Neuralink Show and Tell 30 de noviembre de 2022 Show and Tell oficial de Neuralink de otoño de 2022, en el que Musk y el equipo presentan los avances en la interfaz cerebro-computadora y los planes para los ensayos en humanos.
Show and Tell oficial de Neuralink de otoño de 2022, en el que Musk y el equipo presentan los avances en la interfaz cerebro-computadora y los planes para los ensayos en humanos.
Transcripción Sa. Bienvenidos al show and tell de Neuralink. Tenemos una cantidad increíble de novedades que compartir con ustedes, que creo que son increíblemente interesantes, además de contarles sobre el futuro de lo que planeamos hacer aquí. Esto está pensado como una especie de podcast técnico: yo voy a dar un resumen general y luego varios miembros del equipo de Neuralink van a pasar a dar una visión técnica profunda de las distintas áreas. Así que, bueno, déjenme avanzar con el resumen general. Bien. Algunas de las cosas que voy a decir son cosas que ya... Bueno, si han estado siguiendo a Neuralink, ya habrán escuchado esto antes, pero para mucha gente ahí fuera, no tienen idea de qué hace Neuralink. Así que voy a ser un poco repetitivo con cosas que algunos ya conocen, pero que otros no. El objetivo general de Neuralink es crear, en última instancia, una interfaz cerebral completa, es decir, un dispositivo de entrada y salida generalizado que, a largo plazo, literalmente podría interactuar con cada aspecto de tu cerebro, y a corto plazo puede interactuar con cualquier sección determinada de tu cerebro y resolver una enorme cantidad de cosas que causan problemas debilitantes a las personas. Así que, saben, nuestro objetivo a largo plazo es... voy a hablar un poco sobre una meta a largo plazo. Va a sonar un poco esotérico, pero es. En realidad fue mi principal motivación, que era, ya saben, ¿qué hacemos con la IA? ¿Qué hacemos con la inteligencia artificial general? Si tenemos una superinteligencia digital que simplemente es mucho más lista que cualquier humano, ¿cómo mitigamos ese riesgo? A nivel de especie, ¿cómo mitigamos ese riesgo? Y luego, incluso en un escenario benigno donde la IA es muy, muy benevolente, ¿cómo logramos siquiera acompañar el.
Dan (Neuralink)
¿Acompañar el proceso?
¿Cómo participamos? Y la conclusión, lo que creo que es la mayor limitación para acompañar ese proceso y para alinear la IA, es el ancho de banda, es decir, la rapidez con la que puedes interactuar con la computadora. Así que, en cierto modo, todos ya somos cíborgs, porque. Tu teléfono y tu computadora son extensiones de ti mismo. Y si, estoy seguro de que lo han notado, si dejas tu teléfono en casa, terminas palpándote los bolsillos. Es como tener el síndrome del miembro fantasma, como cuando sabes dónde está el teléfono. Dejar tu teléfono es como perder una extremidad. A estas alturas, estás tan acostumbrado a interactuar con él, estás tan acostumbrado a ser de facto un cíborg, pero. Entonces, ¿cuál es la limitación de un teléfono o una laptop? La limitación es la velocidad a la que puedes recibir y enviar información, especialmente la velocidad con la que puedes enviar información. Entonces, si estás interactuando con un teléfono, está limitado por la velocidad con la que puedes mover los pulgares o la velocidad con la que puedes hablarle al teléfono. Esta es una tasa de transferencia de datos extremadamente baja. Tal vez sean unos 10, optimistamente 100 bits por segundo, pero una computadora puede comunicarse a gigabits, terabits por segundo. Así que esta es la limitación fundamental que creo que debemos abordar para mitigar el riesgo a largo plazo de la inteligencia artificial y también simplemente para poder acompañar el proceso. Y. Sí, pero como dije, esa es una explicación esotérica que creo que atraerá a un público nicho, algunos de los cuales quizás estén aquí. Pero. Y ese es un problema muy difícil. Así que, incluso si no tenemos éxito con ese problema, creo que a estas alturas estamos seguros de que lograremos resolver muchos problemas de lesiones cerebrales y de lesiones de columna en el camino. Así que. Sí, en fin, de hecho tenemos a Justin Roiland entre el público. Hola, Justin. Así que aquí hay una pequeña referencia a Rick and Morty, el gran episodio sobre mejorar la inteligencia de tu perro y qué es lo peor que podría pasar. Así que, en fin, Rick and Morty, lo recomiendo. Entonces, para. Quieres poder leer las señales del cerebro, quieres poder escribir las
quieres poder hacer eso, en última instancia, para todo el cerebro y luego también extenderlo para comunicarte con el resto de tu sistema nervioso. Si hay, si tienes como una médula espinal o un cuello seccionados. Este video ya tiene 18 meses. Este es Pager, que está jugando pong con la mente de mono. Pager tiene un implante de Neuralink en este video. Y lo interesante es que ni siquiera se puede ver el implante neuronal. Hemos miniaturizado el implante neuronal hasta el punto de que coincide con el grosor del cráneo que se retira. Así que, básicamente, es como tener un Apple Watch o un Fitbit reemplazando un pedazo de cráneo, como un, ya saben, un reloj inteligente, a falta de una mejor analogía. Así que
Realmente no se puede. Se ve bastante normal. Y creo que eso es bastante importante. Si tienes un dispositivo Neuralink, como, yo podría tener un dispositivo Neuralink implantado ahora mismo y ustedes no lo sabrían, ni siquiera lo sabrían. Es decir, hipotéticamente, tal vez uno de estos demos.
Alex (Neuralink)
De hecho,
uno de estos demos. Lo haré. Sí. Bueno, sí. En fin, aquí está. Primero que nada, es bastante increíble. Oigan, los monos pueden jugar Pong. De verdad pueden jugar Pong si les das un joystick. Así que Pedro primero aprendió a jugar Pong con un joystick. Y yo pensaba, eso era novedoso. No sabía que los monos podían jugar Pong, pero pueden. Y luego, primero entrenamos a Pedro para jugar Pong con un joystick. Luego le quitamos el joystick y usamos el Neuralink. Y ahora esto es. Está jugando de forma telepática. Es, básicamente, un videojuego telepático. Así que lo que hemos estado haciendo desde entonces es recorrer el camino muy difícil que va del prototipo al producto. Y he dicho muchas veces que los prototipos son fáciles, la producción es difícil. En realidad, diría que es de 100 a 1.000 veces más difícil pasar de un prototipo a un dispositivo que sea seguro, confiable, que funcione bajo una amplia gama de circunstancias, que sea asequible y que se fabrique a escala: una dificultad extrema. Es decir, hay un viejo dicho que dice que es 1% inspiración, 99% transpiración, pero creo que podría ser 99%, 99,9% transpiración. El mejor ejemplo que podría dar de que una idea es fácil pero la ejecución es difícil es ir a la Luna. La idea de ir a la Luna es fácil, ir a la Luna es muy difícil. Y hemos estado trabajando duro para estar listos para nuestro primer humano. Y, obviamente, queremos ser extremadamente cuidadosos y estar seguros de que funcionará bien antes de poner un dispositivo en un humano. Pero ya hemos presentado, creo, la mayor parte de nuestra documentación a la FDA, y creemos que probablemente en unos seis meses podríamos tener el primer Neuralink en un humano. Pero como dije, hacemos todo lo posible para probar los dispositivos incluso antes de pasar a un animal, ni hablar de un humano. Así que hacemos pruebas de laboratorio. Hacemos pruebas de vida acelerada. Tenemos un simulador de cerebro falso que tiene la textura y que emula un cerebro, pero es como de goma. Y así, antes de siquiera pensar en poner un dispositivo en un animal, hacemos todo lo posible con rigurosas pruebas de laboratorio. Así que no somos imprudentes al poner dispositivos en animales. Somos extremadamente cuidadosos. Y siempre queremos que el dispositivo, cada vez que hacemos el implante, ya sea en una oveja, un cerdo o un mono, sea confirmatorio, no exploratorio. Es decir, que ya hayamos hecho todo lo posible con pruebas de laboratorio. Y solo entonces consideraríamos poner un dispositivo en un animal. Y sí, de hecho les mostraremos más tarde hoy, en unas horas, una demostración de implantación en un cerebro sustituto. Y si alguien del público quiere ser voluntario, tenemos el robot justo ahí. Bien, desde la demostración de Pager, hemos ampliado el trabajo a un grupo de seis monos. De hecho, actualizamos a Pager. Realizan tareas variadas, y hacemos todo lo posible para garantizar que las cosas sean estables y replicables, y que el dispositivo dure mucho tiempo sin degradarse. Y lo que están viendo ahí parece la Matrix, pero en realidad es una salida real de señales neuronales. Así que eso no es una simulación ni solo un protector de pantalla ni nada parecido. Esas son neuronas reales disparando. Así es como se ve una de las lecturas. Y aquí pueden ver a Sake, otro de los monos, escribiendo en un teclado. Esto es escritura telepática. Para que quede claro, esto es. En realidad, no está usando un teclado. Está moviendo el cursor con su mente hacia la tecla resaltada. Ahora bien, técnicamente, en realidad no podemos deletrear, así que no quiero exagerar esto porque eso es. Eso es la próxima versión.
Zach (Neuralink)
Así que el.
Pero lo realmente genial aquí es que Sake el mono está moviendo el cursor del mouse usando solo su mente, moviendo el cursor hacia la tecla resaltada y luego deletreando lo que. Lo que queremos, lo que sea que queramos deletrear. Pero. Y luego. Así que esto es algo que podría usarse para alguien que sea, digamos, un humano cuadripléjico o tetrapléjico. Incluso antes de lograr que funcione lo de la médula espinal, se trata de poder controlar un cursor de mouse, controlar un teléfono. Y estamos seguros de que alguien que básicamente no tiene ninguna otra interfaz con el mundo exterior podría controlar su teléfono mejor que alguien que tiene las manos funcionales. Mencioné la actualizabilidad. La actualizabilidad es muy importante porque nuestro primer dispositivo de producción será muy parecido a un iPhone 1. Y estoy bastante seguro de que no querrían tener un iPhone 1 pegado en la cabeza si el iPhone 14 ya está disponible. Así que va a ser
demostrar reversibilidad y actualizabilidad completas. Así que puedes quitar un dispositivo y reemplazarlo con la última versión, o si deja de funcionar por algún motivo, reemplazarlo. Ese es un requisito fundamental para el dispositivo de Neuralink. Y debo decir que tanto Saki como Pager fueron actualizados a nuestros implantes más recientes y más avanzados. Así que ya ha pasado más de un año y medio. Desde que Pager tuvo el primer implante y luego el implante actualizado, así que esta es una muy buena señal de que dura mucho tiempo sin efectos adversos observados. También creo que es importante mostrar que a Sake realmente le gusta hacer la demostración y que no está atado a la silla ni nada parecido. Así que es. Sí, a los monos realmente les gusta hacer las demostraciones y reciben el batido de banana, y es como un juego divertido. Así que supongo que lo que intento decir es que nos importa muchísimo el bienestar animal, y estoy bastante seguro de que nuestros monos son bastante felices, ya saben, como pueden ver, toman decisiones rápidas en cuanto a la fruta. Así que las primeras dos aplicaciones que vamos a buscar en humanos son restaurar la visión. Y creo que esto es notable porque incluso si alguien nunca ha tenido visión, por ejemplo si nació ciego, creemos que aún podemos restaurar la visión. Porque la parte visual de la corteza visual todavía está ahí. Así que, sí, aunque nunca hayan visto antes, confiamos en que podrían, podrían ver. Y luego la otra aplicación está en la corteza motora, donde inicialmente le permitiríamos a alguien que no tiene ninguna capacidad, casi ninguna capacidad de operar sus músculos, ya saben, algo así como una situación tipo Stephen Hawking, y le permitiríamos operar su teléfono más rápido que alguien que tiene las manos funcionales. Pero incluso, obviamente, incluso mejor que eso sería unir la conexión. Es decir, tomar las señales de la corteza motora y, supongamos que alguien tiene el cuello roto, conectar esas señales a dispositivos Neuralink ubicados en la médula espinal. Así que confiamos en que no hay limitaciones físicas para habilitar la funcionalidad completa del cuerpo. Así que, quiero decir, por milagroso que suene, confiamos en que es posible restaurar la funcionalidad completa del cuerpo a alguien que tiene la médula espinal seccionada. Así que, sí. Así que, sí. Muy bien. Y luego quiero enfatizar de nuevo que el propósito principal de esta actualización es reclutar personal. Muchas veces la gente piensa que no podría trabajar en Neuralink porque no sabe nada de biología ni de cómo funciona el cerebro. Y lo que realmente queremos enfatizar aquí es que no necesitan saberlo, porque cuando se desglosan las habilidades necesarias para que Neuralink funcione, resulta que son, en realidad, muchas de las mismas habilidades que se requieren para hacer funcionar un reloj inteligente o un teléfono moderno. Así que es, ya saben, software, baterías, radios, carga inductiva, y, bueno, también cosas específicas de nuestro campo, como el cuidado animal y los asuntos clínicos y regulatorios, y obviamente el aprendizaje automático, esa frase se usa mucho. Pero obviamente necesitamos interpretar las señales del cerebro, que es una red neuronal biológica. Y lo mejor para interpretar una red neuronal biológica es una red neuronal digital. Así que esto es. Si hay un mensaje que quiero transmitir, es que si tienen experiencia creando dispositivos avanzados como relojes, teléfonos, computadoras, entonces sus capacidades serían de gran utilidad para resolver estos problemas importantes. Eso es, más que nada, el mensaje que quiero transmitir. Así que, bueno, sí, con eso, supongo, DJ. Así que. DJ formó parte del equipo fundador de Neuralink e hizo contribuciones inmensas a la empresa, como muchos de los demás que van a presentar. Pero solo quiero agradecer a DJ por su inmensa contribución a Neuralink y.
Muy bien, genial. Gracias.
Sam (Neuralink)
Gracias, Elon.
DJ (Neuralink)
Cuando me mudé desde Corea del Sur a los 13 años y tuve que aprender un nuevo idioma para comunicarme, me pregunté si había medios mejores y más eficaces para comunicar mis pensamientos al mundo exterior. Y al ver a Neo aprender Kung Fu en Matrix, recuerdo haber pensado: vaya, quiero trabajar para hacer eso posible. Y hoy creo que este es un desafío de ingeniería abordable, ya que todo sobre tus intenciones, tus pensamientos y tus experiencias está en tu cerebro, codificado como estadísticas de disparo de potenciales de acción. Si puedes colocar electrodos en los lugares correctos con las capacidades de detección y estimulación adecuadas, esto y muchas otras aplicaciones de las que habló Elon se vuelven posibles, y podemos ayudar a mucha gente. Estoy increíblemente entusiasmado de trabajar en esta misión ambiciosa, pero importante, de hacer realidad ese futuro aquí en Neuralink. Y también me siento increíblemente honrado de trabajar con algunos colegas, científicos e ingenieros brillantes de muchas disciplinas de ingeniería en esta intersección entre la biología y la tecnología. Hoy escucharán a varios de ellos para conocer la amplitud de los desafíos técnicos que enfrentamos y nuestro progreso en el último año. Y creo que verán que, para la mayoría de estos desafíos, como mencionó Elon, no necesitan un conocimiento previo de cómo funciona el cerebro, y que gran parte de lo que hacemos es aplicar principios fundamentales de ingeniería a la biología. Entonces, ¿cómo se crea una interfaz generalizada de alto ancho de banda hacia el cerebro? Desde el primer día, nos enfocamos en un conjunto de tecnologías fundamentales que sean seguras, escalables y capaces de acceder a todas las áreas del cerebro. Estos tres ejes, seguridad, escalabilidad y acceso a regiones del cerebro, realmente forman la base de cómo diseñamos productos aquí en Neuralink. Seguridad, porque queremos hacer que nuestros dispositivos, así como la instalación, sean lo más seguros posible para poder impulsar la adopción de esta tecnología; y escalabilidad, porque a medida que hacemos nuestros dispositivos más seguros y más útiles. Más gente lo querrá. Y con la escala, también queremos hacerlo más asequible, y el acceso a regiones del cerebro para poder expandir las funcionalidades de nuestras tecnologías. Así que nuestros primeros pasos en estas dimensiones para nuestro dispositivo es lo que llamamos el implante N1. Tiene un tamaño de aproximadamente una moneda de 25 centavos y tiene más de 1000 canales capaces de grabar y estimular. Está microfabricado en matrices de película delgada flexible que llamamos hilos. Es completamente implantable e inalámbrico, así que no hay cables. Y después de la cirugía, el implante está bajo la piel y es invisible. También tiene una batería que se puede cargar de forma inalámbrica y se puede usar en casa. De manera similar, para implantar nuestro dispositivo de forma segura en el cerebro, construimos un robot quirúrgico que llamamos el robot R1. Es capaz de maniobrar estos hilos diminutos, que tienen un ancho del orden de solo unos pocos glóbulos rojos, e insertarlos de manera confiable en un cerebro en movimiento mientras evita la vasculatura. Es bastante bueno haciendo esto de forma confiable. Y de hecho, como nunca hemos mostrado una inserción de extremo a extremo de un robot en acción, vamos a hacer una demostración en vivo del robot haciendo cirugía en nuestro cerebro sustituto. Entonces, ¿quién quiere ver algunas inserciones? Aquí está. Ese es nuestro robot R1 con nuestro paciente alfa, que está acostado cómodamente en la camilla del paciente. Esto es lo que llamamos la vista de orientación. Lo que están viendo es una imagen de nuestro cerebro sustituto. Y el rosa representa la superficie cortical en la que queremos insertar nuestros electrodos. Y el negro representa la vasculatura que queremos evitar. Y lo que están viendo son estas marcas con números que representan dónde pretendemos colocar cada uno de nuestros hilos. Entonces, ¿deberíamos ver algunas inserciones? Esta es otra vista, rápidamente. A la izquierda está la vista del área de inserción. Y a la derecha, lo que va a hacer el robot es despegar el arreglo, los hilos, uno por uno de su soporte de silicio, e insertarlos en los objetivos que predeterminamos en la vista de orientación.
DJ (Neuralink)
Ahí está, esa es la primera inserción. Vamos a ver un par de inserciones más. Todo el proceso de insertar unos 64 hilos en nuestro primer producto va a tardar unos 15 minutos para este robot. Así que, sí, ahí va la segunda, y vamos a hacer una tercera. Ahí está. Y luego eso va a seguir en segundo plano y volveremos a ello más adelante en la presentación. Y como mencionó Elon, hemos estado trabajando muy duro para pasar del prototipo a la construcción del producto como parte de esto. Una de las cosas que hicimos fue trasladar la fabricación de nuestro dispositivo a una instalación dedicada en Austin para ampliar la fabricación a escala. Y lo importante de destacar, y que es evidente en este clip, es que es muy típico que nuestros ingenieros que diseñan también trabajen en la línea de fabricación física para construir y depurar. Y esto ha sido extremadamente, extremadamente crítico para reducir nuestro tiempo de ciclo de iteración. Y también hemos ampliado nuestras cirugías, así que ahora tenemos nuestro propio, de hecho un doble, quirófano en Austin. Y esto es solo un escalón antes de que finalmente construyamos nuestra propia clínica de Neuralink. Así que con este producto, N1 y R1, nuestro objetivo inicial es ayudar a las personas con parálisis por lesión completa de la médula espinal a recuperar su libertad digital, permitiéndoles usar sus dispositivos tan bien, si no mejor, de lo que podían antes de la lesión. Y como mencionó Elon, durante el último año este ha sido el enfoque central de la empresa, y hemos estado trabajando muy de cerca con la FDA para obtener la aprobación y lanzar nuestro primer ensayo clínico en humanos en EE.UU., con suerte en los próximos seis meses. Así que espero que esto les dé una buena visión general de nuestro producto. Durante la próxima hora, vamos a hacer un repaso técnico profundo de estos temas para contarles sobre nuestros desafíos técnicos, compartir parte de nuestro progreso y adelantarles lo que viene a continuación. Así que, con eso, le paso la palabra a Nir, de mi equipo, que les va a hablar sobre la decodificación neuronal.
Julian (Neuralink)
Gracias, DJ.
Mi nombre es Nirvan Chen y soy el jefe de Aplicaciones de Interfaces Cerebrales. Nuestro objetivo es permitir que alguien con parálisis controle una computadora tan bien como yo. O incluso mejor, nos gustaría ofrecer un control rápido y preciso con toda la funcionalidad de las computadoras, que funcione en cualquier momento, en cualquier lugar. Así que estoy muy entusiasmado de mostrarles cómo estamos usando el dispositivo N1 con nuestro software y algoritmos para lograr esto. El año pasado les mostramos un video de Pedro el mono controlando el cursor de la computadora con su cerebro. Entonces, ¿cómo lo hacemos? Solo un breve recordatorio. Primero, registramos su actividad neuronal de la corteza motora. Usando el dispositivo N1. Podemos registrar desde más de mil canales mientras juega con el joystick. Luego podemos entrenar una red neuronal que predice la velocidad del cursor a partir de los patrones de su actividad neuronal. Con este decodificador, él puede entonces controlar un cursor solo pensando en ello, sin siquiera mover el joystick. Puede jugar con este decodificador a una variedad de juegos. También una tarea de cuadrícula en la que mueve el punto blanco hacia el objetivo amarillo. Cada vez que logra uno, recibe una gota de su batido favorito. Y elige jugar este juego todos los días. Aquí pueden ver su desempeño de principios de 2021, alrededor de la época en que lanzamos la demostración anterior. Es bastante preciso, pero un poco más lento de lo que nos gustaría. Y el control del cursor es la base para interactuar con la mayoría de las aplicaciones informáticas. Así que desde entonces hemos estado trabajando para mejorar la velocidad y precisión del cursor. Como pueden ver, es mucho, mucho más rápido, casi el doble de rápido. Sin embargo, sigue siendo un poco más lento de lo que yo puedo hacer. Así que estamos trabajando en formas creativas de mejorar eso. Ahora bien, la velocidad no es suficiente. Se quiere un conjunto completo de funcionalidades. Y durante décadas, la mayoría del software se construyó para control con mouse y teclado. Y no tiene sentido reinventar todo este ecosistema para el control cerebral, al menos por ahora. Así que estamos trabajando y diseñando interfaces de mouse y teclado para el cerebro. La forma en que lo hacemos es entrenando a Pedro y a sus amigos en una variedad de tareas informáticas y luego diseñando algoritmos para predecir el comportamiento. Aquí pueden ver algunos ejemplos de tareas en diferentes fases del entrenamiento de los monos. Por ejemplo, clic izquierdo y derecho, clic y arrastre, escritura con cursor, escritura con sprites, escritura a mano e incluso gestos con las manos. Ahora bien, interactuar con la computadora es bidireccional, y la retroalimentación es muy importante. Me gusta cuando hago clic en un botón y puedo sentir físicamente que el botón se presiona. Cuando un posible usuario de N1 intente hacer clic, no podrá sentirlo. Un ejemplo de cómo estamos abordando eso es proporcionando retroalimentación visual en tiempo real que representa la fuerza del clic neuronal cambiando el color del cursor. Simplemente escribir en un teclado físico es mucho más rápido y fácil que escribir en el teclado de un iPad. Esto hará que el control cerebral sea mucho más rápido y fácil de usar, siendo la escritura una de las funcionalidades más importantes. Así que ya han visto este mensaje, y quiero mostrarles lo que pasó detrás de escena para crear este mensaje. Y aquí pueden ver de nuevo a Sake usando el teclado virtual. Escribiendo este mensaje. Este teclado virtual es similar al que uso en mi teléfono. Y con la velocidad y precisión que hemos logrado hasta ahora, escribir en un teclado virtual ya es rápido y fácil. Sin embargo, yo nunca uso un teclado virtual cuando escribo en mi computadora porque me cubre la pantalla y también es mucho más lento que lo que puedo hacer con mis diez dedos. Podemos hacerlo mejor. Por ejemplo, un grupo de Stanford le pide a una persona que imagine escribir letras a mano. Luego decodificaron las letras a partir de su actividad cerebral. Usando este enfoque, pudieron aumentar la velocidad de escritura. Nosotros comenzamos este proyecto con nuestros monos, pero, claro, ellos no saben escribir. Así que, para imitar la escritura, entrenamos a Ranger, uno de nuestros monos favoritos, para que trace dígitos en un iPad. Aquí pueden verlo trazando el dígito 5 y el dígito 2. Luego registramos su actividad neuronal con el dispositivo N1. Pero ahora, en lugar de registrar la velocidad del cursor, decodificamos en tiempo real el dígito que está trazando en la pantalla. Obtuvimos dos conclusiones principales de este proyecto. Una, que los monos son increíbles y pueden aprender tareas muy, muy complejas. La segunda, que aunque esto puede aumentar la velocidad de escritura, requiere cientos de ejemplos y muestras de cada uno de los dígitos y caracteres que queríamos clasificar. Esto no va a escalar, y la forma en que estamos resolviendo eso es por indirección. En lugar de decodificar directamente los dígitos, primero decodificamos la trayectoria de la mano en la pantalla. Y luego, una vez que decodificamos la trayectoria de la mano, podemos usar cualquier clasificador de escritura a mano disponible para predecir los dígitos y los caracteres. Por ejemplo, clasificadores entrenados con un conjunto de datos tipo MNIST. Esto es tan importante porque ahora potencialmente podemos decodificar cualquier carácter en cualquier idioma con un solo decodificador neuronal. Para la trayectoria de la mano, eso significa que se puede escribir en inglés, hebreo, mandarín o incluso en idioma de mono. Y podemos entender que quieres un plátano. Así que hay muchos desafíos por delante para mejorar la funcionalidad y la velocidad. Y quiero darle la palabra a Bliss para hablar sobre la tercera parte: cómo estamos logrando que nuestras interfaces cerebrales funcionen en cualquier momento, en cualquier lugar.
Hola a todos, mi nombre es Bliss y soy ingeniera de software aquí en Neuralink. Cuando uso mi computadora, mi mouse y mi teclado funcionan como yo quiero, al menos el 99,9999% del tiempo. Mi meta es permitir que un usuario con parálisis controle su computadora de forma tan confiable como yo puedo hacerlo. Esto es lo que queremos que se sienta esa experiencia. En este video pueden ver a Saki caminando hacia su MacBook y eligiendo trabajar en su tarea de escritura. Todo el sistema de decodificación funciona de inmediato y se siente totalmente plug and play. El primer paso para lograr este tipo de alta confiabilidad es probar extensamente fuera de línea. Un flujo típico para usar el enlace N1 es conectarse por Bluetooth, transmitir la actividad neuronal desde el cerebro, y luego usar esa actividad neuronal para entrenar decodificadores y hacer inferencia en tiempo real. Hemos construido una simulación exactamente para esta secuencia. Pero en lugar de usar a un mono con un implante. Usamos un cerebro simulado que inyecta actividad neuronal sintética en un implante ubicado en un rack de servidores. Desde el punto de vista de ese implante, está en un cerebro real. Esta simulación se ejecuta en cada confirmación de código para validar que, desde el hardware hasta los decodificadores neuronales, toda nuestra pila puede lograr un rendimiento de primer nivel. Sin embargo, aunque este tipo de simulación es excelente para las pruebas de integración de software y hardware, todavía no es lo suficientemente detallada como para garantizar una alta confiabilidad en el mundo real. En el mundo real, las señales subyacentes que intentamos decodificar realmente cambian día a día. En este gráfico, pueden ver la tasa de disparo promedio detectada en un canal representativo del implante de Saki. Cada barra representa un día. Y pueden ver que cada día tiene una tasa de disparo promedio diferente al día anterior. Esto nos presenta un problema muy interesante sobre cómo hacer que nuestros decodificadores sean robustos de un día a otro. De hecho, puede suceder que si se entrena un decodificador neuronal con los datos de un día y luego se intenta usar al día siguiente, las tasas de disparo promedio pueden desplazarse lo suficiente como para causar un sesgo en la salida del modelo. Aquí a la derecha, pueden ver que este sesgo dificulta que el cursor se mueva hacia la esquina superior derecha. Pueden ver que le cuesta llegar hasta arriba a la derecha, y luego se mueve mucho más fácilmente hacia abajo a la izquierda. Estamos probando muchos enfoques para mitigar este problema. Algunos ejemplos incluyen construir modelos con grandes conjuntos de datos de muchos días para intentar encontrar patrones de actividad neuronal que sean estables a través de los días. Otro enfoque que estamos probando es muestrear continuamente las estadísticas de la actividad neuronal en el implante y usar las últimas estimaciones para preprocesar los datos antes de introducirlos en el modelo. Esta es realmente un área activa de investigación para el equipo, y es un problema crítico que debemos resolver si queremos permitir que alguien con parálisis controle su computadora tan bien como yo puedo hacerlo. Otro gran problema que tenemos es minimizar el tiempo que tarda un disparo en el cerebro en afectar el movimiento del cursor en la pantalla. Si hay retraso o fluctuación en este bucle de control, el cursor se vuelve difícil de controlar, lo que lleva al tipo de sobrepasos que pueden ver aquí a la derecha. Una gran mejora que hemos logrado en esta dirección se llama bloqueo de fase. El bloqueo de fase alinea el borde de cada paquete que enviamos desde el implante con el momento exacto en que el radio Bluetooth va a despertar. Esto minimiza el tiempo que tarda un disparo en el cerebro en incorporarse a la predicción de nuestra red neuronal. Aquí pueden ver la distribución de latencia después del bloqueo de fase. No solo se redujo enormemente el promedio, sino que también se redujo la varianza. Esto hace que sea más fácil para el usuario predecir el comportamiento de su cursor. Durante el último año hemos hecho mejoras tremendas en la estabilidad y confiabilidad de nuestro sistema, y hemos podido demostrar un rendimiento alto y constante a lo largo de muchas sesiones y muchos meses. Sin embargo, todavía queda un largo camino por recorrer antes de que este sistema se sienta verdaderamente plug and play. Así que si resolver los problemas difíciles necesarios para lanzar esta tecnología les resulta emocionante, deberían considerar aplicar para unirse al equipo. Ahora le voy a dar la palabra a Avinash para que hable de cómo nuestro ASIC personalizado de bajo consumo detecta disparos en el cerebro.
Avinash (Neuralink)
Hola, soy Avinash, uno de los ingenieros del equipo de ASIC. Diseñamos los sensores neuronales personalizados, que incluyen circuitos tanto analógicos como digitales, para registrar y estimular a través de 1024 canales independientes. Enfrentamos desafíos en las tres áreas principales: rendimiento, consumo y espacio. No solo tenemos que meter los 1024 canales en un único implante del tamaño de una moneda, sino que también tenemos que medir actividad de disparo de menos de 20 microvoltios de amplitud. Y hoy me gustaría enfocarme en el último desafío que mencioné. El consumo de energía. El consumo de energía es importante para nosotros porque queremos darle a los futuros usuarios un día completo de uso de su implante sin ninguna interrupción para cargarlo. En 2018, enviábamos cada muestra de cada canal fuera del dispositivo para su procesamiento, lo que consumía una enorme cantidad de energía. En 2020, incorporamos la detección de disparos directamente en el chip. Como quizás sepan, las neuronas transmiten información disparando, así que simplemente monitorear estos disparos y enviar solo esos eventos de disparo fuera del implante actúa como una forma muy eficiente de compresión. Y durante los últimos dos años hemos seguido haciendo optimizaciones dentro del ASIC, reduciendo el consumo total de energía del sistema a solo 32 miliwatts y duplicando la vida de la batería. Veamos nuestro algoritmo de detección de disparos en el chip, que hace posible nuestros implantes alimentados por batería. Primero aplicamos un filtro de paso de banda de 500Hz a 5kHz para eliminar el ruido que está fuera de banda. Luego, usamos una estimación del piso de ruido para generar un umbral adaptativo por canal. Y finalmente, nuestro módulo detector de disparos identifica tres puntos clave de un disparo. Identificar tres puntos nos permite detectar no solo la presencia de un disparo, sino también su forma. Esto puede ser extremadamente importante para distinguir entre varias neuronas adyacentes a un solo canal. Hoy me gustaría enfocarme en una de las muchas optimizaciones que hemos hecho en nuestro último chip, esta en particular reduciendo el consumo del sistema en un 15%. Tengan en cuenta que las neuronas disparan relativamente con poca frecuencia, lo que significa que nuestro detector de disparos pasa mucho tiempo buscando el primer punto de un disparo y muy poco tiempo buscando los otros dos puntos de un disparo, que solo ocurren después de que se cruza correctamente el umbral. Podemos usar esta característica de la forma de onda de entrada para reducir los accesos a memoria dentro del chip en un 30%. Veamos cómo funciona eso. Nuestro detector de disparos está implementado como una única unidad funcional compartida entre todos los canales, con una SRAM para almacenar el estado de cada canal. Cuando llega una muestra, se lee el estado de su canal desde la SRAM, se ejecuta un paso incremental de detección de disparo, y luego el estado actualizado se escribe de vuelta en la SRAM. Como esto sucede 20 millones de veces por segundo en todo el implante, cada uno de estos accesos se suma rápidamente. En nuestro último chip, dividimos el estado en dos partes: un estado caliente y un estado frío. Se accede al estado caliente en cada ciclo, mientras que el estado frío solo se accede una vez que se cruza el umbral, reduciendo el ancho de acceso promedio y ahorrando energía. También estamos trabajando en un chip de próxima generación enfocado en la estimulación, con 4096 canales, dentro del mismo tamaño que nuestros chips actuales. Además de aumentar el número de canales, también estamos aumentando el voltaje de excitación para lograr mejor activación por canal. Y para soportar este mayor número de canales, así como una amplia gama de futuras aplicaciones de las que escucharán pronto, estamos añadiendo un núcleo ARM al chip. Y finalmente, como estos chips son del mismo tamaño que nuestros chips actuales, todavía podemos juntar cuatro de ellos en un solo implante, para un total de 16.000 canales. Todavía dentro del tamaño de una moneda. Como pueden ver, hemos estado trabajando muy duro para mejorar el consumo de energía dentro del implante. Pero también hemos estado trabajando muy duro para mejorar la experiencia de carga del implante, de lo cual hablará Matt. Pero primero, el robot acaba de terminar de insertar los 64 hilos, así que echemos un vistazo. Esta es una vista del sitio de inserción, similar a la que DJ les mostró antes. Pero en lugar de las retículas de orientación, si miran de cerca, pueden ver que los 64 hilos, cada uno con 16 electrodos, han sido insertados en el cerebro sustituto evitando la vasculatura. Y todo en solo los últimos 20 minutos. Pasémosle la palabra a Matt ahora
Sam (Neuralink)
para continuar con el repaso técnico profundo.
Matt (Neuralink)
Hola, soy Matt, jefe de Ingeniería Eléctrica de Interfaces Cerebrales. Nuestro dispositivo N1, totalmente implantable, depende de una batería para su funcionamiento continuo. Cuando esa batería está baja, la carga se realiza mediante transferencia de energía inalámbrica. Sin embargo, a diferencia de muchos dispositivos electrónicos de consumo que simplemente pueden ofrecer un conector físico, cargar un dispositivo totalmente implantable presenta varios desafíos únicos. Primero, el sistema debe funcionar en un amplio volumen de carga sin depender de imanes para una alineación perfecta. El sistema debe ser resistente a las perturbaciones y completar la carga rápidamente para no ser demasiado incómodo. Sin embargo, lo más importante es la seguridad en el contacto con el tejido cerebral. La superficie exterior del implante no debe elevarse más de 2 grados centígrados. En busca de estos objetivos, nuestro sistema de carga ha pasado por varias iteraciones de ingeniería. La primera, si vieron nuestra demostración con el cerdo en agosto de 2020, Gertrude fue implantada con una versión del N1 cargada con nuestro cargador de primera generación. Este dispositivo se implementó en un pequeño paquete tipo disco y luego se separó en una bobina remota y una base de batería. Este cargador era difícil de usar. Sin embargo, aprendimos mucho con su implementación. Nuestro cargador de producción actual, que carga nuestra generación actual de implantes, está implementado en una base de batería de aluminio que también incluye el circuito de excitación. Una bobina remota cuatro veces más grande que la de nuestro dispositivo original. También desconectable, esta bobina remota tiene una frecuencia de conmutación aumentada, lo que mejora el acoplamiento de la bobina. Este cargador está en uso hoy en día, incluso en varias aplicaciones dentro de nuestras instalaciones de ingeniería y pruebas con animales. Me gustaría mostrarles una de estas aplicaciones aquí. Con un dispositivo que llamamos nuestro cargador simple, y la bobina ha sido incorporada al hábitat. Con la adición de un nuevo bucle de control externo más una bomba de batido de banana, el grupo ha sido entrenado para cargarse a sí mismos. Así que veamos cómo Pager carga su implante. A la derecha, estamos transmitiendo diagnósticos en tiempo real del N1 de Pager. Cuando sube y se sienta debajo de la bobina, pueden ver que el cargador detecta automáticamente su presencia y pasa de buscar a cargar. Vemos la salida de energía regulada en una escala de 0 a 1, y la corriente que entra en esta batería. Mencioné antes que mejoramos el acoplamiento de la bobina. Sin embargo, las bobinas de alto factor de calidad muestran un buen rendimiento de carga a distancias relativamente más grandes. Pero a medida que se acercan al implante, lo que se ve es un efecto de división de picos, donde la mejor transferencia de energía, de mayor eficiencia, se desplaza hacia frecuencias más altas, fuera de la banda ISM requerida para cumplir con las emisiones radiadas reguladas. En nuestro cargador de próxima generación. Abordamos este problema con la introducción del ajuste dinámico, que se muestra a la derecha. Esto nos permite ajustar en tiempo real la frecuencia de resonancia de las bobinas transmisora y receptora, de modo que podamos cambiar sus propiedades justo antes de que el rendimiento se degrade. El equipo de ingeniería eléctrica está actualmente desarrollando un cargador de tercera generación. Las mejoras notables incluyen comunicación de campo cercano bidireccional. Esto nos ha permitido reducir la latencia de control y mejorar la regulación térmica. Una mejor regulación térmica resulta en tiempos de carga más rápidos. Y ahora Julian nos va a contar cómo probamos el N1.
Julian (Neuralink)
Muchas gracias, Matt. Mi nombre es Julian y dirijo el grupo de software embebido en el equipo de Interfaces Cerebrales. Así que cuando empezamos a construir implantes, teníamos una pequeña línea de fabricación, y para recolectar datos de un implante, uno caminaba manualmente hasta allí con su laptop, se conectaba y recolectaba los datos de interés. Pero nuestra meta es hacer un implante ultraseguro y ultraconfiable. Y para lograr esto, ampliamos la línea de fabricación, nuestras pruebas, la capacidad de procesamiento y nuestras capacidades de recolección de datos. Así que, primero, agregamos un gran conjunto de pruebas de aceptación a la línea de fabricación. Estas prueban la funcionalidad de cada componente y el ensamblaje final. Los implantes que salen de la línea son luego sometidos a pruebas de laboratorio, pruebas de vida acelerada y modelos animales. Luego recolectamos datos de estos implantes las 24 horas del día. Estos datos son procesados por una serie de servidores en la nube y mostrados de forma agregada. Y finalmente, toda esta información retroalimenta nuestro proceso de diseño y permite a nuestros ingenieros responder cualquier pregunta sobre cualquier implante en cualquier momento. Ahora les voy a mostrar las diferentes partes de esta infraestructura, comenzando con las pruebas de firmware. El implante contiene un pequeño microprocesador que ejecuta firmware para gestionar un montón de sus operaciones. Y antes de lanzar una actualización de firmware, queremos probarla rigurosamente con pruebas unitarias y pruebas de hardware en el bucle, también conocidas como pruebas HIL. Así que para hacer una prueba HIL, lo que se hace es instrumentar la batería, instrumentar los rieles de energía, el microprocesador, y luego nos conectamos a cada dispositivo con un cliente Bluetooth, y luego llevamos a los dispositivos a través de varios escenarios para probar cosas como el consumo de energía, el rendimiento en tiempo real, los sistemas de seguridad, los mecanismos de recuperación ante fallas, muchas cosas diferentes. En nuestra implementación original de estos sistemas, usamos componentes comerciales listos para usar para empezar a automatizar las pruebas rápidamente. Sin embargo, estos sistemas se construyeron de una manera bastante artesanal y eran muy difíciles de mantener. Y esto significó que las pruebas rápidamente se convirtieron en el cuello de botella del desarrollo. Así que, para aliviar esto, los equipos de hardware y software desarrollaron un nuevo sistema que integra todos los componentes necesarios en una sola placa base. Luego podemos poner el hardware del cargador y del implante en módulos individuales que se conectan a esta placa base, incluyendo una placa con bobinas opuestas, para poder probar el rendimiento de carga. Esta arquitectura nos permite iterar rápidamente diferentes prototipos de hardware, porque simplemente podemos insertarlos en el sistema y reutilizar toda la infraestructura de pruebas. Además, podemos alojar la generación actual y la siguiente de nuestros ASIC neuronales en FPGAs y conectarlos también a esta placa. Y eso nos permite probar toda una capa adicional. Así es como generamos esta imagen bastante curiosa que ven aquí a la derecha. Lo que están viendo es actividad de disparo emitida por algunos de nuestros sensores neuronales simulados, transmitida a través de todo el sistema por Bluetooth y luego mostrada en un teléfono. Esto nos permite probar todo en un solo sistema, desde el chip hasta la nube. Este sistema cuesta un quinto, ocupa un quinto del volumen y es muy fácil de fabricar. Esto permite que cada desarrollador tenga una unidad personal en su escritorio, y también nos permite dividir todo el conjunto de pruebas entre un gran número de estas unidades montadas en un rack. Todo esto ha acelerado enormemente nuestro ritmo de desarrollo. Veamos ahora cómo monitoreamos la electrónica del implante, la batería y la carcasa. El implante captura periódicamente todos sus signos vitales y los guarda en la memoria flash. Y luego, en la siguiente conexión con una de nuestras estaciones de registro, transmite esos datos. Así que, por ejemplo, si observamos la humedad, podemos entender la integridad de la carcasa del implante. Y al observar el voltaje de la batería y las mediciones de energía, podemos evaluar la salud de la batería. Todo esto se hace automáticamente, sin ninguna intervención, lo que nos da visibilidad 24/7 sobre la calidad de cada dispositivo. Además, podemos usar esta infraestructura para solicitar información de alta fidelidad a demanda, de modo que podamos investigar diferentes situaciones anómalas. Así que, por ejemplo, en este escenario en particular, estábamos tratando de rastrear el origen de algunos disparos espurios que observábamos en diferentes canales. Y entonces solicitamos muestras de onda sin procesar directamente de esos canales. Capturar señales neuronales de buena calidad requiere electrodos intactos de baja impedancia. Y esto es también algo que monitoreamos muy de cerca con circuitos dedicados en el sensor neuronal. ¿Cómo lo hacemos? Lo hacemos usando primero un DAC integrado para reproducir un tono de prueba en un solo canal. Y luego registramos, usando nuestros ADC simultáneamente, la señal de respuesta tanto en ese canal como en los canales físicamente adyacentes. No solo podemos medir la impedancia de cada canal con esto, sino que también podemos relacionar diferentes fenómenos físicos con diferentes firmas características. Así que, por ejemplo, un canal abierto aparecerá como una respuesta muy grande en ese canal, y los cortocircuitos aparecerán como una respuesta grande en los canales vecinos. Al observar la pureza de la señal que regresa, también podemos validar que el extremo analógico del propio sensor neuronal esté funcionando. En nuestra implementación original de estos escaneos de impedancia, tardaba cuatro horas en recorrer los 1.000 canales. Pero al paralelizar las pruebas, submuestrear, filtrar, y luego reducir la cantidad de información que tenemos que transmitir fuera del dispositivo, moviendo buena parte del cálculo al firmware, ahora podemos escanear los 1.000 canales en solo 20 segundos. Esto significa que podemos ejecutar la medición de impedancia en cada implante todos los días. Y luego nuestros paneles internos pueden reproducir un historial de esta impedancia, de modo que podamos obtener una perspectiva cuantitativa realmente buena sobre esa interfaz entre la biología y la electrónica. Ahora que tienen una idea de cómo probamos y monitoreamos nuestros implantes, le voy a dar la palabra a Josh, que les va a contar cómo obtenemos retroalimentación aún más rápido acelerando nuestros implantes hasta el fallo.
Hola, mi nombre es Joshua Hess y soy ingeniero en el equipo de Interfaces Cerebrales. Somos responsables del diseño del sistema del implante, así como de muchas de las herramientas de fabricación y pruebas. Julian les habló un poco sobre algunas de las formas en que probamos la electrónica, el hardware y el software de nuestro implante. Pero, ¿qué pasa con todo el sistema en lo que respecta a la longevidad en el tejido? Una de las formas en que hemos abordado esto es con el desarrollo de nuestro sistema interno de pruebas de vida acelerada. El sistema nos permite acelerar y capturar modos de fallo de larga duración del implante a escala, para aumentar rápidamente nuestro ritmo de iteración. Mejor aún, el sistema también reduce significativamente la cantidad de pruebas que requieren modelos animales, tanto para prototipos de implantes como, por supuesto, para las pruebas de longevidad. Entonces, ¿cómo funciona el sistema? A un nivel muy básico, se reduce a tres cosas. Primero, queremos imitar la química interna del tejido. Luego, queremos acelerar estas interacciones químicas, así como la difusión con los materiales de nuestro implante. Y finalmente, queremos ciclar agresivamente la electrónica interna de nuestro implante con estas cosas; principalmente con las dos primeras hemos logrado un factor de aceleración conservador de 4 veces, según la relación de Arrhenius. En otras palabras, cada día que nuestros implantes pasan en nuestro sistema acelerado equivale a al menos cuatro días en un organismo vivo. Históricamente, uno de nuestros mayores desafíos ha sido la batalla contra la entrada de humedad en nuestros implantes. Así que monitoreamos continuamente la humedad interna para detectar un aumento anormal. Aquí en blanco pueden ver algunos datos de humedad interna de implantes en algunos de nuestros animales durante más de un año. Como pueden ver, nuestra detección de humedad interna es tan sensible que puede detectar incluso el aumento de humedad muy pequeño y lento que proviene simplemente de la difusión a través de los materiales de nuestro implante. Ahora, en azul, pueden ver esos mismos datos de humedad interna, pero de dispositivos en nuestro sistema acelerado. Ahora, si ajustamos estos datos por nuestro factor de aceleración, pueden empezar a ver no solo la coincidencia entre estos datos, sino también hasta qué punto se extienden hacia el futuro. Ahora, en rojo pueden ver un dispositivo que falló en nuestro sistema acelerado. Este dispositivo mostró un aumento anormal de humedad durante muchos meses antes de que ocurrieran fallos electrónicos en el implante. Entonces, ¿cómo construimos este sistema? Bueno, empezamos a construir el primer prototipo del sistema justo después de que comenzara el cierre por COVID, a principios de 2020. Así que tuvimos que ser un poco creativos. Como pueden ver, nuestro primer prototipo del sistema era bastante improvisado y funcionaba en uno de nuestros apartamentos, como indica la alfombra. Aunque era improvisado, el sistema nos dio el camino más rápido para empezar a probar nuestros dispositivos, ajustar la química de nuestro fluido de trabajo y verificar nuestras restricciones. También empezamos de inmediato a buscar la causa raíz de los fallos observados en los primeros prototipos de implantes, incorporamos esa información en los siguientes diseños de prototipos y, literalmente, repetimos el ciclo durante solo unos pocos meses. El sistema se construyó de forma totalmente personalizada y con muchas iteraciones, con dos versiones del sistema y un sinfín de iteraciones menores, que nos llevaron a nuestro actual sistema de tercera generación, que logra pruebas de alta densidad con carga automática dentro del recipiente, así como recolección automática de datos. El sistema también incluye un ensamblaje de trineo para el implante que acepta material de cerebro sustituto, de modo que el implante pueda ser instalado e insertado por el robot quirúrgico, tal como vieron hace unos minutos. También integramos el sistema en un formato de rack de alta densidad, junto con un sistema centralizado de gestión de fluidos, tanto para la uniformidad química entre recipientes como para reducir el mantenimiento operativo. El sistema ha estado en funcionamiento durante el último año y medio y ha tenido su buena cantidad de desafíos. Dado que el propio sistema está sometido al mismo abuso acelerado que los implantes dentro de él, ha sido extremadamente difícil diseñar, construir y mantener un sistema de esta escala manteniéndolo robusto incluso frente a sí mismo. ¿Entonces qué sigue? Bueno, hemos comenzado a trabajar en nuestro sistema de cuarta generación y lo hemos rediseñado por completo desde cero para que sea un diseño de un solo implante por recipiente, intercambiable en caliente, parcialmente inspirado en servidores informáticos de alta densidad. Con este nuevo sistema, alcanzaremos un nivel completamente nuevo de densidad, robustez y escala. También pretendemos tener muchos de estos sistemas operativos para poder capturar incluso los modos de fallo de casos extremos de menor frecuencia. Con esto, tendremos miles de implantes en prueba en busca de estos objetivos. Ya hemos comenzado a trabajar en la construcción del sistema, pero todavía queda mucho por hacer. También hay muchos desafíos interesantes por delante, como introducir estrés mecánico, micromovimiento del cerebro sustituto y replicar el crecimiento de tejido alrededor de los hilos para lograr pruebas aceleradas más completas y representativas. Así que ahora que han escuchado algunas de las formas en que probamos rigurosamente los diseños de nuestros implantes antes de la producción para la cirugía. Christine ahora los va a guiar a través de una mirada detallada de nuestro proceso quirúrgico.
Christine (Neuralink)
Gracias, Josh. Hola a todos. Soy Christine, líder del equipo de ingeniería de cirugía. Para obtener un dispositivo N1, básicamente son estos pasos. Orientación e incisión, perforar la craniectomía, retirar la capa meníngea externa dura llamada duramadre, luego insertar los hilos finos y flexibles de los electrodos, colocar el implante en el agujero que creamos, y eso es todo. Tienes un implante bajo la piel. Mira, mamá, sin cables. Es broma. Es decir, en serio, sin cables. Pero en realidad yo no tengo uno. El robot quirúrgico hace la parte de la inserción de los hilos de la cirugía. Esto es porque sería muy difícil hacerlo manualmente. Imaginen tomar un cabello de su cabeza e intentar meterlo en gelatina cubierta con papel film, haciéndolo a una profundidad y posición precisas, y haciendo esto 64 veces dentro de un tiempo razonable. Y no. Al neurocirujano probablemente no le gustaría mucho que le pidiéramos hacer esto durante la cirugía. Así que tenemos al robot que vieron haciendo su pequeño baile. Como que quería llamarlo Tiny Dancer, pero se llama R1, que también es genial. El resto de la cirugía lo hace el neurocirujano. Para que podamos lograr un procedimiento accesible y asequible, necesitamos reconsiderar esto. Les voy a decir por qué. Cuando yo estaba en la escuela, mi papá perdió la capacidad de caminar, de usar los brazos e incluso de hablar. Le diagnosticaron ELA. Buscábamos en internet y, como mucho, veíamos a una persona aquí o allá que tenía algún dispositivo robótico asistencial personalizado interesante. Pero era profundamente frustrante. Qué limitadas eran las opciones disponibles para él. Y hay cientos de miles de personas con paresia, sin contar siquiera a las personas con otras afecciones que nuestro dispositivo podría ayudar. Mientras tanto, no hay tantos neurocirujanos, quizás unos 10 por cada millón de personas. Y se necesita aproximadamente una década o más para formar a un neurocirujano, y por lo general ya están muy ocupados. Y como se pueden imaginar, el tiempo es muy costoso. Así que, para que podamos hacer el mayor bien posible y tener un procedimiento asequible y accesible. Un procedimiento. Necesitamos averiguar cómo un solo neurocirujano podría supervisar muchos procedimientos al mismo tiempo. Esto puede sonar un poco una locura, pero probablemente también lo parecía la cirugía láser de ojos antes de que el Lasik la hiciera algo normal. El Lasik existe desde hace unos 30 años y sigue vigente. Al principio, el robot láser solo hacía la parte más fundamental, la más básica, y el cirujano hacía el resto. Y, con las iteraciones, el cirujano tiene que hacer cada vez menos, y el robot láser hace la mayor parte. Y es un procedimiento muy atractivo, toma solo unos minutos y a menudo da resultados que cambian la vida. Desde que me uní en 2017, también hemos hecho varias iteraciones para optimizar las inserciones de hilos del robot. Uno de los desafíos que hemos tenido que enfrentar tiene que ver con el empaquetado optomecánico. Así que, como pueden ver aquí, hay unos tres caminos ópticos principales que son realmente valiosos para tener inserciones de hilos confiables. Uno es la imagen visible de la aguja insertando un hilo. Y otro es el sistema de interferometría láser llamado tomografía de coherencia óptica. Eso nos da la posición precisa del cerebro mientras se mueve en tiempo real. Y también tenemos que proporcionar iluminación para ver lo que está pasando en la cámara de luz visible. Y hacer todo esto, donde la aguja está en el fondo de la craniectomía, especialmente cuando está cerca de la pared del cráneo, puede ser bastante difícil para que todo encaje y se pueda ver. Así que la forma en que el equipo resolvió esto fue poniendo estos tres caminos ópticos en una sola pila óptica usando magia de fotones, o polarización, como quieran llamarlo. Y eso nos permite hacer la evitación de vasos en tiempo real. Como mencioné, el cerebro se está moviendo, y donde colocamos los objetivos al principio puede no ser donde se quiere insertar en el momento en que la aguja está bajando. Así que el robot puede detectar los vasos y luego determinar si vamos a insertar sobre un vaso o no, si es seguro insertar. Y de esa manera podemos evitar insertar sobre vasos principales. Y eso nos lleva al robot que tenemos aquí hoy. Todavía queda mucho por hacer para llegar a ese procedimiento donde reducimos el papel del neurocirujano y lo hacemos asequible y accesible. Los dos elementos principales de la cirugía que exigen más habilidad del neurocirujano son la craniectomía y la durectomía. Alex y Sam les van a contar un poco más sobre cómo creemos que podemos eliminar el paso de la durectomía. Así que queda la craniectomía. En neurocirugía, si la craniectomía es lo suficientemente pequeña, se puede usar una herramienta estándar llamada perforador, que hace rápidamente este trabajo de corte. Pero para una craniectomía más grande, el cirujano tiene que depender de su habilidad para adaptarse a la variabilidad, de paciente a paciente, en el grosor y la dureza del cráneo; incluso dentro del mismo paciente, en la misma craniectomía, se pueden tener diferentes grosores de cráneo, por ejemplo. Además, si podemos crear algo que haga una craniectomía de muy alta precisión, podemos ampliar el espacio de diseño para futuras formas de montar el implante en el cráneo. Así que. Así que les voy a mostrar algunos de nuestros prototipos. Los cortadores ultrasónicos, como el que está en la pantalla, y los cortadores oscilantes tienen la ventaja de no cortar tejido blando. Se puede cortar el hueso y no el cerebro, pero, sin embargo, como pueden ver aquí, nuestro prototipo de cortador ultrasónico generó bastante calor al cortar a la velocidad que queríamos. Así que, pasando a la sierra oscilante, aquí diseñamos una hoja para minimizar el tiempo de corte y también el sonido conducido y el calentamiento. Y como pueden ver, se puede cortar a través de cosas duras como el hueso, pero no a través de cosas blandas como la piel. Es simple y funciona. Sin embargo, si uno quisiera cortar a una profundidad arbitraria o con una forma arbitraria, la sierra oscilante simplemente no sirve. Tenía miedo de que nadie entendiera el chiste. Son ustedes muy listos. Así que hay una solución probada por el tiempo para perforar formas arbitrarias, que es un taladro CNC. El desafío para nosotros al hacer esto en una persona es que necesitamos asegurarnos de que corte de manera confiable cada vez, sin cortar demasiado profundo. Y algunas de las formas en que usamos la retroalimentación para asegurarnos de no cortar a través del cerebro son la retroalimentación de fuerza y también la impedancia. Y si pudiera tener un voluntario. No, es broma. Quizás la próxima vez. Pero bueno. Así que esto les da una idea de algunas de las cosas en las que estamos trabajando para lograr un procedimiento accesible y asequible. Y ahora Alex les va a contar un poco sobre nuestros desarrollos de próxima generación.
Alex (Neuralink)
Gracias, Christine. Soy Alex. Soy ingeniero mecánico aquí, en el equipo de robótica. Ahora que hemos cubierto la tecnología y el proceso quirúrgico del dispositivo actual, nos gustaría cubrir algunos de nuestros proyectos de desarrollo de próxima generación. Yo, junto con los próximos oradores, quisiera hablar de uno de esos proyectos, que es habilitar la actualización del dispositivo. Han podido escuchar sobre los avances que hemos logrado durante el último año. Hemos mejorado la robustez del implante, el rendimiento de la batería y la carga, y la usabilidad del Bluetooth. Realísticamente, cada nueva versión del dispositivo va a ser significativamente mejor. Será más funcional, durará más. Necesitamos mantener esta nueva tecnología accesible para nuestros primeros usuarios. Esto significa que necesitamos una solución para que actualizar o reemplazar el dispositivo sea tan fácil como instalarlo inicialmente; como muchas empresas de dispositivos médicos han descubierto, este es un problema difícil. La respuesta de curación del cuerpo no facilita esto. Así que esto todavía no está resuelto. Pero hemos hecho un progreso significativo para lograrlo, y queremos contarles sobre eso hoy. Ahora tenemos que empezar con algo de contexto sobre qué hace que la actualización del dispositivo sea un desafío. Y vamos a comenzar con la anatomía. Bajo la piel, está el cráneo. Debajo de eso, la duramadre, una membrana resistente que separa el hueso del cerebro. Y entre la duramadre y el cerebro, está el complejo piaracnoideo, una suspensión llena de líquido para el cerebro. Para instalar el dispositivo, el cirujano retira un disco de cráneo y duramadre para exponer la superficie del cerebro. Luego el dispositivo reemplaza el material retirado. El desafío está aquí, en esta interfaz. Durante meses, todo el volumen vacío se llena de tejido que encapsula el dispositivo y los hilos. El dispositivo sería trivialmente fácil de retirar debido al pequeño tamaño de los hilos; simplemente se deslizarían fuera del cerebro. Es la capa de tejido que se forma sobre la superficie la que hace que la extracción sea un desafío. Construimos herramientas internas para estudiar esta respuesta y caracterizarla, como histología y micro TC. En estas imágenes pueden ver esa capa de tejido que se formó sobre la superficie, encapsulando los hilos y adhiriéndose al tejido circundante. Hemos explorado muchas vías diferentes para diseñar en torno a este proceso de curación y encontrar una solución que haga que las actualizaciones del dispositivo sean fluidas. Nuestros mayores éxitos han venido de hacer el procedimiento menos invasivo. En lugar de exponer directamente la superficie del cerebro, dejamos la duramadre en su lugar, manteniendo la barrera protectora natural del cuerpo. Esto evita la encapsulación en la superficie del cerebro. Y esto, de hecho, es una gran ventaja para hacer que la cirugía sea más simple y más segura. Sin embargo, como mencionó Christine, esto no sale gratis. La duramadre es una membrana muy resistente y opaca. Como pueden ver en estas imágenes de microscopía electrónica de barrido. Está compuesta por una red densa de fibras de colágeno. Estas presentan una serie de desafíos técnicos para insertar nuestros electrodos. Uno de esos desafíos es generar imágenes a través de la duramadre. Como pueden ver a la izquierda, nuestros sistemas ópticos personalizados actuales ofrecen capacidades bastante increíbles para obtener imágenes de la superficie cerebral expuesta. Sin embargo, como pueden ver a la derecha, una vez que la duramadre está en su lugar, no se puede ver la densa vasculatura en la superficie del cerebro. La duramadre está en el camino. Simplemente hay demasiada atenuación. Para resolver este problema, estamos desarrollando un nuevo sistema óptico que usa un tinte fluorescente de uso médico estándar para obtener imágenes de los vasos debajo del tejido. Aquí pueden ver ese tinte difundiéndose a través de los vasos, resaltándolos. Todavía queda mucho trabajo de ingeniería por hacer para demostrar la precisión y repetibilidad de este sistema, pero una vez que esté listo, esto nos permitirá apuntar y evitar los vasos sanguíneos debajo de la duramadre. También estamos explorando aplicar nuestro sistema de imágenes láser a estructuras de tejido más profundas. Abajo a la izquierda pueden ver una sección de las capas de tejido debajo de la duramadre. Esta imagen se compila a partir de múltiples volúmenes de nuestro sistema de tomografía de coherencia óptica. Pueden ver el collage de esos volúmenes arriba. En el futuro, estos nuevos sistemas, combinados con una correlación con imágenes preoperatorias como la resonancia magnética, permitirán una orientación precisa sin exponer directamente la superficie del cerebro. Ahora bien, la obtención de imágenes no es el único desafío que viene con una anatomía dural tan resistente. Ahora le voy a dar la palabra a Sam para que hable de algunos de los desafíos de insertar nuestros electrodos a través de esta membrana.
Sam (Neuralink)
Gracias, Alex. Hola, soy Sam y dirijo el equipo de diseño y fabricación de agujas. Así que, como mencionó Alex, las mismas propiedades de la duramadre que la hacen un buen protector del cerebro también hacen que sea realmente difícil para nosotros insertar los hilos a través de ella. En humanos, la duramadre puede tener más de un milímetro de grosor, lo cual no suena a mucho, pero comparado con nuestras agujas de 40 micrones, en realidad es bastante. Por ejemplo, si escaláramos las agujas al tamaño de un lápiz, la duramadre se escalaría a más de 10 centímetros de grosor. Miren cuánto hay que acercar el zoom para poder verla siquiera. Para cuando los detalles de la aguja entran en cuadro, se pueden ver glóbulos rojos individuales en el mismo cuadro. Esto es, esto es solo.
Sam (Neuralink)
Esta es una imagen real de microscopía electrónica de barrido de nuestro diseño más reciente. A la izquierda pueden ver el extremo del hilo. En el medio está la aguja, y a la derecha hay en realidad un trozo de mi cabello. Así que, sí, es extremadamente pequeño. Y además de ser realmente pequeño, hay muchos otros desafíos asociados con diseñar esto. Un desafío es que tenemos que usar la aguja y la cánula protectora en la que se encuentra para agarrar el hilo y sostenerlo mientras lo despegamos de este soporte de silicio protector. Y luego tenemos que seguir sosteniéndolo mientras lo llevamos hasta la superficie y después lo liberamos de la cánula durante la inserción. Otro desafío es que el cerebro es realmente blando debajo de la resistente duramadre. Y entonces, si la aguja no es lo suficientemente afilada, simplemente seguirá hundiendo la superficie sin perforarla. Y si esta longitud libre se vuelve demasiado larga, en realidad puede llegar a doblar la aguja así. Otro desafío es que no solo tenemos que hacer pasar la aguja, también tenemos que hacer pasar el hilo. Así que realmente tenemos que enfocarnos en optimizar el perfil combinado de la aguja y el hilo juntos. Estos son solo algunos de los desafíos asociados con diseñar algo como esto. Y hasta ahora, hemos descubierto que la clave para resolver este problema ha sido mejorar nuestra velocidad de iteración. Pero veamos primero cómo hacemos estas cosas. Así que comenzamos con un tramo de alambre de 40 micrones hecho de tungsteno y aleado con un poco de renio para mayor ductilidad. Diseñamos esta fresadora láser de femtosegundos internamente para cortar las características de la aguja y la cánula, y puede hacerlo con precisión submicrométrica. Pasamos mucho tiempo este año convirtiendo esto de un proyecto científico en un sistema industrial. Hace apenas un par de meses, a un operador capacitado le tomaba 22 minutos hacer una aguja, e incluso un operador capacitado solo lograba alrededor de un 58% de rendimiento. Hoy, ese mismo proceso toma solo seis minutos, y cualquiera puede lograr un 91% de rendimiento con solo unos minutos de entrenamiento. Con un solo clic, la fresadora corta y mide la aguja y la cánula, y carga las mediciones a nuestro sistema LIMS, de modo que los robots puedan usar las dimensiones exactas de cada aguja que utilizan. Ahora bien, todo esto es para nuestro diseño actual, y hemos tenido un par de años para optimizar su proceso de fabricación. El diseño actual nos ha servido bien hasta ahora, pero no protege el hilo lo suficientemente bien para atravesar la duramadre gruesa. Así que, como dije, tuvimos que crear algo nuevo, y necesitábamos poder iterar diseños rápidamente. No es de extrañar que no haya ninguna página en los manuales de maquinaria para este tipo de cosas. Así que nos sumergimos en la ciencia de la ablación con láser de femtosegundos y encontramos un flujo de trabajo que nos permite usar nuestra fresadora láser de forma muy similar a una fresadora CNC. Esto nos permite iterar varias veces. Esto nos permite iterar en menos de una hora para diseños nuevos, lo que permite varias iteraciones por día cuando estamos realmente en racha. Como resultado, el último diseño, que todavía se ve a la derecha, puede en realidad insertarse a través de nueve capas de duramadre simulada, totalizando tres milímetros, en el banco de pruebas. Esto es muchísimo más de lo que jamás podríamos esperar en un humano, con un margen significativo. Sin embargo, la aguja no es la única pieza del rompecabezas. Como se pueden imaginar, todos estos diseños aquí funcionan con hilos diferentes. Así que necesitamos una forma de iterar en eso también. Y lo hacemos teniendo nuestro proceso de microfabricación aquí mismo, internamente. Este verano reconstruimos por completo nuestra sala limpia en aproximadamente nueve semanas, lo que, entre otras cosas, redujo enormemente los recuentos de partículas, lo que permite que el rendimiento y el procesamiento aumenten enormemente. Esto, combinado con todas las demás grandes mejoras que ha hecho el equipo de microfabricación, nos permite iterar en nuevos diseños en solo cuestión de días. Sin embargo, la última pieza del rompecabezas es la prueba. Podemos crear tantos diseños nuevos como queramos, pero a menos que tengamos una forma de probarlos realmente en las condiciones correctas, no sabremos qué ajustar. O, peor aún, pasaremos tiempo optimizando las cosas equivocadas. Tomemos este modo de fallo, por ejemplo. Hace unos meses, llegamos al punto en que podíamos insertar de manera bastante confiable a través de la duramadre. Pero cuando tomamos los sustitutos y los pusimos en nuestras imágenes de micro TC, nos dimos cuenta de que nuestro agarre en el extremo de los hilos era en realidad demasiado fuerte, y los estábamos sacando un poco por debajo de la superficie de inserción. Para cuando resolvimos el problema, nos dimos cuenta de que este problema era muy sensible a las propiedades del material o tejido circundante. Podíamos hacer un sustituto donde esto nunca sucedía, y podíamos hacer otro sustituto donde esto sucedía todas las veces. Y esto resalta por qué es crucial que dediquemos tiempo a hacer que nuestras pruebas de banco se parezcan al tejido con la mayor precisión posible. Y ahora le voy a pasar la palabra a Leslie, que va a hablar sobre cómo hemos estado haciendo eso. Gracias.
Leslie (Neuralink)
Hola, soy Leslie y dirijo la investigación y desarrollo de microfabricación. Y parte de lo que nos interesa es entender el entorno biológico que experimentan nuestro implante y nuestros hilos una vez que están completamente instalados en el cuerpo. Sin embargo, aprender directamente de la biología es, por naturaleza, lento. Así que, para avanzar rápido, estamos desarrollando materiales sintéticos que imitan el entorno biológico. Esto nos permite aprender todo lo posible en el banco de pruebas y empezar a alejarnos del estándar de la industria de las pruebas con animales. Sin embargo, desarrollar sustitutos precisos es un desafío. El entorno del implante está compuesto por muchas capas anatómicas, todas con propiedades únicas. Y a medida que pasa el tiempo y el sitio del implante se cura, se forma nuevo tejido que llena cualquier espacio disponible. Además de eso, el movimiento relacionado con la actividad cardiovascular y el movimiento de la cabeza introducen complejidad adicional. Así que, para empezar a abordar algunos de estos desafíos, estamos diseñando materiales usando retroalimentación de la biología. Esto puede implicar la caracterización mecánica del tejido o el análisis de interacciones en las interfaces hilo-tejido. Gran parte de esta caracterización se hace incluso durante la propia cirugía, usando hardware y software personalizados que modifican nuestro robot quirúrgico para que funcione también como una herramienta sensible de caracterización. Luego usamos los datos recolectados y los retroalimentamos para optimizar nuestros materiales, de modo que se comporten mecánica, química y, como se muestra aquí, estructuralmente, igual que la biología. Hemos recorrido un largo camino desde nuestro humilde primer cerebro sustituto, mostrado aquí sobre un plato y compuesto de agar y una lámina de parafilm. Y aunque simple, nos permitió perfeccionar las inserciones del robot a través de innumerables pruebas de banco. Hoy, nuestro sustituto es un poco más complejo; hemos pasado a un cerebro sustituto compuesto basado en hidrogel que imita mejor el módulo del cerebro humano real. También hemos incorporado un sustituto de la duramadre y desarrollado un sustituto de tejido blando inyectable que, hasta ahora, nos ha permitido realizar pruebas simuladas de extracción en el banco. Tenemos una lista de deseos súper larga para nuestro sustituto del futuro, pero algunos de esos elementos incluyen un sustituto quirúrgico con tejido blando, cerebro, hueso, piel integrados, o incluso un cuerpo entero. Un cerebro sustituto que simule movimiento, actividad vascular y electrofisiológica, y un sustituto biológico para probar la biocompatibilidad y la estimulación eléctrica. Hay una enorme cantidad de trabajo en curso que nos acerca a nuestro sustituto del futuro, incluido el trabajo con organoides cerebrales cultivados en laboratorio, como se muestra aquí. Y todo esto nos acercará a un futuro en el que aprendamos más e iteremos más rápido en el banco de pruebas, reduciendo nuestra dependencia de modelos animales o incluso, algún día, reemplazándolos por completo. Y con esto, le paso la palabra a Dan, que va a presentar una aplicación de próxima generación muy interesante. Gracias.
Dan (Neuralink)
Gracias, Leslie. Mi nombre es Dan y llegué a trabajar en Neuralink después de seguir una carrera en investigación de neurociencia visual.
Dan (Neuralink)
Me inspiré para unirme a esta empresa porque vi en nuestro dispositivo el potencial de restaurar la visión a personas que quedaron ciegas por una lesión ocular o una enfermedad. Hay varias características particulares de nuestro dispositivo que lo hacen especialmente adecuado para esta aplicación. En primer lugar, además de poder registrar desde cada canal, podemos estimular la actividad neuronal en el cerebro inyectando corriente a través de cada canal. Esto es importante porque nos permite evitar el ojo y generar directamente una imagen visual en el cerebro. En segundo lugar, nuestro dispositivo puede tener una enorme cantidad de electrodos para una prótesis visual. Esto es importante porque, cuantos más electrodos se puedan tener, mayor será la densidad de la imagen que se puede crear en el cerebro. En tercer lugar, gracias a nuestro robot, podemos insertar estos electrodos profundamente en el cerebro. Esto es algo importante para una prótesis visual, porque la corteza visual humana está enterrada profundamente en un pliegue de la cara medial del cerebro llamado surco calcarino. En esta imagen he resaltado el surco calcarino en rojo en una resonancia magnética. Contiene un mapa del mundo visual, del campo visual. Tiene un área de superficie aproximadamente igual a una tarjeta de crédito en cada lado. Y si lo despliegan y lo aplanan, ven que la imagen está invertida, está al revés, pero más interesante aún, está distorsionada, de modo que la parte central del campo visual, el punto de fijación, está enormemente ampliada. Así que, por ejemplo, si miran esta imagen de Lincoln, si miran directamente a su ojo derecho, todo lo que está a la izquierda de ese punto de fijación se dirige a su corteza visual derecha, y todo lo que está a la derecha va a su corteza visual izquierda. Su ojo, aunque es muy pequeño en la imagen, se amplía en el cerebro hasta ocupar casi un cuarto del área de superficie de la corteza visual. Durante el último medio siglo, los neurocientíficos visuales han desarrollado una comprensión profunda del procesamiento visual en el cerebro. Lo que ha impulsado la mayor parte de esta investigación es el registro de células individuales en la corteza, generalmente de monos macacos. Uno de los descubrimientos fundamentales fue que cada célula de la corteza visual representa solo una pequeña parte del campo visual. Su percepción está compuesta por un mosaico de pequeños campos receptivos, cada uno pertenece a una sola célula de su corteza visual. Entonces, si registran una de estas células en un mono, digamos en esta ubicación, pueden encontrar una región muy pequeña de la pantalla donde un estímulo de luz provocará la modulación de esa neurona. Otra ubicación en la corteza visual tendrá una ubicación en otra parte de la pantalla. En este caso, en el campo visual inferior. Estas regiones se llaman campos receptivos. Hemos insertado nuestro dispositivo en la corteza visual de dos monos rhesus cuyos nombres son Code y Dash. Eso significa que podemos registrar la actividad de su corteza visual generada por su entorno habitual normal mientras se mueven libremente. Pero, como todos sabemos, a los monos les encanta el batido de banana. Eso significa que podemos entrenarlos fácilmente para que fijen puntos en una pantalla y recompensarlos. Podemos recompensarlos con mucha precisión porque podemos rastrear la ubicación de su ojo usando una cámara infrarroja. Una de las cosas que esto nos permite hacer es trazar los campos receptivos de cada neurona que podemos registrar con un solo dispositivo. Ahora bien, hacemos esto mostrándole al animal una película de tableros de ajedrez aleatorios mientras fija la mirada de forma constante en la pantalla. Luego tomamos solo los cuadros de la película que generaron una respuesta en la célula y los promediamos todos juntos. Esta es una técnica conocida como correlación inversa. Generalmente se usa bastante ampliamente en la neurociencia visual para este propósito. Y este es un ejemplo de un campo receptivo trazado con esta técnica; la cruz central es el punto de fijación, y pueden ver las pequeñas regiones rojas y azules del campo receptivo excitatorio e inhibitorio. Estas regiones les dan a las células corticales algunas de sus propiedades características. Así que podemos registrar todos los campos receptivos de todos los electrodos al mismo tiempo. Y si tomamos todos estos campos receptivos y los acumulamos juntos, los superponemos y los colocamos en un monitor de computadora a escala, a una distancia de visualización típica, empiezan a tener una idea de cuánto del campo visual podemos cubrir. Con este dispositivo preliminar, muchos de los campos receptivos están cerca de la fóvea,
Alex (Neuralink)
cerca del punto de fijación.
Dan (Neuralink)
Eso se debe en parte a la ampliación de la fóvea de la que hablé, pero también hay una dispersión de campos en la periferia. Estos provienen de sitios de registro más profundos en el cerebro, en el surco calcarino. Hasta ahora, solo he hablado de registrar información de la corteza. Pero para producir una prótesis visual, necesitamos estimular. Así que si estimuláramos las células cuyos campos receptivos están en esta ubicación, produciríamos la percepción de un destello en esa ubicación que solo el mono puede ver. ¿Cómo sabemos que el mono lo ve? ¿Cómo sabemos cómo se ve? Bueno, desafortunadamente, no podemos preguntarles qué ven, pero podemos entrenarlos para que nos digan algo sobre ese fosfeno. Empezamos entrenando al mono para que fije un punto central en la pantalla, como este punto blanco. Y empezamos presentando estímulos visuales reales en la pantalla y recompensando al mono por hacer movimientos oculares hacia esos estímulos. Así que aquí mostramos un punto blanco destellante y el mono hace un movimiento ocular hacia él, simbolizado por la flecha verde. Luego elegimos otra ubicación aleatoria y recompensamos al mono por hacer un movimiento ocular hacia ella. Una vez que se vuelve bueno en esta tarea, podemos empezar a intercalar estos estímulos reales con estimulación eléctrica de electrodos y producir un fosfeno. El mono ve el destello y, de forma natural, hace una sacudida ocular hacia él. Esto nos dice no solo en qué parte del campo visual ocurrió el destello, sino que también podemos cambiar la corriente que inyectamos en ese electrodo para ver con qué frecuencia hace esa sacudida, qué tan perceptible, o quizás qué tan grande es el fosfeno de estimulación que estamos produciendo. Veamos a Code realizando esta tarea. Primero quiero mostrarles, a un cuarto de velocidad, hay un destello visual y él hace un movimiento ocular hacia él. El mono solo puede ver lo que es blanco en esta pantalla. No puede ver su propio movimiento ocular, y ciertamente no puede ver cuándo lo estimulamos, pero aquí lo estimulamos, y hace la misma sacudida hacia la misma ubicación. Debido a que estimulamos el mismo electrodo, no aparece nada en la pantalla en ese momento, y no tiene ninguna otra pista para hacer ese movimiento ocular. Déjenme mostrarles esto en tiempo real. Pueden ver que a los monos les gusta trabajar muy rápido. Y cuando lo estimulamos, hace esa sacudida en tiempo real. Y parece que ya tuvo suficiente. Así que lo que les he mostrado es una forma de producir un fosfeno en el campo visual. Esto no es algo nuevo en la neurociencia visual, pero si piensan en ese fosfeno como un solo píxel en una imagen visual, todo lo que tenemos que hacer es escalar y producir muchos más píxeles, y que cubran el campo visual. Este es un esquema de cómo podría ser una prótesis visual usando nuestro dispositivo N1. Una cámara. La salida de una cámara sería procesada por, por ejemplo, un iPhone, que luego transmitiría los datos al dispositivo. Y la imagen se convertiría en un patrón de estimulación de los electrodos en la corteza visual. Con 1.000 electrodos, podríamos ser capaces de producir una imagen parecida a algo como lo que ven ahí a la derecha. Pero, como les contó Avinash, nuestra próxima generación del dispositivo tendrá 16.000 electrodos. Si se coloca un dispositivo en ambos lados de la corteza visual, eso daría 32.000 puntos de luz para formar una imagen en alguien que está ciego. Nuestro objetivo será encender las luces para alguien que ha pasado décadas viviendo en la oscuridad. Muchas gracias. Le paso la palabra a Joey, que ahora va a hablar de otra aplicación muy interesante de nuestro dispositivo.
Matt (Neuralink)
Gracias, Dan.
Joey (Neuralink)
Bien, mi nombre es Joey. Soy neuroingeniero y dirijo el equipo de próxima generación en Neuralink. Así que, para las personas con lesión de la médula espinal, la conexión entre el cerebro y el cuerpo está cortada. El cerebro sigue funcionando con normalidad, pero no puede comunicarse con el mundo exterior. Ya han escuchado cómo podemos usar el enlace N1 como una prótesis de comunicación para ayudar a alguien con lesión de la médula espinal a controlar una computadora o un teléfono. Pero también se puede usar para reanimar el cuerpo. Déjenme mostrarles cómo. Primero, un poco de neuroanatomía. Las intenciones de movimiento surgen en la corteza motora y se envían a través de largas fibras nerviosas por la médula espinal. Estas son neuronas motoras superiores en la médula espinal. Hacen sinapsis, es decir, forman una conexión con otra neurona motora, una neurona motora inferior, que envía estas intenciones de movimiento a los músculos, que se contraen y, a su vez, producen el movimiento. Aunque, por supuesto, hay muchos otros circuitos involucrados en el movimiento voluntario. Pueden pensar en la médula espinal como muchos pares de estas dos conexiones. Y en la lesión de la médula espinal, una de estas conexiones se corta, sin poder hacer que los músculos se contraigan. Hagamos un poco más de zoom. Aquí pueden ver a la izquierda un corte transversal de la médula espinal con una fibra que baja esquemáticamente. Esta viaja a través de los tractos de la sustancia blanca. Esta es la neurona motora superior, y luego hace sinapsis dentro de esta región de sustancia gris con forma de mariposa, en lo que se conoce
Audience Member
como un conjunto motor.
Joey (Neuralink)
En el conjunto motor, la neurona motora inferior desciende por las raíces ventrales hacia los músculos, que se contraen, y luego las consecuencias sensoriales de esos movimientos, por ejemplo, el roce de su mano contra un objeto, regresan a la médula espinal a través de las raíces dorsales y ascienden por la médula espinal hacia las regiones sensoriales del cerebro. De nuevo, en la lesión de la médula espinal, esta conexión está cortada. Si pudiéramos colocar electrodos en la médula espinal, digamos, en un conjunto motor adyacente a neuronas motoras inferiores, podríamos estimular esas neuronas, activándolas y, a su vez, haciendo que el músculo se contraiga y se produzca movimiento. Pero esto es muy difícil de hacer. La médula espinal es bastante delicada, y se mueve significativamente dentro del canal espinal óseo. Esto podría causar daño al electrodo, podría causar daño al tejido, o ambos. Pero nuestros electrodos son pequeños y flexibles, y nuestro robot puede insertarlos profundamente en el tejido, quizás hasta el fondo, en el asta ventral de la médula espinal. Y eso es exactamente lo que hemos hecho. Aquí pueden ver una vista desde el robot R1. Es una vista de orientación. Y hemos colocado electrodos a lo largo de muchos milímetros de la médula espinal. Y el robot R1 puede insertar esos electrodos profundamente en el asta ventral, en conjuntos motores muy cerca de las neuronas motoras inferiores. Esto es importante porque les permite tener una conexión localizada con esas neuronas y activar movimientos muy precisos. Ahora bien, para rastrear el movimiento, es muy común usar marcadores de captura de movimiento, como los que podrían ver en la producción de una película. Estos se pueden colocar con un adhesivo suave, y pueden verme colocándolos en mi mano. Vamos a usar estos marcadores para permitirnos hacer zoom en el movimiento en las próximas diapositivas. Bien, aquí hay un cerdo caminando en una cinta. Y quizás hayan visto algo así antes en una presentación anterior de Neuralink. Pero, a diferencia de antes, este cerdo tiene más de un dispositivo Neuralink. Hay un dispositivo en el cerebro, pero también hay uno en la médula espinal. Y podemos transmitir datos neuronales de este dispositivo, de estos dispositivos, en tiempo real, y usarlos para hacer cosas como decodificar el movimiento de las articulaciones del cerdo. Aquí pueden ver a la izquierda una serie temporal de la cadera, la rodilla y el tobillo. Y estamos decodificando esos movimientos. Así que esto es muy interesante, pero en realidad no es lo que queremos hacer. Queremos ir en la otra dirección. Nos gustaría estimular la médula espinal y hacer que ocurra movimiento. Bien, hagamos eso. Aquí hay un cerdo, un cerdo feliz y sano, haciendo lo que a los cerdos les gusta hacer, que es hociquear buscando comida y bocadillos. Y como verán en el suelo, hay una pantalla azul. Esta es una zona de participación voluntaria donde el cerdo se coloca a sí mismo, indicando que está cómodo para recibir estimulación. Cuando está en la zona, lo estimulamos. Y si el cerdo sale de la zona, dejamos de estimular. Y como antes, pueden ver que podemos rastrear la posición de las articulaciones y también transmitir datos neuronales. Bien, estimulemos un electrodo. Aquí hay un electrodo en un hilo que, cuando lo estimulamos, causa un movimiento de flexión de la pata. Así que a la izquierda pueden ver el movimiento de las articulaciones, y también pueden ver la serie temporal del patrón de estimulación en amarillo. Así que la pata se está moviendo hacia arriba. Aquí hay otro electrodo que, cuando lo estimulamos, causa un movimiento de extensión. Esto en realidad es un poco más difícil de ver porque la pata se está estirando y las caderas se están desplazando. Pero si miran con atención, pueden ver cómo es esto. La pata se está moviendo. Podemos estimular en una gran variedad de hilos y producir diferentes movimientos y, de hecho, secuenciarlos espacial y temporalmente para producir patrones. A la izquierda pueden ver una serie temporal de diferentes estimulaciones en diferentes electrodos. Pueden ver los movimientos de las articulaciones. Y a la derecha, estamos haciendo zoom en la actividad muscular. Eso nos da una idea del tipo de fuerza, potencia y especificidad de esos movimientos también. Así que, además de hacer secuencias, también podemos lograr un movimiento sostenido. Estas son contracciones musculares potentes del tipo que podrían necesitarse para mantenerse de pie u otras actividades de carga de peso, y son realmente cruciales para interactuar con el mundo. Bien, estimular la médula espinal es solo una parte de la historia. También hay que obtener algo así como señales de comando para la estimulación en la médula espinal. Por suerte, tenemos una forma de hacer eso. Tenemos el enlace N1 del que ya han escuchado, colocado en la corteza motora.
Joey (Neuralink)
Así que colocamos hilos en la corteza motora y registramos disparos. Estos disparos se transmitirían de forma inalámbrica, se emitirían en tiempo real y se decodificarían en patrones de estimulación. Luego, la estimulación se entregaría al asta ventral de la médula espinal, al conjunto motor apropiado para los músculos que queremos activar. Luego estimulamos, activamos esas neuronas motoras inferiores, lo que hace que los músculos se contraigan y se produzca movimiento. Ahora bien, por supuesto, el movimiento sin sensación es en realidad bastante difícil. Solo piensen en cómo sería intentar mover sus extremidades si estuvieran dormidas. Pero también podemos obtener información sensorial. Así que las consecuencias sensoriales de su movimiento se pueden registrar en el asta dorsal de la médula espinal en forma de disparos. Por ejemplo, aquí, una pluma tocando la mano. Estos disparos pueden, a su vez, decodificarse en tiempo real, enviarse como patrones de estimulación al mismo dispositivo N1 en el cerebro, o quizás a uno diferente en un área sensorial. La estimulación de esa parte del cerebro causaría percepciones de tacto y propiocepción, cerrando el circuito. Así que, juntando esos dos circuitos, tenemos intenciones motoras decodificadas del cerebro usadas para estimular la médula espinal, causando movimiento, y luego las consecuencias sensoriales de esas acciones siendo registradas en la médula espinal para estimular el cerebro, causando percepción. Ahora bien, tenemos mucho trabajo por hacer para lograr esta visión completa, pero espero que puedan ver cómo todas las piezas están ahí para lograrlo. Y si esta perspectiva les resulta tan emocionante a ustedes como a mí, espero que consideren unirse a nosotros aquí en Neuralink.
Leslie (Neuralink)
Gracias.
Dan (Neuralink)
Esto es obviamente increíble y tiene un claro potencial terapéutico. También sería genial para la
Audience Member
comunidad científica de neurociencia poder acceder a algunas de estas herramientas.
Dan (Neuralink)
¿Tienen algún plan para hacer que esto esté disponible para los neurocientíficos?
Sí, sí, lo tenemos. Es una gran pregunta. Creo que probablemente se podría descubrir mucho si proporcionamos el robot quirúrgico y los dispositivos a los departamentos de investigación en neurociencia de universidades y hospitales. Así que creo que en el punto en que tengamos. Necesitamos estar en producción con las máquinas y, obviamente, tener las aprobaciones de la FDA, pero creo que tendría mucho sentido proporcionar esto a universidades de investigación y hospitales. La pregunta es, de los datos que.
Leslie (Neuralink)
De los conjuntos de datos que han recolectado, ¿hay alguno que planeen liberar como código abierto para la comunidad científica?
Sí, creo que eso estaría. Eso estaría bien, creo. Sí, claro, por supuesto.
Leslie (Neuralink)
Porque creo que podría ser realmente interesante para las personas que trabajan en investigación de IA construir sobre eso y crear modelos fundacionales para el cerebro.
Sí, es un buen punto. Sí. En realidad no tengo ningún problema en simplemente publicarlo en nuestro sitio web. Úsenlo si quieren.
Leslie (Neuralink)
Esperando con ganas.
Audience Member
Gracias por la presentación tan maravillosa. Tengo una pregunta. Como todos sabemos, para los electrodos implantables, ya sea para estimulación o registro, después de
que implantamos el electrodo, el tejido cicatricial
Audience Member
crecerá alrededor del electrodo, y especialmente para el registro, la señal que obtenemos se volverá cada vez más pequeña después de un implante a largo plazo. ¿Cómo resuelven este problema?
Zach (Neuralink)
Para contexto, soy Zach, dirijo el equipo de microfabricación en interfaces cerebrales. No creo que podamos decir que lo resolvemos específicamente, pero una cosa, una ventaja que tenemos, es tanto la flexibilidad como el pequeño tamaño de nuestros hilos, para intentar limitar ese tejido cicatricial y ese daño. Y parte del trabajo futuro que hemos comenzado, y que vamos a seguir haciendo, es reducir aún más el tamaño de los hilos, precisamente para intentar limitar la respuesta inmune y realmente limitar ese crecimiento de tejido cicatricial.
Audience Member
De hecho, quiero hacer una pregunta de seguimiento.
¿Entonces crees que sería
Audience Member
útil cargar algo de fricción sobre la superficie de tu electrodo, o de alguna otra manera?
Bueno, creo que tal vez la pregunta es simplemente, ¿qué tipo de degradación de la señal hemos visto con el tiempo? Y, ya saben, básicamente, ¿funciona un año después, funciona dos años después? Sí funciona.
Zach (Neuralink)
Sí, sí, ese es un buen punto. En cuanto a la longevidad de los hilos específicamente, realmente el estándar de oro que podemos usar para evaluar es la información que tenemos de nuestros participantes animales. Y para eso, no estoy seguro de si se mencionó antes, pero la información más larga que tenemos ahora es de un participante animal que estuvo 600, llegó a 600 días con canales útiles y funcionando, donde estábamos haciendo algo útil con las señales para la interfaz cerebro-computadora. Y luego, con la versión más nueva de nuestro dispositivo, tenemos como una colección de participantes que están en, o cerca de, un año de datos y con una interfaz cerebro-computadora completamente útil y funcionando a partir de eso también.
Audience Member
Si puedo agregar una cosa más. Mencionaste la posibilidad de tener fármacos para reducir la inflamación. Así que una de las cosas en las que en realidad estamos trabajando activamente es tener algún tipo de recubrimiento biológico para reducir la inflamación o hacerlos resbaladizos. Así que, como mencionaste, escuchaste en la presentación que uno de los desafíos que tenemos es retirar los hilos de este tejido de neomembrana que se forma después de la implantación. Así que hay programas como ese donde realmente estamos buscando incorporar algunos de los aprendizajes de la biología y estos recubrimientos a nuestros hilos, para que esperamos poder reducir la inflamación, así como facilitar la extracción.
También seguimos reduciendo el tamaño del electrodo. Así que, cuando el electrodo se vuelve realmente pequeño, la respuesta inflamatoria del tejido cicatricial se vuelve minúscula. Es como un electrodo tan diminuto que el cuerpo básicamente lo ignora. Esto es realmente impresionante.
Audience Member
Felicidades a todo el equipo. Como todos saben, uno de los problemas con los electrodos electrónicos actuales es que son rígidos y se mueven.
Así que tienen estas no estacionariedades neuronales
y creo que muchos de nosotros esperábamos que con estos hilos tan finos
Audience Member
se moverían más con el
Audience Member
Pero, a partir de los datos que mostraron a lo largo de muchos cientos de días, hubo mucha variabilidad. Entonces, ¿pueden hablar de cuánto
se mueven, y tienen alguna idea de, por ejemplo, por qué se mueve?
¿Pueden evitar que se mueva?
¿Qué tan estables son las señales de hora a hora y de día a día?
Hola, soy Bliss, soy una de las líderes de los grupos de software en el equipo de Interfaces Cerebrales. En el gráfico particular que mencionaban antes, lo que mostrábamos era la tasa de disparo promedio registrada por día en un canal particular. Es, como bien saben, bastante complicado entender. Si están registrando exactamente la misma neurona día tras día tras día. Podría ser, por ejemplo, que en realidad están captando una neurona diferente cada día, y por eso obtienen el cambio en la tasa de disparo. No creemos que esta sea, al menos, la causa principal de la situación aquí. La razón es que si observan las formas de los disparos día a día, incluso cuando la tasa de disparo promedio cambia mucho, siguen viendo formas de disparo bastante estables. Eso obviamente no es una historia totalmente a prueba de balas, pero al menos da cierta confianza en que no se están captando realmente neuronas diferentes. Sin embargo, todavía hay bastante posibilidad de que eso pueda ser el caso en al menos una parte de la historia de robustez y no estacionariedad. Sí, genial, gracias. Sí, gracias por la pregunta.
Sí, para que quede claro, la posición de este electrodo es, de hecho, bastante estable porque tienen estos cables muy diminutos, básicamente muy diminutos, con. Y hay algo de juego en, es decir, tienen el dispositivo sujeto al cráneo originalmente, pero luego tienen este cable largo y diminuto con una sección en espiral. Así que, básicamente, tiende a quedarse en el mismo lugar.
Leslie (Neuralink)
También pedimos preguntas en el Twitter de Neuralink, así que vamos a intercalar algunas de esas. Supe quiere preguntar, ¿con qué podría ayudar Neuralink a la gente que la mayoría de las personas no se dan cuenta?
Bueno, quiero decir, una vez que estás ahí dentro, ya saben, hay mucho que se podría hacer. Así que, obviamente, se puede medir la temperatura, así que se podría hacer una detección muy temprana de fiebre; también se podría medir la presión. Creo que probablemente se podría detectar
las etapas muy tempranas, los comienzos mismos de un derrame cerebral, porque se pueden ver señales eléctricas que empiezan a volverse como erráticas. Así que probablemente hay, de hecho, bastante monitoreo general de salud que se podría hacer una vez que estás ahí dentro, con sensores muy simples.
Todos ustedes hicieron un gran trabajo destilando mucha ingeniería compleja
Joey (Neuralink)
y ciencia, y haciéndolo maravillosamente claro.
Así que, gran trabajo. Quería preguntar un poco sobre la simulación. Supongo que para el fosfeno y para el movimiento evocado. ¿Creen que esto es más bien una estimulación local? ¿Es yuxtacelular? ¿Están dirigiendo la corriente? ¿Cuántas células están activando? ¿Cuánta corriente están usando? Solo tengo curiosidad sobre cuál es la escala de esto y si tienen mucha precisión, o mucho, ya saben, también tienen efectos conductuales bastante profundos.
Dan (Neuralink)
Hola, sí, soy Dan. Y cuántas células se estimulan con un solo electrodo depende de la impedancia del electrodo, el tamaño del contacto conductor, cuánta corriente se administra, la frecuencia, todos estos factores. Así que hay una gran variabilidad que podemos usar para personalizar la forma de un fosfeno, o no necesariamente la forma, pero quizás la intensidad de un fosfeno. Creemos que, con nuestros electrodos actuales, al menos en Code, un cálculo a grandes rasgos sería algo así como una esfera de células de unos 50 a 100 micrones de diámetro siendo estimulada en un sistema visual. Cuanto más pequeña esa esfera, más pequeño y específico se puede hacer un fosfeno particular. Básicamente, más pequeño el píxel de la
imagen que se puede producir.
Dan (Neuralink)
Así que hay mucho margen para personalizar eso.
De hecho, esto también hace posible llegar a un conteo de píxeles efectivos mucho más alto controlando el campo, el campo eléctrico entre los electrodos. Así que no necesariamente, no es simplemente una relación de uno a uno. En realidad se podría ajustar dinámicamente el campo y simular, tener una relación neurona-electrodo muy alta. Así que, podría intentarse, tal vez obtener algo como 10 a 1, 100 a 1, potencialmente. Básicamente, un tipo de megapíxel. ¿Pueden ver normalmente? Creo que la gente querría saber eso. Creo que ese es uno de los resultados posibles.
Zach (Neuralink)
Hola, Elon. Esto es increíble.
¿Pueden hablar sobre la longevidad de los propios implantes?
Audience Member
¿También cómo reaccionaría el material del implante con el tejido cerebral
Alex (Neuralink)
o con la densidad del hueso o la estructura ósea?
Audience Member
Sí, con gusto hablamos de esto. Soy Jeremy, ingeniero del equipo de Interfaces Cerebrales, y creo que es bueno empezar con los datos. Así que, como mencionó Zach, tenemos un implante con el que, ya saben, un mono realizó una interfaz cerebro-computadora durante 617 días; eso fue Pager, antes de ser actualizado al dispositivo con láser. Para nuestra versión actual del dispositivo, ha durado casi un año. Y luego, para el probador de vida acelerada del que habló Josh, tenemos datos de nuestros implantes: de la versión anterior, ocho años de tiempo acelerado, y de la versión actual, cuatro años de tiempo acelerado y contando. Así que eso es, empezando con los datos. Esos dispositivos todavía están durando y, en teoría, siguen funcionando. Hay, básicamente, tres factores fundamentales que contribuyen a la longevidad del dispositivo. Uno va a ser el sellado, esa carcasa hermética del dispositivo. Dos va a ser la batería y la electrónica interna. Y tres van a ser los hilos de los que habló Zach un poco, y los canales siendo capaces de registrar funcionalmente señales del cerebro. Creemos que el sellado va a durar mucho más que los otros dos en términos de los cuellos de botella. Así que el sellado, solo en teoría, creo que Josh mencionó que es un material polimérico termoplástico. Así que va a haber una cantidad muy pequeña de humedad que se difunde a través de él con el tiempo. Y creemos que eso va a durar, ya saben, más de 20 años fácilmente en cuanto a esa propiedad. Y como dije, todavía no hemos visto fallar nuestros sellados con nuestra versión actual del dispositivo. Así que realmente aún no hemos llevado esto al límite para la batería y la electrónica interna. Eso realmente depende del uso y de cuánto tiempo de funcionamiento se quiera. Y actualmente estamos trabajando en obtener datos para proyectar aún más lejos. Pero en este momento creemos que podemos lograr un 80% del tiempo de funcionamiento en el punto de los tres años, lo que sería alrededor de, ya saben, tres horas y media para un tiempo de funcionamiento de cuatro horas. Pero, como mencionó Avinash, estamos duplicando eso muy pronto, y también cuadruplicándolo. Tenemos planes para hacerlo. Así que la electrónica interna realmente tampoco es el cuello de botella. Y así que realmente estamos atacando los hilos mismos y la longevidad de esos canales; Zach puede hablar un poco sobre algunas de las mejoras que estamos haciendo para aumentar esa longevidad.
Zach (Neuralink)
Gracias. Sí. Así que, como se mencionó antes, no necesariamente tenemos un punto final, como dijo Jeremy, para las pruebas de los hilos. Dicho eso, nos estamos enfocando en la longevidad porque creemos que es un problema importante a resolver. Así que una cosa que estamos haciendo en paralelo con el dispositivo actual es perseguir agresivamente el aislamiento de carburo de silicio amorfo para los hilos, que creemos que nos va a llevar bastante más allá de los cinco años de longevidad, aunque por supuesto todavía falta probarlo. Y en paralelo con eso, estamos empezando a mirar la deposición de capas atómicas, que creemos que incluso podría llevar la longevidad de los hilos mucho más lejos, y depositar capas muy finas para mantener la flexibilidad de los hilos y esa ventaja ahí. Así que, junto con eso, también tenemos que diseñar y validar pruebas de banco muy robustas para modelar realmente las condiciones in vivo y observar la degradación de los canales. Así que eso es lo que estamos mirando para la longevidad de los hilos. Y luego creo que preguntaste sobre biocompatibilidad, y creo que para biocompatibilidad, básicamente todos los materiales que estamos usando ahora puedo decir que son al menos bioestables. Y enviamos pruebas de biocompatibilidad muy a menudo. Y básicamente lo que estamos haciendo es usar, en muchos casos, materiales conocidos de la literatura que los laboratorios académicos ya han empezado a investigar, y aprovechar eso como punto de partida.
Gracias por responder eso.
Tenemos otra pregunta de Twitter.
Alex (Neuralink)
Esta es de David, y le pregunta al equipo: ¿cuáles son las lecciones más grandes que aprendieron desde la presentación anterior?
Han pasado unos dos años. Estoy seguro de que se hizo mucha ingeniería. Así que, sí. ¿Alguien quiere responder qué aprendimos en los últimos dos años?
Christine (Neuralink)
Una cosa que hemos aprendido en los últimos dos años es cuánto se mueve el cerebro a escala humana en comparación con cuando se empieza pequeño; cuando se hacen sustitutos de cerebro y mucha investigación empieza con roedores, el cerebro no se mueve tanto, y luego se llega a un humano y el cerebro puede moverse cientos de micrones o más. Y cuando nuestros hilos y agujas son tan pequeños, ese movimiento, al acercar el zoom, parece una milla.
Leslie (Neuralink)
Creo que, para añadir a eso, una cosa es lo dinámico que es, supongo, el entorno del implante. Así que hemos hablado de cómo, cuando este sitio de implante se cura, puede crecer tejido cicatricial o nuevo y llenar el espacio, y eso va a afectar cómo interactúan nuestros hilos en ese espacio. Por eso hemos enfatizado tanto la importancia de diseñar sustitutos precisos. Así que, en lugar de tener que esperar meses para que un sitio de implante se cure, uno puede, con suerte, aprender esa información en horas.
Alex (Neuralink)
Soy Alex, del equipo de robótica. Creo que una de las cosas que definitivamente hemos aprendido dentro de los equipos de ingeniería es la importancia de la validación y las pruebas realmente continuas. Donde estamos construyendo, digamos, sistemas de movimiento que son precisos a nivel de micrones de un solo dígito, necesitamos sistemas de validación y prueba en los que confiemos incluso más que en eso, para probar que funcionan de forma confiable. Y poner tanto enfoque en esos sistemas de validación y prueba, diseñándolos junto con nuestros productos, creo que es algo que definitivamente hemos aprendido.
Otra cosa que aprendimos, creo, como parte de la BCI o el control de curva y el algoritmo, es que, de nuevo, construir un prototipo y hacerlo funcionar con un solo mono, un solo Pager, fue un gran, tal vez, éxito, pero también relativamente fácil comparado con hacerlo funcionar todos los días para todos los demás monos. Así que, en realidad, convertirlo en un producto es algo que no es fácil, pero estamos aprendiendo a hacerlo.
Es decir, aprendí que el cerebro es realmente blando, mucho más blando de lo que uno pensaría. No es como, ya saben, una coliflor o un brócoli ni nada parecido. Es más como un globo de agua, y se mueve mucho dentro del cráneo. Así que un globo de agua blando dentro de un coco es quizás una buena forma de pensarlo.
Zach (Neuralink)
Dadas las limitaciones de ancho de banda de Bluetooth, ¿han considerado otras tecnologías para la comunicación inalámbrica?
Hola, sí, puedo tomar la primera parte de esta pregunta y luego dejaré que Matt responda la segunda parte. Es una gran pregunta, especialmente al pensar en cómo aumentar y escalar la cantidad de canales de los que queremos registrar. Esto se convierte cada vez más en un cuello de botella para el tipo de trabajo que queremos hacer. Estamos pensando en esto de un par de maneras. Una es simplemente mejorar directamente las interfaces de radio subyacentes, y dejaré que Matt hable de eso en un momento. La otra forma en que estamos pensando en esto es cómo se puede ser más eficiente con los datos que se envían fuera del implante. Y creo que la primera versión de eso es la compresión. Así que simplemente tomar sus datos, mirar sus características, encontrar una forma de representarlos más eficientemente y simplemente enviar ese flujo comprimido. Así que, de referencia, ahora mismo nuestro ancho de banda Bluetooth es de alrededor de 150 kilobytes por segundo. El flujo de datos comprimido que enviamos fuera del implante es de alrededor de 50 kilobytes por segundo. Así que nos está yendo bastante bien ahí hasta ahora. Pero cuando empiezan a pensar en dispositivos de 16.000 canales, eso no los va a llevar hasta el final. Así que algunas otras cosas que pueden ayudar en el lado de la compresión son enviar directamente solo la salida del modelo de aprendizaje automático, en lugar de la entrada necesaria para ejecutarlo realmente. Así que una cosa que hemos estado probando aquí detrás de escena se llama Decode on Head, que es básicamente tomar los modelos de aprendizaje automático que ahora estamos ejecutando en MacBooks en los que nuestros monos juegan, y moverlos para que se ejecuten en el propio implante. Y este es un problema de ingeniería súper interesante. Si quieren hablar de cómo hacer que redes neuronales complejas se ejecuten en lo que es el equivalente a un abrepuertas de garaje, vengan a hablar conmigo. Es divertido. Sí. Así que esa es otra forma de resolver este problema: básicamente hacer el trabajo computacionalmente intensivo para obtener solo la señal cruda que realmente les interesa usar para controlar algo, y luego enviar eso fuera del implante. En el lado de la radio, le paso la palabra a Matt.
Matt (Neuralink)
Sí. Para responder tu pregunta, estamos mirando otras tecnologías de radio. Tecnologías. Una en particular es la banda de 500 MHz con banda ultraancha, en un par de frecuencias diferentes. Esto tiene una ventaja en términos de la tasa de bits que se puede lograr. Está en el orden de 6 a 8 a 10 megabits. También hay una mejora de latencia bastante sustancial. Y también hay otra tecnología inalámbrica que estamos mirando, la banda W.
Leslie (Neuralink)
Hola, gracias a todos por las presentaciones realmente claras y convincentes. Algo que me llamó la atención en una de las charlas más tempranas, creo que fue la de DJ, fue esta visión de la capacidad de adquirir nuevas habilidades complejas a través de estas BCI, como la capacidad de hacer Kung Fu. Y eso refleja el hecho de que el cerebro es fundamentalmente una máquina de aprendizaje. Y, sin embargo, muchas de las soluciones técnicas presentadas después se enmarcaron de una manera que intenta corregir cómo cambia el cerebro con el tiempo, a lo largo de escalas de tiempo más largas, la deriva a lo largo de los días, o cómo se puede curar el tejido con el tiempo. Tenía curiosidad sobre cuál era su visión colectiva para desarrollar esta tecnología que se interconecta con un sistema fundamentalmente plástico que cambia de maneras complejas a lo largo de una variedad de escalas de tiempo. Días, meses, años.
Es una pregunta difícil. Creo que será algo así como un aprendizaje bidireccional de alguna manera ahí. A veces las puntuaciones que obtenemos nos harán querer fijar nuestros algoritmos, y preferimos tener un rendimiento más estable. Pero, claro, con el tiempo, la persona y el cerebro aprenderán a usar mejor la interfaz cerebro-computadora. Necesitaremos actualizar nuestros modelos. Así que habrá, de alguna manera, una especie de relación interactiva para aprender incluso tareas nuevas. Probablemente esto sea algo que, con el tiempo, tendremos que aprender: cómo la persona aprende a interactuar con la computadora, y luego construir la interfaz de usuario y experiencia apropiadas, y construir algoritmos que lo ayuden a controlar lo que queremos.
Audience Member
Solo una cosa que me gustaría agregar a lo que dijo Nir: de hecho, en algunos aspectos es una ventaja que el cerebro sea plástico y aprenda, y eso puede ayudarnos porque en realidad tenemos que hacer menos trabajo, y el humano en el circuito en realidad aprenderá a usar mejor nuestro dispositivo. Pero una de las ventajas de nuestro enfoque y dispositivo en particular es que estamos intentando hacer un dispositivo con un número de canales extremadamente alto, para poder distribuir electrodos uniformemente sobre una región funcional. Y entonces no importa tanto si las cosas se mueven o cambian con el tiempo. Podemos delegar eso al software, y así podemos construir algoritmos que también cambien con el tiempo. Y entonces ambas cosas son, de hecho, creo, ventajas de nuestro enfoque particular.
Leslie (Neuralink)
Tenemos otra pregunta de Twitter. Juan quiere saber, ¿qué camino profesional sugieren para alguien que está recién saliendo de la secundaria si quiere trabajar en Neuralink en el futuro?
Realmente es cualquiera de las habilidades que describimos. Estamos desarrollando chips nuevos. Hay ciencia de materiales, hay software, obviamente cuidado animal. Realmente son todas las cosas que mencionamos en las carreras de Neuralink, que serían
Audience Member
Sí, de hecho me gusta mucho decir que cuando uno hojea cualquier folleto universitario y mira todas las carreras, creo que se puede señalar cada una de esas carreras. Y hay alguien en esta empresa que es experto, o que, ya saben, se graduó en eso. Así que realmente es un esfuerzo verdaderamente, verdaderamente multidisciplinario. Y creo que, ya saben, simplemente enfóquense en lo que les apasione, o en lo que tengan talento, y luego, ya saben, persíganlo tan profundamente como puedan. Y definitivamente va a haber un lugar para ustedes, construyendo sus propias interfaces neuronales.
Leslie (Neuralink)
Oigan, pudimos ver a los monos haciendo telepatía. Pero, ¿podrían contarnos un poco más sobre el entrenamiento conductual de los animales, sus vidas y sus procesos diarios? Claro. Soy Autumn. Soy la jefa de servicios de investigación, que incluye nuestro programa de cuidado animal. Y como científica de bienestar animal, este es un tema que me interesa profundamente. Así que nuestro programa de entrenamiento está equipado principalmente con analistas de comportamiento que nos ayudan a pensar en cómo eliminar cualquier posible aversivo o frustración de nuestro entrenamiento. Pensamos en el condicionamiento, que incluye el refuerzo positivo, como la forma principal de entrenar.
Christine (Neuralink)
Veamos, ¿qué más puedo compartir con ustedes?
Leslie (Neuralink)
Sí, sí. Es decir, eso puede no ser parte del entrenamiento conductual en sí, pero pensamos en la evaluación del bienestar animal en el marco de las tres R, que se refiere a refinamiento, reemplazo y reducción. Y entonces, cuando pensamos en el refinamiento, el entrenamiento conductual sí aplica de esa manera. Y donde queremos eliminar, específicamente en investigación, la contención es una de las cosas que nos ponemos como un objetivo prioritario a eliminar. Así que hoy vieron muchos videos donde los animales caminaban hacia sus estaciones, porque trabajamos muy duro para eliminar cualquier requisito de contener al animal. ¿Algo más?
Audience Member
Bueno, solo encima de lo último que dijiste, como ingeniero aquí, una de las cosas que es realmente inspiradora y realmente genial de este lugar es que sí logramos trabajar en muchas innovaciones tecnológicas que se traducen directamente en mayor independencia para los animales cuando participan en estas tareas. Así que, como vieron, los monos se cargan simplemente caminando voluntariamente hasta una rama, juegan en su hábitat con una computadora portátil de forma voluntaria. Y el dispositivo totalmente implantable, totalmente inalámbrico, el cargador inductivo, todas estas cosas permiten ese tipo de experiencia. Y esta es una de las partes muy geniales de trabajar aquí: sí logramos innovar en cosas así.
Leslie (Neuralink)
Definitivamente ayuda trabajar con un grupo de ingenieros que pueden hacer cosas geniales para que los monos puedan tener un entrenamiento conductual más fácil.
Audience Member
Así que supongo que, para responder la pregunta anterior sobre qué pueden estudiar para formar parte de Neuralink, supongo que a la ingeniería de monos se le puede agregar los negocios de monos.
Mi pregunta es sobre la actualizabilidad, que mencionaron bastante. Así que, en ese procedimiento, hay algún tipo de procedimiento de explante, y luego van a poner un nuevo conjunto de implantes. ¿Podrían hablar sobre el posible daño, si lo hay, daño al tejido por el procedimiento de explante? ¿Cuánto tiempo hay que esperar? ¿Implantan en las mismas áreas, y cómo es el escaneo cerebral para el procedimiento de implante en términos de actualizarlo? No sé cuántas preguntas
Zach (Neuralink)
puedo hacer,
Alex (Neuralink)
así que puedo empezar a hablar de algunas de esas. Trabajo mucho en la actualizabilidad y en esos procesos de explante, y en diseñarlos para que sean mejores. El objetivo hacia el que estamos trabajando es que, como mencioné en la presentación, actualizar un implante sea realmente tan fácil como instalarlo inicialmente. No mostramos muchos de esos ejemplos de explante hoy, pero hemos llegado bastante cerca de simplemente sacar un implante e instalar otro en exactamente la misma ubicación. Definitivamente, definitivamente es el objetivo. Estamos instalando el implante en la corteza motora primaria, que es un área valiosa para interactuar con un dispositivo como este. Y entonces nosotros. El objetivo es implantar en la misma ubicación. Quizás si se expande a otras aplicaciones, entonces interesaría moverse a otro lugar. Pero definitivamente queremos poder insertar en la misma área. En términos de daño, el. Creo que el daño que más nos importa es el daño dentro del cerebro. Y lo que encontramos, y de lo que hablamos, es ese desafío de la capa de tejido sobre el cerebro. Y estamos bien en camino de resolver eso. Pero debido al pequeño tamaño del hilo, la especie de cápsula cicatricial dentro del cerebro es tan mínima que en realidad se retiran con bastante facilidad. Y así vemos señales útiles incluso la segunda o tercera vez que se ha colocado un implante. Y creo que algunos de nuestra gente de BCI probablemente puedan hablar de eso. Sí tenemos participantes monos trabajando con sus segundos dispositivos y realmente aprovechándolos.
Audience Member
Así que, una, dos preguntas. Una era que alguien había preguntado sobre la plasticidad. ¿Han notado alguna plasticidad desde una perspectiva conductual en alguno de los monos? ¿O es demasiado pronto para saberlo? ¿O no ha habido ninguna observación?
Desde el comportamiento del mono. Vemos que les toma un tiempo aprender a, claro, entrenarse en la prueba, pero también cuando se les implanta. Y es relativamente rápido para ellos progresar y alcanzar un alto rendimiento de control cerebral. Con Pedro, por ejemplo, después de unos pocos días pudo, como, en tres días ya pudo aprender muy rápidamente a usar el dispositivo. Él había sido entrenado en la tarea, claro, desde su implante anterior, pero con el nuevo, después de tres, cuatro días, pudo controlar hasta acercarse al rendimiento que tenía con el implante anterior.
Audience Member
Pero, ¿han notado algo en el avance, es decir, que el cerebro haya superado a la red neuronal que están ejecutando?
Es difícil decirlo. No, no realmente.
Audience Member
Bien, tengo otra pregunta, que es más sobre el lado eléctrico. Hablaron de 1.024 canales que están registrando. ¿Están transmitiendo la señal cruda, o eran solo los tres eventos de disparo de los que. de los que hablaban, el bajo, el medio y el alto, o es la forma de onda cruda completa la que transmiten?
Julian (Neuralink)
Hola, soy Julian. Puedo hablar un poco de esto, y tal vez Avinash quiera contribuir. Pero nuestros chips ven las señales crudas, pero lo que transmitimos normalmente son disparos, y detectamos esos disparos en tiempo real en el chip. Esto comprime masivamente los datos, supongo. Sí, avanzando. Estamos haciendo mejoras a eso, pero podemos solicitar. Podemos solicitar muestras crudas. A veces también procesamos estadísticas particulares u otros datos directamente en el chip, y luego enviamos los valores calculados. Así que hay muchas formas de, digamos, jugar con los datos.
Audience Member
Sí. Así que, al menos con el sistema N1 actual que tenemos, que depende de radio BLE, hay una limitación de ancho de banda. Así que en realidad no se puede transmitir datos crudos de todos los 10, 20, 24 canales. Pero solo para darles un poco de historia de cómo se desarrolló nuestro algoritmo de compresión, el algoritmo de detección de disparos, sí tuvimos como un sistema con cable. Hubo un artículo que publicamos con el conector USB-C que, ya saben, transmite todas esas señales a través de una conexión de cable de alto ancho de banda. Así que sí tuvimos ese tipo de plataforma de desarrollo para poder ver las señales crudas y saber qué conjunto de información queríamos extraer que, ya saben, fuera a caber dentro del ancho de banda de la radio y que también fuera útil para el control de la BCI. Y, ya saben, además, simplemente enviar datos de forma inalámbrica cuesta mucha energía. Así que cualquier oportunidad que tengamos de reducir esa carga. Ya saben, intentamos básicamente tener toda esa compresión lo más cerca posible de donde están los electrodos.
Una cosa que no es obvia es que la tasa de bits real que se necesita para controlar un teléfono o una computadora es, en realidad, muy baja. Así que creo que podríamos tener el récord de tasa de bits, ¿es correcto? Creemos que sí, tal vez del orden de 10 bits por segundo. Así que eso es súper lento. Pero si piensan, por ejemplo, cuando están introduciendo datos en un teléfono, qué tan rápido se mueve su pulgar, cuántos toques de pulgar por segundo. Bastante, bastante bajo. Y, bueno, básicamente nuestros pulgares son como dos palitos de carne que se mueven lento, y hacemos esto, y es como que realmente la exigencia, es como que la barra es baja, es lo que estoy diciendo. Así que, al menos para la salida, están obteniendo, consiguen 10 bits por segundo, y eso ya es bastante bueno. Y eso, no se necesita Bluetooth ni nada. Así que prácticamente se podría enviar con pitidos y bips, ya saben. Así que no es, si van, si van a algo de alto ancho de banda visual, ahora sí, ya saben, tal vez van a megabits y más. Pero todo esto está bien dentro de lo que permite Bluetooth, de todas formas; lo que estoy diciendo es que eso no es una limitación. La tasa de datos. Otra cosa quizás notable, de la que hablamos en la presentación, pero que creemos que probablemente podamos resolver, es hacer el implante sin cortar la duramadre. Básicamente podemos simplemente hacer un montón de agujeros a través de la duramadre, que es como esa cosa gruesa, grande, como de cáscara de naranja, que está pegada al cráneo. Si no se perfora la duramadre, es decir, si no se corta la duramadre y en su lugar se hacen un montón de pequeños agujeros y se insertan los electrodos a través de esos pequeños agujeros hacia el cerebro, entonces el tiempo de recuperación es ridículamente rápido. Es decir, no se pierde realmente mucho líquido cefalorraquídeo. Es, podría ser, en teoría, quiero decir, esto podría ser como, toda la operación podría durar 10 minutos, como el Lasik. Es rápido. No es como algo grande y laborioso. Es súper rápido.
Sam (Neuralink)
Volviendo al tema del uso a
largo plazo, me preguntaba si tienen alguna patología que observe el tejido cicatricial de muchos animales que hayan tenido implantes a largo plazo. Y en esa línea, parece que podría haber una pequeña brecha entre el uso en condiciones médicas y en individuos sanos, desde una perspectiva de seguridad.
Audience Member
No entendí del todo la última pregunta, pero voy a responder la primera y te voy a pedir que repitas la segunda. Así que la primera es, ¿tenemos patología de animales con uso a largo plazo? Absolutamente sí. No tenemos ninguna patología de nuestros monos, a los que actualizamos y que, ya saben, siguen en marcha. Tenemos otros estudios que son principalmente para determinar la seguridad. Y entonces sí tenemos puntos finales histopatológicos que determinamos. La formación de tejido cicatricial alrededor de los propios hilos en el cerebro es típicamente insignificante. Es decir, apenas reacciona a los hilos en absoluto. Así que eso es muy prometedor en términos de la formación de tejido cicatricial sobre la corteza. Este crecimiento de neomembrana que llena las áreas que mencionaban Elon y Alex, que retiramos con nuestra operación actual. Esas sí las evaluamos, ya saben, ese tejido cicatricial, pero no representa un problema de ninguna manera. No es una reacción continua a un cuerpo extraño. Simplemente está llenando tejido que se retiró. Y si pudieras repetir la segunda pregunta.
Dan (Neuralink)
No la escuché.
Sam (Neuralink)
Sí, la segunda pregunta, en realidad siguiendo
con eso, parece que podría haber una pequeña brecha en el uso en individuos sanos desde una perspectiva de seguridad. Ya saben, creo que alguien mencionó que podrían estar interesados en probar prototipos, pero me preguntaba cuál es su perspectiva sobre cómo intentar reducir los riesgos de seguridad.
Audience Member
Sí, es una gran pregunta. Así que, en cuanto a, realmente se trata del uso a largo plazo del dispositivo. Ya saben, tenemos dispositivos que han sido implantados, como dije, en monos, durante muchos años, donde no vemos ningún déficit conductual en absoluto. Así que, primero, es una pregunta de cómo se evalúa la seguridad. Así que tienen puntos finales histopatológicos que se pueden evaluar, pero también estamos buscando déficits cognitivos o déficits conductuales. Y no vemos ninguno de esos en nuestros animales, lo cual es un punto importante. En cuanto a los puntos finales histopatológicos, se ven realmente, realmente muy bien. El desafío es el de explantar el dispositivo, que es por lo que estamos poniendo tanto esfuerzo en los esfuerzos de reversibilidad y en nuestras inserciones a través de la duramadre. Así que, al retirar el dispositivo, es ahí donde potencialmente, potencialmente se podría causar daño. Y entonces estamos haciendo, tenemos muchos estudios en curso ahora mismo para realmente minimizar ese riesgo, pero no creemos que sea un riesgo sustancial con nuestro enfoque actual. Y como dije, Pager fue actualizado con el enfoque quirúrgico anterior y le está yendo muy bien. Así que claramente, ya saben, puede ser perfectamente seguro. Pero probar eso más allá de toda duda razonable para humanos es algo en lo que todavía estamos trabajando rigurosamente. ¿Eso respondió tu pregunta?
Dan (Neuralink)
Gracias. Así que, gracias por un repaso tan profundo
de muchos de los diferentes aspectos
Dan (Neuralink)
del dispositivo y el sistema. Es muy impresionante ver todo el
trabajo de ingeniería que hay detrás de esto. Acabas de mencionar sobre la tasa de bits.
Dan (Neuralink)
Como el anterior poseedor del récord de tasa de bits, puedo
confirmar que, en efecto, has destrozado mi récord. Así que felicidades por eso. Creo que vi un pico de
Dan (Neuralink)
7,4 bits por segundo. Bien hecho. Mi pregunta es, en realidad, sobre los ensayos clínicos y la FDA; en la medida en que puedan compartir, entiendo que la extracción del dispositivo, o quizás la extracción del electrodo, es una
de las preocupaciones que destacó la FDA. ¿Hay algo más que puedan contarnos sobre lo
Dan (Neuralink)
que le preocupaba a la FDA, o sobre lo
que tenía preguntas con respecto a su presentación de IDE?
Audience Member
Sí, quiero decir, probablemente podamos hablar un poco. Quiero decir que es. Estos son realmente desafíos que tenemos en general, así que la explotación, la seguridad, probar eso rigurosamente para humanos es, sin duda, uno de los desafíos, y fue algo sobre lo que comentó la FDA. Otras cosas, hacen algunas preguntas realmente buenas. Así que otras cosas involucran, por ejemplo, las pruebas térmicas de banco de nuestros implantes. Así que, obviamente, es importante que nuestro implante no dañe el tejido al sobrecalentarse. Así que tener pruebas de banco realmente rigurosas y válidas para eso es muy importante. De hecho, es algo que vamos a rediseñar para que sea incluso más preciso. Ahora bien, también es el caso de que, ya saben, hacen muchas preguntas muy difíciles sobre la caracterización química de biocompatibilidad. Así que hemos hecho pruebas muy rigurosas para eso. Pero, ya saben, sí hacen muchas preguntas sobre meterse a fondo en los datos y asegurarse de que realmente no haya posibilidad de que haya químicos tóxicos o materiales biológicamente incompatibles en el cerebro. Así que todas estas son cosas en las que estamos trabajando, ya saben, para simplemente volver a probar, más allá de toda duda razonable. Una cosa que quizás vale la pena mencionar aquí es que puede ser difícil apreciar la novedad de nuestro producto. Así que el robot quirúrgico y el arreglo de película delgada, en particular, son bastante nuevos y diferentes de los dispositivos existentes. Y esto significa que no podemos depender mucho de la literatura para respaldar la seguridad y la eficacia del dispositivo. Así que dedicamos muchísimo esfuerzo a diseñar y realizar pruebas en nuestros dispositivos para poder probar rigurosamente su seguridad, y no podemos depender simplemente de otro producto o de algún artículo. Y eso es algo que no estamos dispuestos a comprometer para nuestro primer participante humano, y estamos trabajando muy duro para lograrlo.
Creo que si uno se hace una pregunta como, en mi opinión, ¿me sentiría cómodo implantando esto en alguien, en uno de mis hijos o algo así, en este momento, si están en una situación seria, digamos si se rompieran el cuello, me sentiría cómodo haciéndolo ahora mismo? Yo diría que, al menos en mi opinión, estamos en el punto en que no sería peligroso.
Christine (Neuralink)
Hola, gracias por la presentación. Tengo una pregunta no técnica.
Leslie (Neuralink)
¿Están colaborando con personas con discapacidades motoras?
Christine (Neuralink)
Y si es así, ¿han compartido alguna idea de aplicaciones que les emocionarían?
Puedo tomar la primera parte de esto. Honestamente, no soy la mejor persona para hablar de esto, pero tenemos una junta asesora de consumidores formada por varias personas con diversas condiciones, incluyendo tetraplejia, y nos dan consejos sobre varios temas. Solo como anécdota. Alguien vino a la oficina hace quizás seis meses y me contaba lo que más quería hacer con su dispositivo Neuralink. Y había dos cosas que dijo. Una era que quería poder operar en bolsa día a día, para poder ganarle a su hermano. Y la segunda era que quería poder jugar videojuegos de disparos. Así que creo que lo que más me sorprendió de ese encuentro fue la normalidad de eso. Y encontré esa conversación verdaderamente inspiradora. Así que, ya sabes quién eres. La persona que vino y habló conmigo. Que tengas un gran día. Sí,
Ya saben, algo de lo que hemos hablado, pero que quizás valga la pena volver a enfatizar. Estamos construyendo, estamos levantando un sistema de producción para los dispositivos. Así que estamos construyendo, poniendo en marcha la línea de producción, fabricando grandes cantidades de dispositivos. Queremos fabricar miles, en última instancia decenas de miles, luego millones de dispositivos. Así que el progreso al principio, particularmente en lo que se aplica a humanos, va a parecer quizás angustiosamente lento. Pero estamos haciendo todas las cosas necesarias para llevarlo a escala en paralelo. Así que, en teoría, el progreso debería ser exponencial. Así que, gracias, esa fue una presentación muy interesante. Uno de los objetivos declarados era poder registrar desde cualquier parte del cerebro, poder registrar y perturbar cualquier ubicación. Así que parece que, actualmente, todo es cortical.
Zach (Neuralink)
Y tengo curiosidad, con el dispositivo actual,
¿hay algún objetivo o idea a largo plazo en cuanto a extenderlo para ir más profundo en el cerebro? Quiero decir, para los trastornos neuropsiquiátricos, para la memoria, todas estas cosas están mucho más profundas, a varios centímetros. Así que me pregunto cuál es la escala de tiempo. Si tuvieran que dar una estimación muy aproximada de cuándo puedo esperar ver un producto de Neuralink que llegue tan profundo.
Así que, quiero decir, los fundamentos del dispositivo en el cráneo se van a mantener esencialmente iguales porque, como dije antes, el dispositivo en el cráneo es muy parecido a un reloj inteligente. Básicamente tiene, es una batería, radio, cargador inductivo, computadora, y luego tienen los pequeños cables, así que hay que hacer los cables más largos, y habría que tener una aguja de inserción más profunda para el robot. Pero esto realmente está pensado para ser un dispositivo de entrada y salida generalizado. Así que, aparte de que los pequeños cables sean más largos y el robot quirúrgico necesite una aguja más larga, en teoría debería poder ir a cualquier lugar, porque me parece que parte del robot está intentando detectar dónde están los vasos sanguíneos y luego evitarlos. Correcto. ¿Sería eso posible a esa escala? Quiero decir, ciertamente no solo visualmente, pero tal vez haya alguna otra forma de detectarlo. ¿Es eso un objetivo actual, y
Dan (Neuralink)
esperan que sea, supongo, dentro de la próxima década?
Definitivamente, sí. Soy Ian, dirijo el equipo de ingeniería de robótica y cirugía aquí. Como de los tres ejes que mencionó DJ, uno de ellos es, ya saben,
Alex (Neuralink)
acceso a más áreas del cerebro.
Así que el equipo de robótica piensa mucho en esto.
En cuanto a lo que hacen los sensores, básicamente necesitas ir más allá de la superficie. Y entonces en este caso tienes razón
Alex (Neuralink)
en que ahora mismo realmente solo podemos
ver hacia abajo, como máximo, un milímetro. Creo que dentro del equipo hay preguntas sobre qué es lo mejor para usar a continuación. Pero cosas como el ultrasonido y la tomografía fotoacústica son dos que me vienen a la mente como cosas que pueden llegar a centímetros de profundidad, básicamente. Pero es un problema súper interesante. Más o menos necesitas imágenes profundas y alguna capacidad de dirección para al menos evitar vasos sanguíneos grandes en profundidad. Sí.
Christine (Neuralink)
O si podemos hacer nuestras agujas e hilos lo suficientemente pequeños de manera que aún podamos ser precisos y exactos a una gran profundidad, entonces quizás no causes una hemorragia si golpeas un vaso.
Sí, creo que esa es realmente la situación ideal. Si los hilos son realmente diminutos, en realidad pueden atravesar un vaso sanguíneo. Y está bien si son lo suficientemente diminutos, de modo que no necesitaríamos las imágenes de vasos sanguíneos en ese caso. En realidad soy ligeramente optimista de que eso sea alcanzable.
Christine (Neuralink)
Matt, probablemente tú podrías hablar más de esto, pero con la estimulación cerebral profunda actualmente es un poco como simplemente lanzarse.
El enfoque actual implica un cable que se pasa a ciegas.
Julian (Neuralink)
Eso es enorme comparado con nuestros hilos, órdenes de magnitud más grande.
Matt (Neuralink)
Así que esa es una barra baja para
que nosotros también superemos. Supongo que la gente no se da cuenta, como, para la, profunda. Correcto. Estimulación. De qué tan grande es el agujero. Es un. Quiero decir, ¿cómo es? Quiero decir, básicamente, en la estimulación cerebral profunda actual, ¿cuán grande es el agujero que se perfora en el cerebro? Sí.
Matt (Neuralink)
Se perfora un agujero de 14 milímetros y luego se pasa un cable de 2 milímetros 6
centímetros, 8 centímetros de profundidad en el cerebro.
Matt (Neuralink)
Así que todo a ciegas, esperando no golpear un vaso sanguíneo, diciéndole al paciente
de antemano, esto podría ser bueno para
Matt (Neuralink)
usted, y hay un 1% de probabilidad de que su
cerebro vaya a sangrar de una
manera que no podemos controlar.
Esa es la tecnología actual que está ocurriendo ahora mismo. Así que hacerlo mejor que eso es. Definitivamente podemos hacerlo mucho mejor que eso.
Christine (Neuralink)
Nuestra aguja tiene 40 micrones.
Gracias de nuevo por la presentación fenomenal. Me pareció fascinante la rapidez con la que pueden probar todos estos electrodos, pero eso plantea la pregunta de cuál es su tolerancia a fallos. Si ejecutan estos diagnósticos y resulta que tienen algo en cortocircuito o con alta impedancia, ¿cuántos de esos se necesitan antes de obtener un rendimiento degradado? Y la segunda pregunta es, cuando realmente están insertando este dispositivo, vimos ejemplos del electrodo entrando y luego, como, enrollándose sobre sí mismo. Pero parecía que eso era algo que se evaluaba básicamente cortando el material sintético en láminas. Tengo curiosidad por saber qué están haciendo para validar la inserción de todos estos electrodos, digamos, in vivo. ¿Cómo sabemos que eso no está ocurriendo en un paciente real?
Sam (Neuralink)
Sí, puedo responder esa, la segunda. Así que, como mencioné, podemos. En ese caso en realidad no estábamos cortando en secciones. Tenemos una micro tomografía computarizada realmente genial. Es decir, es esencialmente como un escáner de TC. Así que eso es simplemente con un sustituto intacto que ponemos en esta máquina, y podemos, ya saben, tomar una imagen a través de todo él. Y como mencioné antes, podemos hacer un sustituto en el que ocurra, ya saben, que ese enrollamiento ocurra cada vez. Y luego podemos hacer uno en el que nunca ocurra. Y hemos identificado aproximadamente dónde cae el tejido real dentro de ese rango. Así que nuestro plan actual para, ya saben, validar y confirmar eso es hacer sustitutos en los que, ya saben, ocurra muy fácilmente, un caso mucho peor que cualquier tejido posible, y luego diseñarlo de manera que nunca ocurra en ese escenario. Hacer eso suficientes veces y con un sustituto suficientemente débil nos dará la confianza de que esto en realidad no está ocurriendo.
Esta es la aguja de nueva generación.
Sam (Neuralink)
Sí. Y esta es la aguja de nueva generación. No vemos este problema en absoluto
Alex (Neuralink)
con la generación actual.
Julian (Neuralink)
Y voy a intentar responder su primera pregunta. Así que, para aclarar, ¿está preguntando qué pasa si hay un fallo en un canal en particular o algo así?
Julian (Neuralink)
Sí. Así que el escenario nominal es que, básicamente, la impedancia se estabiliza bastante rápido dentro del cerebro. E incluso en ese nivel podemos registrar señales excelentes. Vemos muchos picos y podemos usar eso para la interfaz cerebro-computadora, porque tenemos tantos canales, como 1000 ahora, 16.000 después, en realidad podemos ejecutar nuestros modelos con muchos menos canales de los que realmente tenemos. Así que no importa si un canal se muere aquí o allá, aún podemos hacer una decodificación realmente buena. No estoy seguro de si tenemos cifras oficiales sobre cuántos canales necesitamos, pero es como que tenemos un orden de magnitud más, y aunque sea así, ya podemos hacer mucho con lo que tenemos.
Quizás solo una o dos preguntas más.
Leslie (Neuralink)
Sí, tengo una pregunta sobre su inspiración a muy, muy largo plazo de tener esta comunicación de alto ancho de banda con IAs avanzadas. Así que parece que la IA avanzada necesitaría entender los pensamientos y emociones más complejos del ser humano. Y eso es lo que los neurocientíficos están intentando hacer. Así que, ¿tienen alguna ambición de abordar la neurociencia más allá de la neuroingeniería?
Bueno, quiero decir, creo que vamos a hacer el dispositivo de entrada y salida y la interfaz de software con él, y creo que, como se sugirió antes, probablemente intentaremos hacer de código abierto todo lo posible para que la gente pueda echarle un vistazo. Y creo que habrá muchos otros que construyan sobre el trabajo que estamos haciendo. Ya saben, de la misma manera que si fabricas un microprocesador, una CPU o una computadora, la gente escribirá mucho software que funcione en esa computadora. Pero si no tienes la computadora, el software es irrelevante. Así que estamos haciendo el dispositivo de entrada y salida con la computadora, y luego creo que probablemente habrá muchas otras organizaciones, empresas, que construyan sobre esa base. Así que sí, quiero decir, una de las cosas con las que a veces me pregunto es que si tienes una interfaz de cerebro completo y puedes grabar recuerdos,
estamos entrando en territorio de Black Mirror aquí, pero esta podría ser una de esas cosas.
Audience Member
También creo que vale la pena mencionar un punto importante, que es que Neuralink no salió de la nada. Hay décadas y décadas de investigación en el campo médico académico que realmente han establecido las bases de lo que es posible al colocar estos electrodos en partes del cerebro y poder leer esas señales, decodificarlas para mapearlas a alguna aplicación. Y ya saben, habiendo estado en el ámbito académico antes de llegar a Neuralink, realmente creo que hay muchas oportunidades para que el campo avance a un ritmo mucho más rápido simplemente teniendo mejores herramientas para observar las dinámicas que están ocurriendo y luego interactuar con ellas de manera fluida. Y creo que fue Ian quien mencionó algo así, ya saben, es casi como si estuviéramos construyendo un osciloscopio para el cerebro, lo cual creo que es como una analogía hermosa de simplemente darnos un poco más de capacidad para observar las dinámicas y usar esa información. Aprender eso para, no sé, esperemos entender qué es lo que nos hace ser quienes somos, y cómo funciona el cerebro, y ya saben, todo el paquete.
Julian (Neuralink)
La presentación cubrió métodos de entrada basados en teclado y en escritura a mano. ¿Cómo planean desarrollar un modelo de entrada que logre anchos de banda mucho más altos para tareas complejas en humanos?
Esta es una pregunta difícil, y empezamos a explorar esto con monos. Como vieron, tenemos como una variedad. Entrenamos a muchos monos en tareas muy diferentes. Todavía es una pregunta abierta que estamos persiguiendo. Creo que, con suerte, una vez que lleguemos a nuestro primer participante será más fácil investigar. Una de las opciones que estamos explorando, como mostramos, es decodificar la escritura a mano directamente. Este es un trabajo que comenzó en Stanford, y lo estamos explorando aquí e intentando expandirlo. También hay algo diferente, además de simplemente decodificar diferentes cosas del cerebro. También intentamos ofrecer al usuario diferentes interfaces de usuario, tal vez. Por ejemplo, mostramos diferentes tipos de teclados. Tal vez también deslizamiento y otras cosas que pueden ayudar a aumentar la tasa de comunicación. Así que estamos abordando eso, en cierto modo, en dos dimensiones.
Solo una cosa más que añadir en esa dirección. Como han señalado muchas personas aquí hasta ahora, este es un sistema general de entrada y salida que se puede, en cierto modo, conectar y usar en diferentes lugares del cerebro. Hay otras áreas del cerebro que pueden ayudar a aumentar el ancho de banda. Por ejemplo, los centros del lenguaje o del habla, que pueden ayudarte a comunicarte de manera mucho más fluida. Por ejemplo, texto, si eso es lo principal que están tratando de hacer.
Creo que simplemente tener este dispositivo general de entrada y operación mejorará de manera gigantesca nuestra comprensión del cerebro. Es difícil. Las palabras apenas pueden expresarlo. Como, ya saben, ahora mismo estamos simplemente adivinando mucho de lo que ocurre en el cerebro. Pero si tienes entrada y salida directa, ya no es. Ya no más adivinar. Lo que aprenderíamos sobre el. Lo que aprenderemos sobre el cerebro con un dispositivo así en uso generalizado es, sin duda, muchos órdenes de magnitud más de lo que entendemos actualmente. Así que supongo que, con esa nota, gracias por venir y gracias por ver esto en línea.