert die Daten vermutlich massiv. Ja, weiter. Wir verbessern das gerade, aber wir können anfordern. Wir können Rohdaten-Samples anfordern. Manchmal verarbeiten wir auch bestimmte Statistiken oder andere Daten direkt auf dem Chip und senden dann die berechneten Werte. Es gibt also viele Möglichkeiten, mit den Daten zu spielen.
Audience Member
Ja. Zumindest bei unserem aktuellen N1-System, das auf BLE-Funk basiert, gibt es eine Bandbreitenbeschränkung. Man kann also nicht wirklich Rohdaten von allen 10, 20, 24 Kanälen streamen. Aber nur um Ihnen etwas Hintergrund zu geben, wie unser Kompressionsalgorithmus, der Spike-Erkennungsalgorithmus, entwickelt wurde: Wir hatten eine Art Kabelsystem. Es gab eine Veröffentlichung von uns mit dem USB-C-Anschluss, der all diese Signale über eine Kabelverbindung mit hoher Bandbreite überträgt. Wir hatten also diese Art von Entwicklungsplattform, um die Rohsignale sehen zu können und zu wissen, welche Informationsmenge wir extrahieren wollen, die sowohl in die Funk-Bandbreite passt als auch für die BCI-Steuerung nützlich ist. Und wissen Sie, das drahtlose Senden von Daten kostet auch einfach viel Energie. Also jede Gelegenheit, die wir haben, um diese Last zu reduzieren. Wir versuchen im Grunde, die ganze Kompression so nah wie möglich an den Elektroden stattfinden zu lassen.
Eine Sache, die nicht offensichtlich ist, ist, dass die tatsächliche Bitrate, die man braucht, um ein Telefon oder einen Computer zu steuern, eigentlich sehr niedrig ist. Ich glaube, wir haben vielleicht den Rekord bei der Bitrate, ist das richtig? Wir glauben schon, etwa in der Größenordnung von 10 Bit pro Sekunde. Das ist also super langsam. Aber wenn man darüber nachdenkt, wie schnell sich Ihr Daumen bewegt, wenn Sie Daten in ein Telefon eingeben, wie viele Daumen-Tippbewegungen pro Sekunde Sie machen. Ziemlich, ziemlich niedrig. Und ich meine, im Grunde sind unsere Daumen wie zwei langsam bewegende Fleischstäbchen, die wir so bewegen, und das ist wirklich, das ist eine niedrige Hürde, das ist, was ich sage. Also zumindest für die Ausgabe, man bekommt 10 Bit pro Sekunde, und das ist schon ziemlich gut. Und das, dafür braucht man überhaupt kein Bluetooth oder irgendwas. Man könnte das also praktisch mit Piepsen und Bops senden, wissen Sie. Also, wenn man zu einem visuellen Signal mit hoher Bandbreite geht, dann kommt man vielleicht in den Bereich von einem Megabit und mehr. Aber das liegt alles gut innerhalb von Bluetooth, jedenfalls will ich damit sagen, dass das keine Einschränkung ist. Die Datenrate. Ein weiterer, vielleicht bemerkenswerter Punkt, über den wir in der Präsentation gesprochen haben: Wir denken, dass wir das Implantat wahrscheinlich ohne Durchtrennen der Dura durchführen können. Man kann im Grunde einfach eine Reihe kleiner Löcher durch die Dura machen, die Dura ist diese dicke, orangefarbene, schalenartige Schicht, die direkt am Schädel anliegt. Wenn man die Dura nicht durchbohrt, also sie nicht wegschneidet, sondern stattdessen eine Reihe winziger Löcher macht und die Elektroden durch diese winzigen Löcher ins Gehirn einführt, dann ist die Erholungszeit lächerlich kurz. Man verliert dabei nicht wirklich viel Liquor, also Gehirn-Rückenmarksflüssigkeit. Es ist, es ist, theoretisch könnte, ich meine, das Ganze könnte eine 10-Minuten-Operation sein, wie Lasik. Es geht halt schnell. Es ist keine große, aufwendige Angelegenheit. Es ist superschnell.
Sam (Neuralink)
Um nochmal auf die Langzeit-
Nutzung zurückzukommen, frage ich mich, ob Sie pathologische Befunde zum Narbengewebe von vielen Tieren mit Langzeitimplantaten haben. Und in diesem Zusammenhang scheint es eine gewisse Lücke zu geben zwischen der Nutzung bei medizinischen Erkrankungen und bei gesunden Personen, aus Sicherheitsperspektive.
Audience Member
Ich habe die letzte Frage nicht ganz verstanden, aber ich nehme die erste und bitte Sie, die zweite zu wiederholen. Die erste ist also: Haben wir pathologische Daten von Tieren mit Langzeitnutzung? Ja, absolut. Wir haben keine pathologischen Daten von unseren Affen, die wir upgraden und die, wissen Sie, immer noch weiterleben. Wir haben andere Studien, deren Hauptzweck es ist, die Sicherheit zu bestimmen. Und wir haben tatsächlich histopathologische Endpunkte, die wir bestimmen. Die Narbengewebsbildung um die Fäden selbst im Gehirn ist typischerweise vernachlässigbar. Es reagiert kaum auf die Fäden. Das ist also sehr vielversprechend hinsichtlich der Narbengewebsbildung über dem Kortex. Also dieses Neomembran-Wachstum, das die Bereiche ausfüllt, die Elon und Alex erwähnt haben, die wir bei unserer aktuellen Operation entfernen. Dieses Narbengewebe bewerten wir tatsächlich, aber es stellt in keiner Weise ein Problem dar. Es ist keine fortlaufende Reaktion auf einen Fremdkörper. Es füllt lediglich Gewebe auf, das entfernt wurde. Und wenn Sie die zweite Frage wiederholen könnten.
Dan (Neuralink)
Das habe ich nicht gehört.
Sam (Neuralink)
Ja, die zweite Frage, die wirklich anschließt
an das, es scheint, dass es eine gewisse Lücke bei der Nutzung bei gesunden Personen aus Sicherheitsperspektive gibt. Ich glaube, Leute haben erwähnt, dass sie vielleicht Interesse hätten, Prototypen zu testen, aber mich interessiert einfach Ihre Perspektive dazu, wie man die Sicherheitsrisiken senken könnte.
Audience Member
Ja, das ist eine großartige Frage. Also, es geht wirklich um die Langzeitnutzung des Geräts. Wir haben also Geräte, die, wie gesagt, bei Affen implantiert wurden, seit vielen Jahren, und wir sehen überhaupt kein Verhaltensdefizit. Die erste Frage ist also, wie man Sicherheit bewertet. Man hat histopathologische Endpunkte, die man bewerten kann, aber wir suchen auch nach kognitiven oder Verhaltensdefiziten. Und wir sehen nichts davon bei unseren Tieren, was ein wichtiger Punkt ist. Was die histopathologischen Endpunkte betrifft, sehen sie wirklich, wirklich gut aus. Die Herausforderung liegt beim Explantieren des Geräts, deshalb stecken wir so viel Aufwand in die Reversibilität und unsere Durchdura-Insertionen. Beim Entfernen des Geräts ist es, wenn man potenziell, potenziell Schäden verursachen könnte. Und wir führen gerade viele laufende Studien durch, um dieses Risiko wirklich zu minimieren, aber wir halten es mit unserem aktuellen Ansatz nicht für ein wesentliches Risiko. Und wie gesagt, Pager wurde mit dem vorherigen chirurgischen Ansatz upgegradet und geht es sehr gut. Es ist also klar, dass es völlig sicher sein kann. Aber das für Menschen ohne jeden Zweifel zu belegen, daran arbeiten wir noch rigoros. Beantwortet das Ihre Frage?
Dan (Neuralink)
Danke. Also danke für eine sehr ausführliche
Vertiefung in viele der verschiedenen Aspekte
Dan (Neuralink)
des Geräts und des Systems. Es ist sehr beeindruckend, all die
Ingenieursarbeit zu sehen, die dort hineingeflossen ist. Sie haben gerade die Bitrate erwähnt.
Dan (Neuralink)
Als vorheriger Bitraten-Rekordhalter kann ich
bestätigen, dass Sie meinen Rekord tatsächlich zertrümmert haben. Also Glückwunsch dazu. Ich glaube, ich habe einen Spitzenwert von
Dan (Neuralink)
7,4 Bit pro Sekunde gesehen. Gut gemacht. Meine Frage betrifft eigentlich die klinischen Studien und die FDA, soweit Sie das teilen können, ich nehme an, dass die Entfernung des Geräts oder vielleicht der Elektroden eines
der Bedenken ist, die die FDA hervorgehoben hat. Gibt es noch etwas, das Sie uns
Dan (Neuralink)
darüber erzählen können, was der FDA Sorgen bereitet
hat oder zu dem sie Fragen bezüglich Ihrer IDE-Einreichung hatte?
Audience Member
Ja, ich meine, wir können wahrscheinlich ein bisschen darüber sprechen. Ich meine, es ist. Das sind wirklich Herausforderungen, die wir ganz allgemein haben, also Nutzung, Sicherheit, das rigoros für Menschen zu belegen, ist definitiv eine Herausforderung und etwas, wozu die FDA sich geäußert hat. Zu anderen Dingen stellen sie wirklich großartige Fragen. Andere Dinge betreffen zum Beispiel die thermischen Labortests unserer Implantate. Es ist offensichtlich wichtig, dass unser Implantat das Gewebe nicht durch Überhitzung schädigt. Also wirklich rigorose und valide Labortests dafür zu haben, ist sehr wichtig. Das ist tatsächlich etwas, das wir neu gestalten werden, um noch genauer zu sein. Es ist auch der Fall, dass sie sehr viele schwierige Fragen zur chemischen Charakterisierung der Biokompatibilität stellen. Dafür haben wir sehr rigorose Tests durchgeführt. Aber sie stellen wirklich viele Fragen, um tief in die Daten einzutauchen und sicherzustellen, dass wirklich keine Chance besteht, dass toxische Chemikalien oder biologisch unverträgliche Materialien ins Gehirn gelangen. Das sind also alles Dinge, an denen wir arbeiten, um erneut, über jeden Zweifel hinaus, zu beweisen. Eine Sache, die hier vielleicht erwähnenswert ist: Es kann schwierig sein, die Neuartigkeit unseres Produkts richtig einzuschätzen. Der chirurgische Roboter und insbesondere das Dünnfilm-Array sind ziemlich neu und anders als bestehende Geräte. Und das bedeutet, dass wir uns nicht stark auf bestehende Literatur stützen können, um die Sicherheit und Wirksamkeit des Geräts zu belegen. Wir stecken also sehr viel Aufwand in die Gestaltung und Durchführung von Tests an unseren Geräten, damit wir ihre Sicherheit rigoros belegen können, und wir können uns nicht einfach auf ein anderes Produkt oder eine Studie verlassen. Und das ist etwas, bei dem wir für unseren ersten menschlichen Teilnehmer keine Kompromisse eingehen wollen, und wir arbeiten sehr hart daran.
Ich denke, wenn man eine Frage stellt wie, meiner Meinung nach, wäre ich damit einverstanden, das jemandem zu implantieren, einem meiner Kinder zum Beispiel, an diesem Punkt, wenn sie in einer ernsten Situation wären, sagen wir, sie hätten sich das Genick gebrochen, würde ich mich damit jetzt wohlfühlen? Ich würde sagen, ich würde sagen, wir sind an dem Punkt, wo es, zumindest meiner Meinung nach, nicht gefährlich wäre.
Christine (Neuralink)
Hallo, danke für die Präsentation. Ich habe eine nicht-technische Frage.
Leslie (Neuralink)
Arbeiten Sie mit Menschen mit motorischen Behinderungen zusammen?
Christine (Neuralink)
Und wenn ja, haben Sie Ideen für Anwendungen ausgetauscht, die sie begeistern würden?
Ich kann den ersten Teil davon übernehmen. Ich bin ehrlich gesagt nicht die beste Person, um darüber zu sprechen, aber wir haben einen Nutzerbeirat, der aus mehreren Menschen mit verschiedenen Erkrankungen besteht, darunter Tetraplegie, und sie beraten uns zu einer Reihe von Themen. Nur als Anekdote. Jemand kam vor vielleicht sechs Monaten ins Büro und erzählte mir, was er am meisten mit seinem Neuralink-Gerät machen wollte. Und es gab zwei Dinge, die er sagte. Eines war, dass er in der Lage sein wollte, Aktien tagesaktuell zu handeln, um seinen Bruder zu schlagen. Und das zweite war, dass er in der Lage sein wollte, Shooter-Spiele zu spielen. Ich denke, was mich an dieser Begegnung am meisten überrascht hat, war die Normalität davon. Und ich fand dieses Gespräch wirklich inspirierend. Sie wissen also, wer Sie sind? Die Person, die kam und mit mir sprach. Einen schönen Tag noch. Ja,
Wissen Sie, etwas, worüber wir schon gesprochen haben, das aber vielleicht noch einmal betont werden sollte. Wir bauen gerade ein Produktionssystem für die Geräte auf. Wir bauen also die Produktionslinie auf, um große Stückzahlen an Geräten herzustellen. Wir wollen Tausende, letztlich Zehntausende, dann Millionen von Geräten herstellen. Die Fortschritte werden also zunächst, besonders was Menschen betrifft, vielleicht quälend langsam erscheinen. Aber wir tun parallel alles Notwendige, um es zu skalieren. Theoretisch sollte der Fortschritt also exponentiell sein. Also danke, das war eine wirklich coole Präsentation. Eines der genannten Ziele war also, von überall im Gehirn aufzuzeichnen, jede beliebige Stelle aufzeichnen und stören zu können. Es scheint also, dass derzeit alles kortikal ist.
Zach (Neuralink)
Und ich bin neugierig, mit dem aktuellen Gerät,
gibt es ein langfristiges Ziel oder eine Idee, es auszuweiten, um tiefer ins Gehirn zu gehen? Ich meine, für neuropsychiatrische Störungen, für das Gedächtnis, das liegt alles viel tiefer, mehrere Zentimeter. Also frage ich mich, wie der Zeitrahmen aussieht? Wenn Sie eine ganz grobe Schätzung geben müssten, wann ich ein Neuralink-Produkt erwarten kann, das so tief geht.
Ich meine, die Grundlagen des Geräts im Schädel bleiben im Wesentlichen gleich, denn, wie ich vorhin sagte, das Gerät im Schädel ist sehr ähnlich wie eine Smartwatch. Im Grunde hat es eine Batterie, Funk, induktives Ladegerät, Computer, und dann hat man die kleinen Drähte, also müsste man die Drähte verlängern und bräuchte eine tiefere Einführungsnadel für den Roboter. Aber das ist wirklich dafür gedacht, ein verallgemeinertes Ein-Ausgabegerät zu sein. Also abgesehen davon, dass die winzigen Drähte länger sein müssen und der Operationsroboter eine längere Nadel braucht, sollte man theoretisch überall hingehen können, denn mir scheint, ein Teil des Roboters versucht zu erkennen, wo sich Blutgefäße befinden, um sie zu vermeiden. Richtig. Wäre das in dieser Größenordnung möglich? Ich meine, sicherlich nicht nur visuell, aber es gibt vielleicht einen anderen Weg, das zu erkennen. Ist das ein aktuelles Ziel, und
Dan (Neuralink)
erwarten Sie das, vermute ich, innerhalb des nächsten Jahrzehnts?
Definitiv, ja. Ich bin Ian, ich leite hier das Team für Robotik- und Chirurgie-Ingenieurwesen. Von den drei Achsen, die DJ erwähnt hat, ist eine davon, wissen Sie,
Alex (Neuralink)
der Zugang zu mehr Bereichen des Gehirns.
Das Roboter-Team denkt also sehr viel darüber nach.
Was Sensoren betrifft, muss man im Grunde über die Oberfläche hinausgehen. Und in diesem Fall haben Sie recht,
Alex (Neuralink)
dass wir derzeit wirklich nur
maximal etwa einen Millimeter tief sehen können. Ich glaube, innerhalb des Teams gibt es Fragen dazu, was man als Nächstes am besten einsetzt. Aber Ultraschall und photoakustische Tomographie sind zwei Dinge, die mir einfallen, die im Grunde mehrere Zentimeter tief reichen können. Aber es ist ein super interessantes Problem. Man braucht sozusagen eine Tiefenbildgebung und eine gewisse Steuerungsfähigkeit, um zumindest große Blutgefäße in der Tiefe zu vermeiden. Ja.
Christine (Neuralink)
Oder wenn wir unsere Nadeln und Fäden klein genug machen können, sodass wir auch in großer Tiefe präzise und genau bleiben, dann verursacht man vielleicht keine Blutung, selbst wenn man ein Gefäß trifft.
Ja, ich denke, das ist wirklich die ideale Situation. Wenn die Fäden wirklich winzig sind, können sie tatsächlich durch ein Blutgefäß hindurchgehen. Und das ist in Ordnung, wenn sie klein genug sind, dann würden wir in dem Fall keine Blutgefäß-Bildgebung brauchen. Ich bin tatsächlich leicht optimistisch, dass das erreichbar ist.
Christine (Neuralink)
Matt, du könntest wahrscheinlich mehr dazu sagen, aber bei der aktuellen Tiefenhirnstimulation ist es irgendwie einfach so: man macht es einfach.
Der aktuelle Ansatz beinhaltet einen Draht, den man blind einführt.
Julian (Neuralink)
Das ist gewaltig im Vergleich zu unseren Fäden, Größenordnungen größer.
Matt (Neuralink)
Und das ist also eine niedrige Hürde für
damit auch wir das klären. Ich glaube, die Leute merken gar nicht, bei den tiefen. Genau. Stimulation. Wie groß das Loch tatsächlich ist. Es ist ein. Ich meine, wie ist das eigentlich? Ich meine, grundsätzlich, bei der aktuellen Tiefenhirnstimulation, wie groß ist das Bohrloch, das ins Gehirn gebohrt wird? Ja.
Matt (Neuralink)
Man bohrt ein 14-Millimeter-Loch und führt dann einen 2-Millimeter-Draht 6
Zentimeter, 8 Zentimeter tief ins Gehirn.
Matt (Neuralink)
Also alles blind in der Hoffnung, dass man kein Blutgefäß trifft, und man sagt dem Patienten
Matt (Neuralink)
ihn sein könnte, und dass es eine 1-prozentige Chance gibt, dass sein
Weise blutet, die wir nicht kontrollieren können.
Das ist aktuelle Technologie, die gerade jetzt im Einsatz ist. Besser zu sein als das, ist. Wir können definitiv viel besser sein als das.
Christine (Neuralink)
Unsere Nadel ist 40 Mikrometer groß.
Nochmals danke für die phänomenale Präsentation. Ich fand es faszinierend, wie schnell Sie all diese Elektroden testen können, aber das wirft die Frage auf, wie Ihre Fehlertoleranz aussieht. Wenn Sie diese Diagnosen durchführen und herauskommt, dass etwas kurzgeschlossen ist oder eine hohe Impedanz hat, wie viele davon braucht es, bis die Leistung sich verschlechtert? Und die zweite Frage ist, dass wir, als das Gerät tatsächlich eingesetzt wurde, Beispiele gesehen haben, wo die Elektrode sich eindreht und dann irgendwie auf sich selbst zurückschleift. Aber es sah so aus, als würde das im Grunde dadurch bewertet, dass man das synthetische Material durchschneidet. Mich interessiert, was Sie tun, um die Einführung all dieser Elektroden quasi in vivo zu validieren. Wie wissen wir, dass das bei einem echten Patienten nicht passiert?
Sam (Neuralink)
Ja, ich kann das beantworten, die zweite. Also wie ich erwähnt habe, können wir. Wir haben in diesem Fall also tatsächlich keine Schnitte gemacht. Wir haben einen wirklich coolen Mikro-CT. Also ich meine, es ist im Wesentlichen wie ein CT-Scanner. Also das ist einfach ein intaktes Modell, das wir in diese Maschine legen, und wir können es sozusagen komplett durchleuchten. Und wie ich vorher erwähnt habe, können wir ein Modell bauen, bei dem dieses Zurückschleifen jedes Mal passiert. Und dann können wir eines bauen, bei dem es niemals passiert. Und wir haben jetzt ungefähr festgelegt, wo das tatsächliche Gewebe dazwischen liegt. Und unser aktueller Plan, um das zu validieren und zu bestätigen, besteht darin, Modelle zu bauen, bei denen es, wissen Sie, wirklich leicht passiert, ein viel schlimmerer Fall als jedes mögliche echte Gewebe, und es dann so zu gestalten, dass es in diesem Szenario nie passiert. Und das wird uns, wenn wir das oft genug tun und mit einem ausreichend schwachen Modell, die Gewissheit geben, dass das in Wirklichkeit nicht passiert.
Das ist die Nadel der nächsten Generation.
Sam (Neuralink)
Ja. Und das ist die Nadel der nächsten Generation. Wir sehen dieses Problem überhaupt nicht
Alex (Neuralink)
bei der aktuellen Generation.
Julian (Neuralink)
Und ich versuche mich mal an Ihrer ersten Frage. Um das zu klären, Sie fragen, was passiert, wenn es einen Fehler auf einem bestimmten Kanal oder so etwas gibt?
Julian (Neuralink)
Ja. Das normale Szenario ist also, dass sich die Impedanz im Gehirn im Grunde recht schnell stabilisiert. Und selbst auf diesem Niveau können wir großartige Signale aufzeichnen. Wir sehen viele Spikes und können das für das BCI nutzen, weil wir so viele Kanäle haben, etwa 1000 jetzt, 16.000 später, dass wir unsere Modelle tatsächlich mit viel weniger Kanälen laufen lassen können, als wir eigentlich haben. Es spielt also keine Rolle, wenn hier oder da ein Kanal ausfällt, wir können trotzdem wirklich gut decodieren. Ich bin mir nicht sicher, ob wir offizielle Zahlen dazu haben, wie viele Kanäle wir brauchen, aber wir haben so ungefähr eine Größenordnung mehr, und wir können mit dem, was wir haben, schon sehr viel erreichen.
Vielleicht nur noch ein oder zwei Fragen.
Leslie (Neuralink)
Ja, ich habe eine Frage zu Ihrer sehr, sehr langfristigen Vision, diese hochbandbreitige Kommunikation mit fortgeschrittenen KIs zu haben. Es scheint also, dass die fortgeschrittene KI die komplexesten Gedanken und Emotionen des Menschen verstehen müsste. Und das ist es, was Neurowissenschaftler versuchen zu tun. Haben Sie also Ambitionen, sich mit Neurowissenschaft über die Neuroingenieurwissenschaft hinaus zu befassen?
Nun, ich meine, ich denke, wir werden das Ein-Ausgabegerät und die Software-Schnittstelle dazu bauen, und ich glaube, wie vorhin vorgeschlagen, werden wir versuchen, so viel wie möglich Open Source zu machen, damit Leute es sich ansehen können. Und ich denke, es wird viele andere geben, die auf unserer Arbeit aufbauen. Wissen Sie, genauso wie wenn man einen Mikroprozessor, eine CPU oder einen Computer baut, Leute dann viel Software schreiben, die auf diesem Computer läuft. Aber wenn man den Computer nicht hat, ist die Software hinfällig. Wir bauen also das Ein-Ausgabegerät mit dem Computer, und ich denke, es wird wahrscheinlich viele andere Organisationen, Unternehmen geben, die auf dieser Grundlage aufbauen. Also ja, ich meine, eine der Sachen, über die ich mich manchmal frage, ist, dass wenn man eine vollständige Gehirnschnittstelle hat und Erinnerungen aufzeichnen kann,
da kommen wir jetzt in Black-Mirror-Gefilde, aber das könnte eines davon sein.
Audience Member
Ich denke auch, es ist einen wichtigen Punkt zu erwähnen wert, nämlich dass Neuralink nicht aus dem Nichts entstanden ist. Es gibt Jahrzehnte über Jahrzehnte an Forschung im medizinisch-akademischen Bereich, die wirklich das Fundament für das gelegt haben, was möglich ist, indem man diese Elektroden in Teile des Gehirns setzt und diese Signale lesen, decodieren und einer Anwendung zuordnen kann. Und wissen Sie, da ich vor Neuralink in der Wissenschaft war, denke ich wirklich, dass es viele Möglichkeiten gibt, das Feld deutlich schneller voranzubringen, indem man einfach bessere Werkzeuge hat, um die ablaufenden Dynamiken zu beobachten und nahtlos damit zu interagieren. Und ich glaube, es war Ian, der irgendwie erwähnt hat, dass es fast so ist, als würden wir eine Art Oszilloskop für das Gehirn bauen, was ich für eine ziemlich schöne Analogie halte, die uns einfach etwas mehr Fähigkeiten gibt, in die Dynamiken hineinzuschauen und diese Informationen zu nutzen. Das zu lernen, um, ich weiß nicht, hoffentlich zu verstehen, was uns ausmacht und wie das Gehirn funktioniert, und wissen Sie, das Ganze eben.
Julian (Neuralink)
Die Präsentation behandelte Eingabemethoden auf Basis von Tastatur und Handschrift. Wie planen Sie, ein Eingabemodell zu entwickeln, das für komplexe Aufgaben beim Menschen viel höhere Bandbreiten erreicht?
Das ist eine schwierige Frage, und wir fangen an, das mit Affen zu erforschen. Wie Sie gesehen haben, haben wir mehrere. Wir trainieren viele Affen auf ganz unterschiedliche Aufgaben. Das ist noch eine offene Frage, der wir nachgehen. Ich denke, sobald wir unseren ersten Teilnehmer haben, wird es hoffentlich leichter zu untersuchen sein. Eine der Optionen, die wir erforschen, wie wir gezeigt haben, ist, Handschrift direkt zu decodieren. Das ist eine Arbeit, die in Stanford begann, die wir hier weiter erforschen und zu erweitern versuchen. Es gibt auch einen anderen Ansatz, zusätzlich zum bloßen Decodieren verschiedener Dinge aus dem Gehirn. Wir versuchen auch, dem Nutzer verschiedene, vielleicht nutzerähnliche Schnittstellen anzubieten. Zum Beispiel zeigen wir verschiedene Arten von Tastaturen. Vielleicht auch Swipe und andere Dinge, die helfen können, die Kommunikationsrate zu erhöhen. Wir gehen das also quasi in zwei Dimensionen an.
Nur noch eine Sache, die ich in diese Richtung hinzufügen möchte. Wie viele Leute hier bisher betont haben, ist das ein allgemeines Ein-Ausgabesystem, das man quasi an verschiedenen Stellen des Gehirns einstecken kann. Es gibt andere Bereiche des Gehirns, die helfen können, die Bandbreite zu erhöhen. Zum Beispiel Sprach- oder Sprechzentren, die helfen können, viel nahtloser zu kommunizieren. Zum Beispiel Text, wenn das Ihr Hauptanliegen ist.
Ich denke, allein dieses allgemeine Eingabe-Betriebsgerät zu haben, wird unser Verständnis des Gehirns enorm verbessern. Es ist schwer zu. Die Worte können es kaum ausdrücken. Also, wissen Sie, gerade raten wir bei vielem, was im Gehirn passiert, nur. Aber wenn man eine direkte Ein-Ausgabe hat, ist es nicht. Kein Raten mehr. Was wir über das lernen würden. Was wir über das Gehirn lernen werden, wenn ein solches Gerät weit verbreitet im Einsatz ist, ist absolut um viele Größenordnungen mehr, als wir derzeit verstehen. Also, in diesem Sinne, danke, dass Sie gekommen sind, und danke fürs Zuschauen online.