Neuralink Show and Tell 30 novembre 2022 Show and Tell officiel de Neuralink à l'automne 2022, où Musk et l'équipe présentent les avancées de l'interface cerveau-ordinateur et les plans d'essais sur l'humain.
Show and Tell officiel de Neuralink à l'automne 2022, où Musk et l'équipe présentent les avancées de l'interface cerveau-ordinateur et les plans d'essais sur l'humain.
Transcription Sa. Bienvenue au Show and Tell de Neuralink. Nous avons donc une quantité incroyable de nouveaux développements à partager avec vous, que je trouve incroyablement excitants, ainsi que vous parler de l'avenir de ce que nous prévoyons de faire ici. Alors, ceci est censé être un podcast technique, un peu comme, je vais fournir un résumé global et ensuite nous allons avoir plusieurs membres de l'équipe Neuralink qui vont venir et donner un aperçu technique approfondi des différents domaines. Donc, oui, laissez-moi avancer avec le résumé global. Maintenant. Certaines des choses que je vais dire sont des choses que vous. Eh bien, si vous suivez Neuralink, vous les avez déjà entendues, mais pour beaucoup de gens là-bas, ils n'ont aucune idée de ce que fait Neuralink. Et donc je vais être un peu répétitif sur des choses que vous connaissez peut-être déjà, mais que d'autres ne connaissent pas. Donc l'objectif global de Neuralink est de créer finalement une interface cérébrale complète, donc une entrée-sortie généralisée vers un appareil qui, à long terme, pourrait littéralement interfacer avec chaque aspect de votre cerveau, et à court terme peut interfacer avec n'importe quelle section donnée de votre cerveau et résoudre un nombre considérable de choses qui causent des problèmes débilitants pour les gens. Donc, vous savez, donc notre objectif à long terme est, je veux dire, je vais parler un peu d'un objectif à long terme. Ça va sembler un peu ésotérique, mais c'est le. C'était en fait en quelque sorte ma motivation première, qui était, vous savez, en quelque sorte, que faisons-nous à propos de l'IA ? Genre, que faisons-nous à propos de l'intelligence artificielle générale ? Si nous avons une superintelligence numérique qui est tout simplement beaucoup plus intelligente que n'importe quel humain, comment atténuons-nous ce risque ? Au niveau de l'espèce, comment atténuons-nous ce risque ? Et puis même dans un scénario bénin où l'IA est très, très bienveillante, alors comment même suivre le.
Dan (Neuralink)
Suivre le mouvement ?
Comment participons-nous ? Et la conclusion, la chose qui, la plus grande limitation pour suivre le mouvement et pour aligner l'IA, je pense, c'est la bande passante, la vitesse à laquelle vous pouvez interagir avec l'ordinateur. Donc nous sommes déjà tous des cyborgs d'une certaine manière, en ce sens que vous. Votre téléphone et votre ordinateur sont des extensions de vous-même. Et si vous, je suis sûr que vous l'avez déjà remarqué, si vous laissez votre téléphone derrière vous, vous finissez par tâter vos poches. Et c'est comme avoir le syndrome du membre fantôme, comme là où vous savez où est le téléphone. Laisser son téléphone derrière soi, c'est un peu comme un membre manquant. À ce stade, vous êtes si habitué à interagir avec, vous êtes si habitué à être un cyborg de facto, mais. Alors quelle est la limitation d'un téléphone ou d'un ordinateur portable ? La limitation, c'est le taux à lequel vous pouvez recevoir et envoyer des informations, surtout la vitesse à laquelle vous pouvez envoyer des informations. Donc si vous interagissez avec un téléphone, c'est limité par la vitesse à laquelle vous pouvez bouger vos pouces ou la vitesse à laquelle vous pouvez parler à votre téléphone. C'est un débit de données extrêmement faible. C'est peut-être, de manière optimiste, 100 bits par seconde, mais un ordinateur peut communiquer à des gigabits, des térabits par seconde. Donc c'est la limitation fondamentale que je pense que nous devons aborder pour atténuer le risque à long terme de l'intelligence artificielle et aussi simplement suivre le mouvement. Et. Oui, donc, mais comme je l'ai dit, c'est une explication ésotérique qui, je pense, plaira à un public de niche, dont certains sont peut-être ici. Mais. Et c'est un problème très difficile. Donc même si nous ne réussissons pas ce problème, je pense que nous sommes confiants à ce stade que nous réussirons à résoudre de nombreux problèmes de lésions cérébrales, de lésions de la colonne vertébrale en chemin. Donc. Oui, donc de toute façon, nous avons en fait Justin Roiland dans le public. Salut, Justin. Donc c'est une petite référence à Rick et Morty ici, le génial épisode de Rick et Morty sur l'amélioration de l'intelligence de votre chien, et qu'est-ce qui peut arriver de pire ? Donc de toute façon, Rick et Morty, je le recommande. Donc pour. Donc vous voulez être capable de lire les signaux du cerveau, vous voulez être capable d'écrire les
vous voulez être capable de finalement faire ça pour tout le cerveau et ensuite aussi étendre ça pour communiquer avec le reste de votre système nerveux. S'il y a, si vous avez en quelque sorte une moelle épinière ou un cou sectionné. Alors maintenant cette vidéo a 18 mois. Donc c'est Pager, qui joue au pong mental de singe. Donc Pager a un implant Neuralink dans cette vidéo. Et ce qui est intéressant, c'est que vous ne pouvez même pas voir l'implant neuronal. Donc nous avons miniaturisé l'implant neuronal au point qu'il correspond à l'épaisseur du crâne qui est retiré. Donc essentiellement c'est un peu comme avoir une Apple Watch ou un Fitbit remplaçant un morceau de crâne, comme, vous savez, une montre intelligente, faute de meilleure analogie. Donc
Vous ne pouvez vraiment pas. Il a l'air plutôt, normal. Et je pense que c'est assez important. Si vous avez un appareil Neuralink, comme je pourrais avoir un appareil Neuralink implanté en ce moment même et vous ne le sauriez, vous ne le sauriez même pas. Je veux dire, hypothétiquement, peut-être une de ces démonstrations.
une de ces démonstrations. Je vais. Oui. Donc, oui. De toute façon, donc voici. Tout d'abord, c'est un peu dément. Hé, les singes peuvent jouer au Pong. Comme ils peuvent vraiment jouer au Pong si vous leur donnez un joystick. Donc Pedro a d'abord appris à jouer au Pong avec un joystick. Donc je me suis dit, c'était nouveau. C'est comme, je ne savais pas que les singes pouvaient jouer au Pong, mais ils le peuvent. Et ensuite, donc nous avons d'abord entraîné Pedro à jouer au Pong avec un joystick. Puis nous avons retiré le joystick et mis le Neuralink. Et maintenant ça, c'est. Il joue en mode télépathique. C'est essentiellement des jeux vidéo télépathiques. Donc ce que nous avons fait depuis, c'est que nous avons été sur le très difficile chemin du prototype au produit. Et j'ai souvent dit que les prototypes sont faciles, la production est difficile. C'est vraiment, je dirais 100 à 1000 fois plus difficile de passer d'un prototype à un appareil qui est sûr, fiable, fonctionne dans une large gamme de circonstances, est abordable, et fait à grande échelle, follement difficile. Je veux dire, il y a un vieux dicton selon lequel c'est 1% d'inspiration, 99% de transpiration, mais je pense que c'est peut-être 99%, 99,9% de transpiration. Le meilleur exemple que je pourrais donner d'une idée facile, mais dont l'exécution est difficile, c'est d'aller sur la Lune. L'idée d'aller sur la Lune, facile, aller sur la Lune, très difficile. Et nous avons travaillé dur pour être prêts pour notre premier humain. Et évidemment nous voulons être extrêmement prudents et certains que ça va bien fonctionner avant de mettre un appareil dans un humain. Mais nous avons soumis, je pense, la plupart de nos documents à la FDA, et nous pensons que probablement dans environ six mois nous devrions pouvoir avoir un premier Neuralink dans un humain. Mais comme je l'ai dit, nous faisons tout ce que nous pouvons possiblement faire pour tester les appareils avant même d'aller dans un humain, avant même d'aller dans un animal. Donc nous faisons des tests sur table. Nous faisons des tests de vie accélérée. Nous avons un simulateur de faux cerveau qui a la texture et c'est comme imiter un cerveau, mais c'est en quelque sorte du caoutchouc. Et donc avant même de penser à mettre un appareil dans un animal, nous faisons tout ce que nous pouvons possiblement faire avec des tests rigoureux sur table. Donc nous ne sommes pas cavaliers en mettant des appareils dans des animaux. Nous sommes extrêmement prudents. Et nous voulons toujours que l'appareil, chaque fois que nous faisons l'implant, que ce soit chez un mouton, un cochon ou un singe, soit confirmatoire, pas exploratoire. Pour que nous ayons fait tout ce que nous pouvons possiblement faire avec des tests sur table. Et seulement alors nous considérerions mettre un appareil dans un animal. Et oui, nous allons en fait vous montrer une démonstration plus tard aujourd'hui, dans quelques heures en fait, d'implantation dans un cerveau de substitution. Et si quelqu'un dans le public veut se porter volontaire, nous avons le robot juste là. Donc, depuis la démonstration de Pager, nous nous sommes étendus pour travailler avec une troupe de six singes. Nous avons en fait mis à niveau Pager. Ils font des tâches variées, et nous faisons tout notre possible pour nous assurer que les choses sont stables et reproductibles et que l'appareil dure longtemps sans dégradation. Donc, et ce que vous voyez là ressemble à Matrix, mais c'est en fait, c'est une vraie sortie de signaux neuronaux. Donc ce n'est pas une simulation ou juste un économiseur d'écran ou quelque chose comme ça. Ce sont des neurones réels qui s'activent. C'est à quoi ressemble une des lectures. Et ici vous pouvez voir Sake, c'est un des autres singes qui tape sur un clavier. Maintenant, c'est de la dactylographie télépathique. Donc pour être clair, c'est le. Il n'utilise pas réellement un clavier. Il déplace le curseur avec son esprit vers la touche surlignée. Maintenant, techniquement, nous ne pouvons pas vraiment épeler, et donc je ne veux pas trop vendre cette chose parce que c'est. C'est la prochaine version.
Mais ce qui est vraiment cool ici, c'est que Sake le singe déplace le curseur de la souris en utilisant juste son esprit, déplaçant le curseur vers la touche surlignée et épelant ensuite ce que nous. Ce que nous voulons, quoi que nous voulions épeler. Mais. Et puis. Donc ça, c'est quelque chose qui pourrait être utilisé pour quelqu'un qui est, disons, un humain quadriplégique ou tétraplégique. Même avant que nous fassions fonctionner les trucs de la moelle épinière, c'est être capable de contrôler un curseur de souris, contrôler un téléphone. Et nous sommes confiants que quelqu'un qui n'a essentiellement aucune autre interface avec le monde extérieur serait capable de contrôler son téléphone mieux que quelqu'un qui a des mains qui fonctionnent. J'ai mentionné la possibilité de mise à niveau. La possibilité de mise à niveau est très importante parce que notre premier appareil de production sera très semblable à un iPhone un. Et je suis à peu près sûr que vous ne voudriez pas qu'un iPhone un soit coincé dans votre tête si l'iPhone 14 est disponible. Donc ça va être
Zach (Neuralink)
capable de
démontrer une réversibilité et une possibilité de mise à niveau complètes. Donc vous pouvez retirer un appareil et le remplacer par la dernière version, ou s'il a arrêté de fonctionner pour une raison quelconque, le remplacer. C'est une exigence fondamentale pour l'appareil de Neuralink. Et je devrais dire que Saki et Pager ont tous les deux été mis à niveau vers nos derniers et meilleurs implants. Donc ça fait en fait plus d'un an et demi. Maintenant que Pager a eu le premier implant et ensuite l'implant mis à niveau, donc c'est un très bon signe que ça dure longtemps sans effet néfaste observé. Je pense qu'il est aussi important de montrer que Sake aime vraiment faire la démonstration et n'est pas, genre, attaché à la chaise ou quoi que ce soit. Donc c'est. Oui, donc les singes aiment vraiment faire les démonstrations et ils reçoivent le smoothie à la banane et c'est un peu un jeu amusant. Donc je suppose que ce que j'essaie de dire, c'est que nous nous soucions énormément du bien-être animal et je suis à peu près sûr que, vous savez, nos singes sont plutôt heureux, vous savez, donc comme vous pouvez le voir, une décision rapide sur le front des fruits. Donc pour nos, les deux premières applications que nous allons viser chez les humains sont la restauration de la vision. Et je pense que c'est notable en ce que même si quelqu'un n'a jamais eu de vision, genre il est né aveugle, nous croyons que nous pouvons toujours restaurer la vision. Donc parce que la partie visuelle du cortex visuel est toujours là. Donc, oui, même s'ils n'ont jamais vu auparavant, nous sommes confiants qu'ils pourraient, ils pourraient voir. Et ensuite, l'autre application étant dans le cortex moteur, où nous permettrions initialement à quelqu'un qui n'a aucune capacité, presque aucune capacité à utiliser ses muscles, vous savez, un peu comme une situation à la Stephen Hawking, et lui permettre d'utiliser son téléphone plus rapidement que quelqu'un qui a des mains qui fonctionnent. Mais alors même, évidemment, même mieux que ça serait de relier la connexion. Donc prendre les signaux du cortex moteur et disons que quelqu'un a le cou cassé, alors relier ces signaux à des appareils Neuralink situés dans la moelle épinière. Donc nous sommes confiants qu'il n'y a pas de limitations physiques pour permettre une fonctionnalité corporelle complète. Donc, je veux dire, aussi miraculeux que cela puisse sembler, nous sommes confiants qu'il est possible de restaurer une fonctionnalité corporelle complète à quelqu'un qui a une moelle épinière sectionnée. Donc, oui. Donc, oui. Très bien. Et ensuite je veux insister à nouveau sur le fait que le but principal de cette mise à jour est le recrutement. Beaucoup de gens pensent qu'ils ne pourraient pas vraiment travailler chez Neuralink parce qu'ils ne savent rien sur la biologie ou le fonctionnement du cerveau. Et ce que nous voulons vraiment souligner ici, c'est que vous n'avez pas besoin de ça, parce que quand vous décomposez les compétences nécessaires pour faire fonctionner Neuralink, c'est en fait beaucoup des mêmes compétences qui sont nécessaires pour faire fonctionner une montre intelligente ou un téléphone moderne. Donc c'est en quelque sorte, vous savez, logiciel, batteries, radios, charge inductive, et, vous savez, aussi bien que des choses spécifiques à nous comme le soin des animaux et les questions cliniques et réglementaires, évidemment, l'apprentissage automatique, cette expression est beaucoup utilisée. Mais nous devons évidemment interpréter les signaux du cerveau, qui est un réseau neuronal biologique. Et la meilleure chose pour interpréter un réseau neuronal biologique, c'est un réseau neuronal numérique. Donc c'est. S'il y a un message que je veux transmettre, c'est que si vous avez une expertise dans la création d'appareils avancés comme des montres et des téléphones, des ordinateurs, alors vos capacités seraient d'une grande utilité pour résoudre ces problèmes importants. C'est plus que tout le message que je veux transmettre. Donc, voyez, oui, donc avec ça, je suppose, DJ. Donc. DJ faisait partie de l'équipe fondatrice de Neuralink et a juste apporté d'immenses contributions à l'entreprise, comme beaucoup d'autres qui vont présenter. Mais je veux juste remercier DJ pour son immense contribution à Neuralink et.
Sam (Neuralink)
Merci, Elon.
DJ (Neuralink)
Quand j'ai déménagé de Corée du Sud à l'âge de 13 ans et que j'ai dû apprendre une nouvelle langue pour communiquer, je me suis demandé s'il y avait des moyens meilleurs et plus efficaces de communiquer mes pensées au monde extérieur. Et en regardant Neo apprendre le kung-fu dans Matrix, je me souviens avoir pensé, wow, je veux travailler à rendre ça possible. Et aujourd'hui, je crois que c'est un défi d'ingénierie abordable, puisque tout ce qui concerne vos intentions, vos pensées et vos expériences se trouve dans votre cerveau, encodé comme des statistiques de déclenchement de potentiels d'action. Si vous pouvez mettre des électrodes aux bons endroits avec les bonnes capacités de détection et de stimulation, ceci et beaucoup d'autres applications dont Elon a parlé sont possibles, et nous pouvons aider beaucoup de gens. Je suis incroyablement enthousiaste de travailler sur cette mission ambitieuse mais importante pour faire de ce futur une réalité ici chez Neuralink. Et je suis aussi incroyablement honoré de travailler avec certains des collègues brillants, scientifiques et ingénieurs à travers de nombreuses disciplines d'ingénierie pour travailler sur cette intersection entre la biologie et la technologie. Vous entendrez plusieurs d'entre eux aujourd'hui pour apprendre l'étendue des défis techniques auxquels nous faisons face et nos progrès de l'année dernière. Et je pense que vous constaterez que pour la plupart de ces défis, comme Elon l'a mentionné, vous n'avez pas besoin d'une compréhension préalable du fonctionnement du cerveau, et qu'une grande partie de ce que nous faisons consiste à appliquer les principes fondamentaux de l'ingénierie à la biologie. Alors comment créer une interface généralisée à haute bande passante vers le cerveau ? Dès le premier jour, nous nous sommes concentrés sur un ensemble de technologies fondamentales qui sont sûres, évolutives, et capables d'accéder à toutes les zones du cerveau. Ces trois axes, la sécurité, l'évolutivité, et l'accès aux régions du cerveau, forment vraiment la base de la façon dont nous concevons des produits ici chez Neuralink. La sécurité, parce que nous voulons rendre nos appareils, ainsi que l'installation, aussi sûrs que possible pour pouvoir stimuler l'adoption de cette technologie, et l'évolutivité, parce qu'à mesure que nous rendons nos appareils plus sûrs et plus utiles. Plus de gens en voudront. Et avec l'échelle, nous voulons aussi le rendre plus abordable, et l'accès aux régions du cerveau pour pouvoir étendre les fonctionnalités de nos technologies. Donc nos premiers pas le long de ces dimensions pour notre appareil, c'est ce que nous appelons l'implant N1. C'est de la taille d'environ une pièce de 25 cents et il a plus de 1000 canaux capables d'enregistrer et de stimuler. C'est microfabriqué sur des réseaux de film mince flexibles que nous appelons des fils. C'est entièrement implantable et sans fil, donc pas de câbles. Et après la chirurgie, l'implant est sous la peau et il est invisible. Il a aussi une batterie que vous pouvez charger sans fil et que vous pouvez utiliser à la maison. Donc de manière similaire, pour implanter notre appareil en toute sécurité dans le cerveau, nous avons construit un robot chirurgical que nous appelons le robot R1. Il est capable de manœuvrer ces fils minuscules qui n'ont que l'épaisseur de quelques globules rouges et de les insérer de manière fiable dans un cerveau en mouvement tout en évitant la vascularisation. Il est assez bon pour faire ça de manière fiable. Et en fait, comme nous n'avons jamais montré une insertion de bout en bout d'un robot en action, nous allons faire une démonstration en direct du robot en train d'opérer sur notre cerveau de substitution. Alors qui veut voir quelques insertions ? Alors voilà. C'est notre robot R1 avec notre patient alpha, qui est allongé confortablement sur le lit du patient. C'est ce qu'on appelle la vue de ciblage. Donc ce que vous voyez, c'est une image de notre cerveau de substitution. Et le rose représente la surface corticale dans laquelle nous voulons insérer nos électrodes. Et le noir représente les vaisseaux sanguins que nous voulons éviter. Et ce que vous voyez, ce sont ces marques avec des numéros qui représentent où nous avons l'intention de placer chacun de nos fils. Alors, devons-nous voir quelques insertions ? Donc voici une autre vue, rapidement. À gauche, c'est la vue de la zone d'insertion. Et à droite, ce que le robot va faire, c'est décoller le réseau, les fils, un par un de son support en silicium et les insérer dans les cibles que nous avons prédéterminées dans la vue de ciblage.
DJ (Neuralink)
Et voilà, c'est la première insertion. Donc nous allons voir encore quelques insertions. Le processus complet d'insertion d'environ 64 fils dans notre premier produit va prendre environ 15 minutes pour ce robot. Donc, oui, il y en a un deuxième qui est entré et nous allons en faire un troisième. Et voilà. Et ensuite ça va continuer en arrière-plan et nous y reviendrons plus tard dans la présentation. Et comme Elon l'a mentionné, nous avons travaillé très dur pour passer du prototype à la construction du produit dans le cadre de ça. Une des choses que nous avons faites, c'est déplacer la fabrication de notre appareil vers une installation dédiée à Austin pour la fabrication à grande échelle. Et ce qui est important de souligner et qui est évident dans ce clip, c'est que c'est très typique pour nous d'avoir nos ingénieurs qui conçoivent qui travaillent aussi sur la ligne de fabrication physique pour construire et déboguer. Et ça a été extrêmement, extrêmement critique pour réduire notre temps de cycle d'itération. Et nous avons aussi mis à l'échelle notre chirurgie, donc nous avons maintenant un, notre propre, ou en fait un double, à Austin. Et c'est juste un tremplin avant que nous construisions finalement notre propre clinique Neuralink. Donc avec ce produit, N1 et R1, notre objectif initial est d'aider les personnes paralysées par une lésion complète de la moelle épinière à retrouver leur liberté numérique en leur permettant d'utiliser leurs appareils aussi bien, voire mieux, qu'ils ne le pouvaient avant la blessure. Et comme Elon l'a mentionné, au cours de l'année dernière, ça a été l'objectif central de l'entreprise, et nous avons travaillé très étroitement avec la FDA pour obtenir l'approbation et lancer notre premier essai clinique chez l'humain aux États-Unis, espérons-le, dans les six prochains mois. Donc j'espère que ça vous donne un bon aperçu de notre produit. Pour l'heure qui vient, nous allons faire un plongeon technique approfondi sur ces sujets pour vous parler de nos défis techniques, partager certains de nos progrès et vous donner un aperçu de ce qui vient ensuite. Donc avec ça, à toi NIR, de mon équipe, qui va vous parler du décodage neuronal.
Julian (Neuralink)
Merci DJ,
Audience Member
tout le monde.
Je m'appelle Niravan Chen et je suis responsable des applications d'interfaces cérébrales. Notre objectif est de permettre à quelqu'un paralysé de contrôler un ordinateur aussi bien que moi. Ou même mieux, nous aimerions fournir un contrôle rapide et précis avec toutes les fonctionnalités des ordinateurs, qui fonctionne à tout moment, n'importe où. Donc je suis très enthousiaste de vous montrer comment nous utilisons l'appareil N1 avec notre logiciel et nos algorithmes pour atteindre ça. L'année dernière, nous avons partagé avec vous une vidéo de Pedro le singe contrôlant un curseur d'ordinateur avec son cerveau. Alors comment faisons-nous ça ? Juste un bref rappel. D'abord, nous enregistrons son activité neuronale depuis le cortex moteur. En utilisant l'appareil N1. Nous pouvons enregistrer à partir de plus de mille canaux pendant qu'il joue avec le joystick. Ensuite nous pouvons entraîner un réseau de neurones qui prédit la vitesse du curseur à partir des motifs de son activité neuronale. Avec ce décodeur, il peut alors contrôler un curseur juste en y pensant, sans même déplacer le joystick. Il peut jouer avec ce décodeur à une variété de jeux. Aussi une tâche de grille où il déplace le point blanc vers la cible jaune. Chaque fois qu'il en obtient une, il reçoit une goutte de son smoothie préféré. Et il choisit de jouer à ce jeu tous les jours. Ici vous pouvez voir sa performance du début 2021, à l'époque où nous avons publié la démonstration précédente. C'est assez précis, mais c'est un peu plus lent que ce que nous aimerions. Et le contrôle du curseur est la base pour interagir avec la plupart des applications informatiques. Donc depuis, nous avons travaillé à améliorer la vitesse et la précision du curseur. Comme vous pouvez le voir, c'est beaucoup, beaucoup plus rapide, presque deux fois plus rapide. Cependant, c'est encore un peu plus lent que ce que je peux faire. Donc nous travaillons sur des moyens créatifs pour améliorer ça. Maintenant, la vitesse ne suffit pas. Vous voulez un ensemble complet de fonctionnalités. Et depuis des décennies, la plupart des logiciels ont été construits pour le contrôle à la souris et au clavier. Et ça n'a pas de sens de réinventer tout cet écosystème pour le contrôle cérébral, du moins pour l'instant. Donc nous travaillons et nous concevons des interfaces souris et clavier pour le cerveau. La façon dont nous faisons ça, c'est en entraînant Pedro et ses amis sur une variété de tâches informatiques et ensuite en concevant des algorithmes pour prédire le comportement. Ici vous pouvez voir quelques exemples de tâches à différentes phases de l'entraînement des singes. Par exemple, le clic gauche et droit, cliquer-glisser, la saisie par curseur, la saisie par sprite, l'écriture manuscrite et même les gestes de la main. Maintenant, interagir avec un ordinateur est bidirectionnel et le retour d'information est très important. J'aime quand je clique sur un bouton et que je peux physiquement sentir le bouton être pressé. Quand un utilisateur potentiel de N1 tentera de cliquer, il ne pourra pas le sentir. Un exemple de la façon dont nous abordons ça, c'est en fournissant un retour visuel en temps réel qui représente la force du clic neuronal en changeant la couleur du curseur. Simplement taper sur un clavier physique est beaucoup plus rapide et facile que taper sur un clavier d'iPad. Ça rendra le contrôle cérébral beaucoup plus rapide et facile à utiliser, la saisie étant une des fonctionnalités les plus importantes. Donc vous avez déjà vu ce message et je veux vous montrer les coulisses de la façon dont ce message a été créé. Et ici vous pouvez voir à nouveau Sake utiliser le clavier virtuel. En train de taper ce message. Ce clavier virtuel est similaire à celui que j'utilise sur mon téléphone. Et avec la vitesse et la précision que nous avons atteintes jusqu'à présent, taper sur un clavier virtuel est déjà rapide et facile. Cependant, je n'utilise jamais un clavier virtuel quand je tape sur mon ordinateur parce qu'il couvre mon écran et c'est aussi beaucoup plus lent que ce que je peux faire avec mes dix doigts. Nous pouvons faire mieux. Par exemple, un groupe de Stanford a demandé à une personne d'imaginer écrire des lettres à la main. Ensuite ils ont décodé les lettres à partir de son activité cérébrale. En utilisant cette approche, ils ont pu accélérer le taux de frappe. Nous avons commencé ce projet avec nos singes, mais bien sûr ils ne savent pas écrire. Donc pour imiter l'écriture, nous avons entraîné Ranger, un de nos singes préférés, à tracer des chiffres sur un iPad. Ici vous pouvez le voir tracer le chiffre 5 et le chiffre 2. Ensuite nous avons enregistré son activité neuronale avec l'appareil N1. Mais maintenant, au lieu d'enregistrer la vitesse du curseur, nous décodons en temps réel le chiffre qu'il trace sur l'écran. Nous avons tiré deux grandes leçons de ce projet. D'abord, que les singes sont géniaux et peuvent apprendre des tâches très, très complexes. La deuxième, que même si ça peut augmenter le taux de frappe, ça nécessite des centaines d'exemples et d'échantillons de chacun des chiffres et des caractères que nous voulions classer. Ça ne va pas être évolutif, la façon dont nous résolvons ça, c'est par indirection. Au lieu de décoder directement les chiffres, nous décodons d'abord la trajectoire de la main sur l'écran. Et ensuite, une fois que nous avons décodé la trajectoire de la main, nous pouvons utiliser n'importe quel classificateur d'écriture manuscrite standard pour prédire les chiffres et les caractères. Par exemple, des classificateurs entraînés sur un jeu de données MNIST. Pourquoi c'est si important, c'est important parce que maintenant nous pouvons potentiellement décoder n'importe quel caractère dans n'importe quelle langue avec seulement un décodeur neuronal. Pour la trajectoire de la main, ça signifie que vous pouvez écrire en anglais, en hébreu, en mandarin, ou même en langage de singe. Et nous pouvons comprendre que vous voulez une banane. Donc il y a beaucoup de défis devant nous pour améliorer la fonctionnalité et la vitesse. Et je veux passer la parole à Bliss pour parler de la troisième partie, comment nous faisons fonctionner nos interfaces cérébrales n'importe quand, n'importe où.
Bonjour à tous, je m'appelle Bliss et je suis ingénieur logiciel ici chez Neuralink. Quand j'utilise mon ordinateur, ma souris et mon clavier fonctionnent comme je l'entends, au moins 99,9999% du temps. Mon objectif est de permettre à un utilisateur paralysé de contrôler son ordinateur aussi fiablement que je le peux. Voici à quoi nous voulons que cette expérience ressemble. Dans cette vidéo vous pouvez voir Saki marcher vers son MacBook et choisir de travailler sur sa tâche de frappe. Tout le système de décodage fonctionne dès la sortie de la boîte et ça donne l'impression d'être totalement plug and play. La première étape pour atteindre ce genre de haute fiabilité, c'est de tester extensivement hors ligne. Un flux typique pour utiliser le lien N1 consiste à se connecter via Bluetooth, à diffuser l'activité neuronale du cerveau, puis à utiliser cette activité neuronale pour entraîner des décodeurs et faire de l'inférence en temps réel. Nous avons construit une simulation exactement pour cette séquence. Mais au lieu d'utiliser un singe avec un implant. Nous utilisons un cerveau simulé qui injecte une activité neuronale synthétique dans un implant posé dans un rack de serveurs. Du point de vue de cet implant, il se trouve dans un vrai cerveau. Cette simulation s'exécute à chaque validation de code pour vérifier que, du matériel jusqu'aux décodeurs neuronaux, l'ensemble de notre système atteint des performances de pointe. Cependant, si ce type de simulation est excellent pour les tests d'intégration logiciel et matériel, il n'est pas encore assez détaillé pour garantir une haute fiabilité dans le monde réel. Dans le monde réel, les signaux sous-jacents que nous essayons de décoder changent en fait d'un jour à l'autre. Sur ce graphique, vous pouvez voir le taux de décharge moyen détecté sur un canal représentatif de l'implant de Pager. Chaque barre représente un jour. Et vous pouvez voir que chaque jour a un taux de décharge moyen différent du précédent. Cela nous pose un problème très intéressant quant à la façon de rendre nos décodeurs robustes d'un jour à l'autre. Il peut en effet arriver que si vous entraînez un décodeur neuronal sur les données d'un jour puis essayez de l'utiliser le lendemain, les taux de décharge moyens peuvent évoluer suffisamment pour provoquer un biais dans la sortie du modèle. Ici, à droite, vous pouvez voir que ce biais rend difficile le déplacement du curseur vers le coin supérieur droit. Vous voyez qu'il a du mal à monter vers le coin supérieur droit, puis il se déplace beaucoup plus facilement vers le bas à gauche. Nous essayons de nombreuses approches pour atténuer ce problème. Certaines consistent à construire des modèles sur de vastes ensembles de données couvrant de nombreux jours pour essayer de trouver des motifs d'activité neuronale stables d'un jour à l'autre. Une autre approche que nous testons consiste à échantillonner continuellement les statistiques de l'activité neuronale sur l'implant et à utiliser les dernières estimations pour prétraiter les données avant de les transmettre au modèle. C'est vraiment un domaine de recherche actif pour l'équipe, et c'est un problème critique à résoudre si nous voulons permettre à quelqu'un atteint de paralysie de contrôler son ordinateur aussi bien que moi. Un autre gros problème que nous avons est de minimiser le temps qu'il faut à un pic cérébral pour affecter le mouvement du curseur sur l'écran. S'il y a du retard ou de la gigue dans cette boucle de contrôle, le curseur devient difficile à contrôler, ce qui entraîne les dépassements que vous pouvez voir ici à droite. Une grande amélioration que nous avons apportée dans cette direction s'appelle le verrouillage de phase. Le verrouillage de phase aligne le bord de chaque paquet que nous envoyons depuis l'implant sur le moment exact où la radio Bluetooth va se réveiller. Cela minimise le temps nécessaire pour qu'un pic cérébral soit intégré dans la prédiction de notre réseau de neurones. Ici, vous pouvez voir la distribution de latence après le verrouillage de phase. Non seulement la moyenne a été fortement réduite, mais la variance aussi. Cela facilite la prédiction du comportement du curseur par l'utilisateur. Au cours de la dernière année, nous avons apporté d'énormes améliorations à la stabilité et à la fiabilité de notre système, et nous avons pu démontrer des performances élevées et constantes sur de nombreuses sessions et de nombreux mois. Cependant, il reste encore un long chemin à parcourir avant que ce système ne soit vraiment prêt à l'emploi. Donc, si résoudre les problèmes difficiles nécessaires pour livrer cette technologie vous excite, vous devriez envisager de postuler pour rejoindre l'équipe. Je vais maintenant passer la parole à Avinash pour qu'il nous parle de la façon dont notre ASIC personnalisé à faible consommation détecte les pics dans le cerveau.
Avinash (Neuralink)
Bonjour, je suis Avinash, l'un des ingénieurs de l'équipe ASIC. Nous avons conçu les capteurs neuronaux personnalisés, qui comprennent à la fois des circuits analogiques et numériques pour enregistrer et stimuler sur 1024 canaux indépendants. Nous sommes confrontés à des défis sur les trois axes principaux : performance, puissance et surface. Non seulement nous devons faire entrer les 1024 canaux dans un implant de la taille d'une pièce de monnaie, mais nous devons aussi mesurer une activité de décharge inférieure à 20 microvolts d'amplitude. Et aujourd'hui, je voudrais me concentrer sur le dernier défi que j'ai mentionné. La puissance. La consommation d'énergie est importante pour nous, car nous voulons offrir aux futurs utilisateurs une journée complète d'utilisation de leur implant sans aucune interruption pour la recharge. En 2018, nous envoyions chaque échantillon de chaque canal hors de l'appareil pour le traitement, ce qui consommait énormément d'énergie. En 2020, nous avons intégré la détection de pics directement sur la puce. Comme vous le savez peut-être, les neurones transmettent l'information en déchargeant, donc simplement surveiller ces pics et n'envoyer hors de l'implant que ces événements de pic agit comme une forme de compression très efficace. Et au cours des deux dernières années, nous avons continué à optimiser l'ASIC, en réduisant la consommation totale du système à seulement 32 milliwatts et en doublant la durée de vie de la batterie. Regardons notre algorithme de détection de pics sur puce qui rend possibles nos implants à batterie. Nous commençons par appliquer un filtre passe-bande de 500Hz à 5kHz pour supprimer le bruit hors bande. Ensuite, nous utilisons une estimation du bruit de fond pour générer un seuil adaptatif par canal. Et enfin, notre module de détection de pics identifie trois points clés d'un pic. Identifier trois points nous permet de détecter non seulement la présence d'un pic, mais aussi sa forme. Cela peut être extrêmement important pour distinguer plusieurs neurones adjacents à un même canal. Aujourd'hui, je voudrais me concentrer sur l'une des nombreuses optimisations que nous avons apportées à notre dernière puce, celle-ci réduisant spécifiquement la consommation du système de 15 %. Notez que les neurones déchargent relativement rarement, ce qui signifie que notre détecteur de pics passe beaucoup de temps à chercher le premier point d'un pic et très peu de temps à chercher les deux autres points d'un pic, qui n'apparaissent qu'après le franchissement correct du seuil. Nous pouvons utiliser cette caractéristique de la forme d'onde d'entrée pour réduire les accès mémoire sur la puce de 30 %. Voyons comment cela fonctionne. Notre détecteur de pics est implémenté comme une seule unité fonctionnelle partagée entre tous les canaux, avec une SRAM pour mettre en mémoire tampon l'état de chaque canal. Lorsqu'un échantillon arrive, l'état de son canal est lu depuis la SRAM, une étape incrémentale de détection de pic est exécutée, puis l'état mis à jour est réécrit dans la SRAM. Comme cela se produit 20 millions de fois par seconde sur l'implant, chacun de ces accès s'accumule très rapidement. Dans notre dernière puce, nous avons divisé l'état en deux parties, un état chaud et un état froid. L'état chaud est consulté à chaque cycle, tandis que l'état froid n'est consulté qu'une fois le seuil franchi, ce qui réduit la largeur d'accès moyenne et économise de l'énergie. Nous travaillons également sur une puce de nouvelle génération axée sur la stimulation, avec 4096 canaux, tout en restant dans l'encombrement de nos puces actuelles. En plus d'augmenter le nombre de canaux, nous augmentons aussi la tension d'excitation pour obtenir une meilleure activation par canal. Et pour prendre en charge ce nombre de canaux plus élevé, ainsi qu'un large éventail de futures applications dont vous entendrez bientôt parler, nous ajoutons un cœur ARM sur la puce. Et enfin, comme ces puces ont la même taille que nos puces actuelles, nous pouvons toujours en assembler quatre dans un seul implant, pour un total de 16 000 canaux. Toujours dans la taille d'une pièce de monnaie. Comme vous pouvez le voir, nous avons travaillé très dur pour améliorer la consommation d'énergie au sein de l'implant. Mais nous avons aussi travaillé très dur pour améliorer l'expérience de charge de l'implant, dont Matt va nous parler. Mais d'abord, le robot vient de terminer l'insertion des 64 fils, alors regardons ça. Voici une vue du site d'insertion similaire à celle que DJ vous a montrée plus tôt. Mais au lieu des réticules de visée, si vous regardez attentivement, vous pouvez voir que les 64 fils, chacun portant 16 électrodes, ont été insérés dans le cerveau fictif tout en évitant la vascularisation. Et tout cela en seulement les 20 dernières minutes. Passons maintenant la parole à Matt
Sam (Neuralink)
pour continuer le point technique approfondi.
Matt (Neuralink)
Bonjour, je suis Matt, responsable de l'ingénierie électrique des interfaces cérébrales. Notre dispositif N1 entièrement implantable dépend d'une batterie pour fonctionner en continu. Lorsque cette batterie est faible, la charge se fait par transfert d'énergie sans fil. Cependant, contrairement à de nombreux appareils électroniques grand public qui peuvent simplement proposer un connecteur physique, charger un dispositif entièrement implantable pose plusieurs défis uniques. D'abord, le système doit fonctionner sur un large volume de charge sans dépendre d'aimants pour un alignement parfait. Le système doit être robuste aux perturbations et se terminer rapidement afin de ne pas être trop pénible. Cependant, le plus important est la sécurité du contact avec le tissu cérébral. La surface externe de l'implant ne doit pas s'élever de plus de 2 degrés Celsius. Pour atteindre ces objectifs, notre système de charge a traversé plusieurs itérations d'ingénierie. La première, si vous avez regardé notre démo sur le cochon en août 2020, Gertrude a été implantée avec une version du N1 chargée avec notre chargeur de première génération. Cet appareil était implémenté dans un petit boîtier en forme de palet, puis séparé en une bobine distante et une base de batterie. Ce chargeur était difficile à utiliser. Cependant, nous avons beaucoup appris grâce à sa mise en œuvre. Notre chargeur de production actuel, qui charge notre génération actuelle d'implants, est implémenté dans une base de batterie en aluminium qui inclut également les circuits de commande. Une bobine distante quatre fois plus grande que notre appareil d'origine. Également déconnectable, cette bobine distante a une fréquence de commutation augmentée, ce qui améliore le couplage de la bobine. Ce chargeur est utilisé aujourd'hui, y compris dans plusieurs applications au sein de nos installations d'ingénierie et de tests sur animaux. J'aimerais vous montrer ici l'une de ces applications. Avec un appareil que nous appelons notre chargeur simple, et la bobine a été intégrée dans l'habitat. Avec l'ajout d'une nouvelle boucle de contrôle externe plus une pompe à smoothie à la banane, le groupe a été entraîné à se charger lui-même. Voyons donc comment Pager charge son implant. À droite, nous diffusons des diagnostics en temps réel du N1 de Pager. Quand il monte et s'assoit sous la bobine, vous pouvez voir le chargeur détecter automatiquement sa présence et passer de la recherche à la charge. Nous voyons la puissance de sortie régulée sur une échelle de 0 à 1 et le courant injecté dans cette batterie. J'ai mentionné plus tôt que nous avons amélioré le couplage de la bobine. Cependant, les bobines à facteur de qualité élevé présentent de bonnes performances de charge sur des distances relativement grandes. Mais lorsqu'elles se rapprochent de l'implant, on observe un effet de division de pic où le transfert de puissance le plus efficace est repoussé vers des fréquences plus élevées, hors de la bande ISM requise pour la conformité aux émissions radiées réglementées. Dans notre chargeur de nouvelle génération. Nous résolvons ce problème par l'introduction d'un accordage dynamique, montré à droite. Cela nous permet d'ajuster en temps réel la fréquence de résonance des bobines d'émission et de réception, afin de pouvoir modifier leurs propriétés juste avant que les performances ne se dégradent. L'équipe d'ingénierie électrique travaille actuellement sur un chargeur de troisième génération. Les améliorations notables incluent une communication en champ proche bidirectionnelle. Cela nous a permis de réduire la latence de contrôle et d'améliorer la régulation thermique. Une meilleure régulation thermique entraîne des temps de charge plus rapides. Et maintenant, Julian va nous parler de la façon dont nous testons le N1.
Julian (Neuralink)
Merci beaucoup, Matt. Je m'appelle Julian et je dirige le groupe de logiciels embarqués de l'équipe Brain Interfaces. Donc, quand nous avons commencé à construire des implants, nous avions une petite ligne de fabrication, et pour collecter des données d'un implant, il fallait marcher jusqu'à lui avec son ordinateur portable, se connecter et récupérer les données voulues. Mais notre objectif est de fabriquer un implant ultra sûr et ultra fiable. Et pour cela, nous avons mis à l'échelle la ligne de fabrication, nos tests, notre débit et nos capacités de collecte de données. Donc, d'abord, nous avons ajouté une large suite de tests de réception à la ligne de fabrication. Ceux-ci testent la fonctionnalité de chaque composant et de l'assemblage final. Les implants sortant de la chaîne sont ensuite soumis à des tests sur banc, à un vieillissement accéléré et à des modèles animaux. Nous collectons ensuite des données de ces implants en continu, 24 heures sur 24. Ces données sont traitées par une série de serveurs cloud et affichées de manière agrégée. Et enfin, toute cette information alimente notre processus de conception et permet à nos ingénieurs de répondre à toute question sur n'importe quel implant à tout moment. Je vais maintenant vous présenter différentes parties de cette infrastructure, en commençant par les tests de firmware. Donc, l'implant contient un petit microprocesseur exécutant un firmware pour gérer tout un ensemble de ses opérations. Et avant de publier une mise à jour du firmware, nous voulons la tester rigoureusement avec des tests unitaires et des tests matériel-dans-la-boucle, aussi appelés tests HIL. Pour faire un test HIL, on instrumente la batterie, on instrumente les rails d'alimentation, le microprocesseur, puis on se connecte à chaque appareil avec un client Bluetooth, et on fait passer les appareils par divers scénarios pour tester des choses comme la consommation d'énergie, les performances en temps réel, les systèmes de sécurité, les mécanismes de récupération après panne, et bien d'autres choses encore. Dans notre implémentation originale de ces systèmes, nous utilisions des composants prêts à l'emploi pour commencer à automatiser rapidement les tests. Cependant, ces systèmes étaient construits de manière relativement artisanale et très difficiles à maintenir. Et cela signifiait que les tests devenaient rapidement le goulot d'étranglement du développement. Donc pour remédier à cela, les équipes matérielle et logicielle ont développé un nouveau système qui intègre tous les composants nécessaires sur une seule carte de base. Nous pouvons ensuite placer le chargeur et le matériel de l'implant sur des modules individuels qui se branchent sur cette carte de base, y compris une carte avec des bobines opposées, pour pouvoir tester les performances de charge. Cette architecture nous permet d'itérer rapidement sur différents prototypes matériels, car nous pouvons simplement les insérer dans le système et réutiliser toute l'infrastructure de test. De plus, nous pouvons héberger la génération actuelle et la prochaine génération de nos ASICs neuronaux sur des FPGA et les brancher aussi sur cette carte. Et cela nous permet de tester toute une couche supplémentaire. C'est ainsi que nous avons généré cette image plutôt vertigineuse ici à droite. Ce que vous voyez est une activité de décharge émise par certains de nos capteurs neuronaux simulés, transmise à travers tout le système via Bluetooth, puis affichée sur un téléphone. Cela nous permet de tout tester dans un seul système, de la puce au cloud. Ce système coûte un cinquième du prix, un cinquième du volume, et est très facile à fabriquer. Cela permet à chaque développeur d'avoir une unité personnelle sur son bureau, et cela nous permet aussi de répartir toute la suite de tests sur un grand nombre de ces unités montées en rack. Tout cela a considérablement accéléré notre rythme de développement. Voyons maintenant comment nous surveillons l'électronique de l'implant, la batterie et le boîtier. Donc, l'implant capture périodiquement tous ses signes vitaux et les enregistre dans sa mémoire flash. Puis, lors de la prochaine connexion avec une de nos stations d'enregistrement, il transmet ces données. Donc par exemple, si on regarde l'humidité, on peut comprendre l'intégrité du boîtier de l'implant. Et en regardant la tension de la batterie et les mesures de puissance, nous pouvons évaluer l'état de santé de la batterie. Tout cela se fait automatiquement, sans aucune intervention, nous donnant une visibilité 24 heures sur 24, 7 jours sur 7 sur la qualité de chaque appareil. De plus, nous pouvons utiliser cette infrastructure pour demander des informations haute fidélité à la demande, afin de pouvoir enquêter sur différentes situations anormales. Donc, par exemple, dans ce scénario particulier, nous essayions de retrouver la source de certains pics parasites que nous observions sur différents canaux. Et donc nous avons demandé des échantillons de forme d'onde brute directement depuis ces canaux. Capturer des signaux neuronaux de bonne qualité nécessite des électrodes intactes à faible impédance. Et c'est donc aussi quelque chose que nous surveillons très étroitement avec des circuits dédiés sur le capteur neuronal. Alors comment faisons-nous cela ? Nous le faisons d'abord en utilisant un DAC embarqué pour jouer une tonalité de test sur un seul canal. Et ensuite nous enregistrons, en utilisant nos ADC simultanément, le signal de réponse sur ce canal et sur les canaux physiquement adjacents. Non seulement cela nous permet de mesurer l'impédance de chaque canal, mais nous pouvons aussi associer différents phénomènes physiques à différentes signatures caractéristiques. Donc, par exemple, un canal ouvert apparaîtra comme une très grande réponse sur le canal, et les canaux en court-circuit apparaîtront comme une grande réponse sur les canaux voisins. En observant la pureté du signal qui revient, nous pouvons aussi valider que la chaîne analogique du capteur neuronal lui-même fonctionne. Dans notre implémentation originale de ces scans d'impédance, il fallait quatre heures pour passer en revue les 1000 canaux. Mais en paralysant les tests, en sous-échantillonnant, en filtrant, puis en réduisant la quantité d'informations que nous devons transmettre depuis l'appareil, en déplaçant une grande partie du calcul vers le côté firmware, nous pouvons désormais scanner les 1000 canaux en seulement 20 secondes. Cela signifie que nous pouvons mesurer l'impédance sur chaque implant, chaque jour. Et nos tableaux de bord internes peuvent ensuite rejouer un historique de cette impédance, pour nous donner une très bonne vision quantitative de cette interface entre biologie et électronique. Maintenant que vous avez une idée de la façon dont nous testons et surveillons nos implants, je vais passer la parole à Josh, qui va vous expliquer comment nous obtenons un retour encore plus rapide en poussant nos implants jusqu'à la panne de manière accélérée.
Bonjour, je m'appelle Joshua Hess et je suis ingénieur dans l'équipe Brain Interfaces. Nous sommes responsables de la conception du système de l'implant ainsi que de beaucoup des outils de fabrication et de test. Julian vient de vous parler un peu de la façon dont nous testons l'électronique, le matériel et le logiciel de notre implant. Mais qu'en est-il du système entier en ce qui concerne la longévité dans les tissus ? Une des façons dont nous avons abordé cela est le développement de notre système interne de test de vieillissement accéléré. Le système nous permet d'accélérer et de capturer à grande échelle les modes de défaillance des implants sur longue durée, pour accélérer rapidement notre rythme d'itération. Mieux encore, le système réduit aussi considérablement le nombre de tests nécessitant des modèles animaux, à la fois pour les prototypes d'implants et, bien sûr, pour les tests de longévité. Alors comment fonctionne ce système ? À un niveau très basique, cela revient à trois choses. D'abord, nous voulons imiter la chimie interne des tissus. Ensuite, nous voulons accélérer ces interactions chimiques ainsi que la diffusion avec les matériaux de notre implant. Et enfin, nous voulons soumettre l'électronique interne de notre implant à des cycles intensifs avec ces éléments ; principalement les deux premiers nous ont permis d'atteindre un facteur d'accélération conservateur de 4x selon la relation d'Arrhenius. En d'autres termes, chaque jour que nos implants passent dans notre système accéléré équivaut à au moins quatre jours passés in vivo. Historiquement, l'un de nos plus grands défis a été la lutte contre l'infiltration d'humidité dans nos implants. Nous surveillons donc continuellement l'humidité interne pour détecter toute hausse anormale. Ici, en blanc, vous pouvez voir des données d'humidité interne provenant d'implants chez certains de nos animaux, sur une durée de plus d'un an. Comme vous pouvez le voir, notre détection d'humidité interne est si sensible qu'elle peut même détecter la hausse d'humidité très faible et lente due à la simple diffusion à travers les matériaux de notre implant. Maintenant, en bleu, vous pouvez voir les mêmes données d'humidité interne, mais provenant d'appareils dans notre système accéléré. Maintenant, si nous ajustons ces données selon notre facteur d'accélération, vous commencez à voir non seulement la concordance entre ces données, mais aussi jusqu'où ces données s'étendent dans le futur. Maintenant, en rouge, vous pouvez voir un appareil qui a échoué dans notre système accéléré. Cet appareil a montré une augmentation anormale de l'humidité sur une durée de plusieurs mois avant que des défaillances électroniques de l'implant ne se produisent. Alors comment avons-nous construit ce système ? Eh bien, nous avons commencé à construire le premier prototype du système juste après le début du confinement COVID, au début de 2020. Nous avons donc dû faire preuve d'un peu de créativité. Comme vous pouvez le voir, notre premier prototype de système était un peu bricolé et fonctionnait depuis l'un de nos appartements, comme l'indique la moquette. Bien que rudimentaire, le système nous a permis de commencer le plus rapidement possible à tester nos appareils, à ajuster la chimie de notre liquide de travail et à vérifier nos contraintes. Nous avons aussi immédiatement commencé à identifier la cause racine des défaillances observées sur les premiers prototypes d'implants, intégré cette information dans les conceptions des prototypes suivants et littéralement répété ce cycle pendant quelques mois seulement. Le système a été entièrement construit sur mesure et fortement itéré, avec deux versions du système et d'innombrables itérations mineures, nous menant à notre système de troisième génération actuellement en service, qui réalise des tests à haute densité avec charge automatique en cuve ainsi que collecte automatique des données. Le système comprend aussi un ensemble de traîneau pour l'implant qui accueille un matériau simulant le cerveau, de sorte que l'implant peut être installé et inséré par le robot chirurgical, tout comme vous l'avez vu il y a quelques minutes. Nous avons aussi intégré le système dans un format de rack à haute densité, avec un système centralisé de gestion des fluides, à la fois pour l'uniformité chimique entre les cuves et pour réduire la maintenance opérationnelle. Le système fonctionne depuis un an et demi et a connu sa part de défis. Puisque le système lui-même subit le même traitement accéléré que les implants qu'il contient, il a été extrêmement difficile de concevoir, construire et maintenir un système de cette envergure tout en le rendant robuste même contre lui-même. Alors, qu'est-ce qui vient ensuite ? Eh bien, nous avons commencé à travailler sur notre système de quatrième génération et l'avons entièrement repensé depuis le début pour qu'il soit un design à implant unique par cuve, remplaçable à chaud, en partie inspiré des serveurs de calcul à haute densité. Avec ce nouveau système, nous atteindrons un tout nouveau niveau de densité, de robustesse et d'échelle. Nous avons aussi l'intention de faire fonctionner un grand nombre de ces systèmes afin de capturer même les modes de défaillance les plus rares. Avec cela, nous aurons des milliers d'implants testés pour poursuivre ces objectifs. Nous avons déjà commencé à construire le système, mais il reste encore beaucoup à faire. Il y a aussi de nombreux défis passionnants devant nous, comme introduire des contraintes mécaniques, le micromouvement du cerveau simulé et reproduire la croissance tissulaire autour des fils pour des tests accélérés plus complets et représentatifs. Maintenant que vous avez entendu quelques-unes des façons dont nous testons rigoureusement nos conceptions d'implants avant leur utilisation en chirurgie. Christine va maintenant vous présenter un aperçu détaillé de notre processus chirurgical.
Christine (Neuralink)
Merci, Josh. Bonjour à tous. Je suis Christine, responsable de l'équipe d'ingénierie chirurgicale. Pour obtenir un dispositif N1, il s'agit essentiellement de ces étapes. Le ciblage et l'incision, le perçage de la craniectomie, le retrait de la couche méningée externe résistante appelée la dure-mère, puis l'insertion des fils d'électrodes fins et flexibles, le placement de l'implant dans le trou créé, et c'est tout. Vous avez un implant sous la peau. Regarde, maman, pas de fils. Je plaisante. Je veux dire, sérieusement, pas de fils. Mais je n'en ai pas réellement un. Le robot chirurgical effectue la partie insertion des fils de l'opération. C'est parce qu'il serait très difficile de le faire manuellement. Imaginez prendre un cheveu de votre tête et essayer de le planter dans de la gelée recouverte de film plastique, et ce à une profondeur et une position précises, et faire cela 64 fois dans un délai raisonnable. Et non. Un neurochirurgien n'aimerait probablement pas beaucoup cela si nous lui demandions de faire ça pendant l'opération. Donc nous avons le robot que vous avez vu faire sa petite danse. J'avais un peu envie de l'appeler Tiny Dancer, mais il s'appelle R1, ce qui est aussi très bien. Le reste de l'opération est effectué par le neurochirurgien. Pour que nous puissions rendre cette procédure accessible et abordable, nous devons revoir cela. Je vais vous dire pourquoi. Quand j'étais à l'école, mon père a perdu la capacité de marcher, d'utiliser ses bras et même de parler. Il a été diagnostiqué avec la SLA. Nous cherchions sur Internet et on pouvait voir peut-être une personne ici ou là qui avait un appareil d'assistance robotique personnalisé assez cool. Mais c'était profondément frustrant. À quel point les options disponibles pour lui étaient limitées ? Et il y a des centaines de milliers de personnes atteintes de parésie, sans même compter les personnes atteintes d'autres affections que notre appareil pourrait aider. Pendant ce temps, il n'y a pas tant de neurochirurgiens, peut-être environ 10 par million d'habitants. Et il faut environ une décennie ou plus pour former des neurochirurgiens, et ils sont déjà généralement très occupés. Et comme vous pouvez l'imaginer, leur temps est très cher. Donc pour faire le plus de bien possible et avoir une procédure abordable et accessible. Une procédure. Nous devons trouver comment un seul neurochirurgien pourrait superviser plusieurs procédures à la fois. Cela peut sembler un peu fou, mais c'était probablement aussi le cas de la chirurgie oculaire au laser avant que le Lasik ne la rende normale. Le Lasik existe depuis environ 30 ans, et ça continue. Au début, le robot laser ne faisait que la partie la plus fondamentale et essentielle de la tâche, et le chirurgien faisait le reste. Et au fil des itérations, le chirurgien doit faire de moins en moins, et le robot laser fait la majeure partie du travail. Et c'est une procédure très convaincante, qui prend seulement quelques minutes et donne souvent des résultats qui changent la vie. Depuis que j'ai rejoint l'équipe en 2017, nous avons aussi fait plusieurs itérations pour optimiser les insertions de fils du robot. L'un des défis auxquels nous avons dû faire face concerne l'emballage opto-mécanique. Donc, comme vous pouvez le voir ici, il y a environ trois chemins optiques principaux qui sont vraiment précieux pour nous afin d'avoir des insertions de fils fiables. L'un est l'imagerie visible de l'aiguille insérant un fil. Et un autre est le système d'interférométrie laser appelé tomographie par cohérence optique. Cela nous donne la position précise du cerveau pendant qu'il se déplace en temps réel. Et nous devons aussi fournir un éclairage pour voir ce qui se passe dans la caméra en lumière visible. Et faire tout cela, là où l'aiguille se trouve au fond de la craniectomie, surtout quand elle est proche de la paroi du crâne, peut être assez difficile pour faire rentrer tout et pouvoir le voir. Donc la façon dont l'équipe a résolu cela est de mettre ces trois chemins optiques dans une seule pile optique en utilisant la magie des photons, ou la polarisation, peu importe comment vous voulez l'appeler. Et cela nous permet d'éviter les vaisseaux en temps réel. Donc comme je l'ai mentionné, le cerveau bouge, et là où nous plaçons les cibles au début peut ne pas être là où vous voulez insérer au moment où l'aiguille descend. Donc le robot peut en fait détecter les vaisseaux et déterminer si nous allons insérer sur un vaisseau ou non, si c'est sûr d'insérer. Et ainsi nous pouvons éviter d'insérer sur des vaisseaux majeurs. Et cela nous amène au robot que nous avons ici aujourd'hui. Il reste encore beaucoup à faire pour en arriver à une procédure où nous réduisons le rôle du neurochirurgien et la rendons abordable et accessible. Les deux éléments principaux de l'opération qui exigent le plus de compétences du neurochirurgien sont la craniectomie et la durotomie. Alex et Sam vont vous expliquer un peu plus comment nous pensons pouvoir nous débarrasser de l'étape de la durotomie. Il reste donc la craniectomie. En neurochirurgie, si votre craniectomie est assez petite, vous pouvez utiliser un outil standard appelé perforateur, qui règle rapidement ce travail de découpe. Mais pour une craniectomie plus grande, le chirurgien doit s'appuyer sur son habileté pour s'adapter à la variabilité, d'un patient à l'autre, de l'épaisseur du crâne, de la dureté du crâne, même au sein d'un même patient et d'une même craniectomie, on peut avoir des épaisseurs de crâne différentes, par exemple. De plus, si nous pouvons créer quelque chose qui permet une craniectomie de très haute précision, nous pouvons ouvrir l'espace de conception pour de futures façons de fixer l'implant sur le crâne. Alors. Je vais vous montrer quelques-uns de nos prototypes. Les coupeurs ultrasoniques comme celui à l'écran et les coupeurs oscillants ont l'avantage de ne pas couper les tissus mous. Vous pouvez couper l'os et non le cerveau, mais cependant, comme vous pouvez le voir ici, notre prototype de coupeur ultrasonique a généré pas mal de chaleur pour couper à la vitesse que nous voulions. Alors pour la scie oscillante ici, nous avons conçu une lame pour minimiser le temps de coupe ainsi que le son et la chaleur conduits. Et comme vous pouvez le voir, vous pouvez couper des choses dures comme l'os, mais pas des choses molles comme la peau. C'est simple et ça marche. Cependant, si vous vouliez couper à une profondeur arbitraire ou une forme arbitraire, la scie oscillante ne fera tout simplement pas l'affaire. J'avais peur que personne ne comprenne. Vous êtes intelligents. Il existe donc une solution éprouvée pour percer des formes arbitraires, qui est une perceuse CNC. Le défi pour nous, en faisant cela sur une personne, est de s'assurer que ça coupe de manière fiable chaque fois, sans couper trop profondément. Et quelques moyens que nous utilisons pour obtenir un retour afin de nous assurer que nous ne coupons pas à travers le cerveau sont le retour de force et aussi l'impédance. Et si je pouvais avoir un volontaire. Non, je plaisante. Peut-être la prochaine fois. Mais bon. Donc voilà un aperçu de certaines des choses sur lesquelles nous travaillons pour rendre cette procédure accessible et abordable. Et maintenant Alex va vous parler un peu de nos développements de nouvelle génération.
Alex (Neuralink)
Merci, Christine. Je suis Alex. Je suis ingénieur mécanique ici dans l'équipe robotique. Maintenant que nous avons couvert la technologie et le processus chirurgical pour un appareil actuel, nous voudrions couvrir certains de nos projets de développement de nouvelle génération. Moi et les prochains intervenants voudrions parler de l'un de ces projets, qui consiste à permettre la mise à niveau de l'appareil. Vous avez pu entendre parler des avancées que nous avons réalisées au cours de l'année dernière. Nous avons amélioré la robustesse de l'implant, les performances de la batterie et de la charge, et l'utilisabilité Bluetooth. Réalistement, chaque nouvelle version d'appareil sera considérablement meilleure. Elle sera plus fonctionnelle, elle durera plus longtemps. Nous devons garder cette nouvelle technologie accessible pour nos premiers utilisateurs. Cela signifie que nous avons besoin d'une solution pour rendre la mise à niveau ou le remplacement de l'appareil aussi facile que l'installation initiale ; comme de nombreuses entreprises de dispositifs médicaux l'ont constaté, c'est un problème difficile. La réponse de guérison du corps ne facilite pas les choses. Donc ce n'est pas encore résolu. Mais nous avons fait des progrès significatifs vers cet objectif, que nous aimerions aborder aujourd'hui. Maintenant, nous devrons commencer par un peu de contexte sur ce qui rend la mise à niveau de l'appareil difficile. Et nous commencerons par l'anatomie. Sous la peau, vous avez le crâne. En dessous, la dure-mère, une membrane résistante qui sépare l'os du cerveau. Et entre la dure-mère et le cerveau, vous avez le complexe pie-arachnoïde, une suspension remplie de liquide pour le cerveau. Pour installer l'appareil, le chirurgien retire un disque de crâne et de dure-mère pour exposer la surface du cerveau. L'appareil remplace ensuite le matériau retiré. Le défi se situe ici, à cette interface. Au fil des mois, tout le volume vide est rempli par du tissu encapsulant l'appareil et les fils. L'appareil serait trivialement facile à retirer en raison de la petite taille des fils, ils glisseraient directement hors du cerveau. C'est la couche de tissu qui se forme au-dessus de la surface qui rend le retrait difficile. Nous avons développé en interne des outils pour étudier cette réponse et la caractériser, comme l'histologie et la microtomographie. Sur ces images, vous pouvez voir cette couche de tissu qui s'est formée au-dessus de la surface, encapsulant les fils et adhérant au tissu environnant. Nous avons exploré de nombreuses pistes différentes pour concevoir autour de ce processus de guérison et trouver une solution pour rendre les mises à niveau de l'appareil fluides. Nos plus grands succès sont venus du fait de rendre la procédure moins invasive. Au lieu d'exposer directement la surface du cerveau, nous laissons plutôt la dure-mère en place, préservant la barrière protectrice naturelle du corps. Cela empêche l'encapsulation à la surface du cerveau. Et c'est vraiment un énorme avantage pour rendre la chirurgie plus simple et plus sûre. Comme Christine l'a laissé entendre, cependant, cela n'est pas gratuit. La dure-mère est une membrane très résistante et opaque. Comme vous pouvez le voir sur ces images de microscopie électronique. Elle est composée d'un réseau dense de fibres de collagène. Celles-ci posent toute une série de défis techniques pour l'insertion de nos électrodes. L'un de ces défis est l'imagerie à travers la dure-mère. Comme vous pouvez le voir à gauche, nos systèmes optiques personnalisés actuels offrent des capacités assez incroyables pour imager la surface cérébrale exposée. Cependant, comme vous pouvez le voir à droite, une fois la dure-mère en place, vous ne pouvez plus voir le réseau vasculaire dense à la surface du cerveau. La dure-mère est dans le chemin. Il y a simplement trop d'atténuation. Pour résoudre ce problème, nous développons un nouveau système optique qui utilise un colorant fluorescent de qualité médicale pour imager les vaisseaux sous le tissu. Ici, vous pouvez voir ce colorant se répandre dans les vaisseaux, les mettant en évidence. Il reste encore beaucoup de travail d'ingénierie pour prouver la précision et la répétabilité de ce système, mais une fois cela fait, cela nous permettra de cibler et d'éviter les vaisseaux sanguins sous la dure-mère. Nous explorons aussi l'application de notre système d'imagerie laser à des structures tissulaires plus profondes. En bas à gauche, vous pouvez voir une coupe des couches tissulaires sous la dure-mère. Cette image est composée de plusieurs volumes provenant de notre système de tomographie par cohérence optique. Vous pouvez voir le collage de ces volumes ci-dessus. À l'avenir, ces nouveaux systèmes, combinés à une corrélation avec l'imagerie pré-opératoire comme l'IRM, permettront un ciblage précis sans exposer directement la surface du cerveau. Maintenant, l'imagerie n'est pas le seul défi posé par cette anatomie durale résistante. Je voudrais maintenant passer la parole à Sam pour qu'il parle de certains des défis liés à l'insertion de nos électrodes à travers cette membrane.
Sam (Neuralink)
Merci, Alex. Salut, je suis Sam et je dirige l'équipe de fabrication et de conception des aiguilles. Donc, comme Alex l'a mentionné, les mêmes propriétés de la dure-mère qui en font une bonne protection du cerveau rendent aussi très difficile pour nous d'y insérer les fils. Chez l'humain, la dure-mère peut faire plus d'un millimètre d'épaisseur, ce qui ne semble pas beaucoup, mais comparé à nos aiguilles de 40 microns, c'est en fait énorme. Par exemple, si vous mettiez les aiguilles à l'échelle d'un crayon, la dure-mère aurait une épaisseur de plus de 10 centimètres. Regardez à quel point il faut zoomer pour même la voir. Au moment où les détails de l'aiguille apparaissent dans le cadre, on pourrait voir des globules rouges individuels dans le même cadre. C'est, c'est juste.
Sam (Neuralink)
Ceci est une véritable image de microscopie électronique de notre dernière conception. À gauche, vous pouvez voir l'extrémité du fil. Au milieu se trouve l'aiguille, et à droite, c'est en fait un morceau de mes cheveux. Donc oui, c'est extrêmement petit. Et en plus d'être vraiment petit, il y a beaucoup d'autres défis liés à la conception de cela. Un défi est que nous devons utiliser l'aiguille et la canule protectrice dans laquelle elle se trouve pour saisir le fil et le tenir pendant que nous le détachons de son support de silicium protecteur. Et ensuite, nous devons continuer à le tenir pendant que nous l'amenons à la surface, puis le relâcher de la canule pendant l'insertion. Un autre défi est que le cerveau est vraiment mou sous la dure-mère résistante. Et donc si l'aiguille n'est pas assez pointue, elle va juste continuer à creuser la surface sans la percer. Et si cette longueur libre devient trop grande, elle peut en fait simplement faire flamber l'aiguille comme ceci. Un autre défi est que nous ne devons pas seulement faire passer l'aiguille, nous devons aussi faire passer le fil. Donc nous devons vraiment nous concentrer sur l'optimisation du profil combiné de l'aiguille et du fil ensemble. Ce ne sont là que quelques-uns des défis liés à la conception de quelque chose comme ça. Et jusqu'à présent, nous avons constaté que la clé pour résoudre ce problème a été d'améliorer notre vitesse d'itération. Mais voyons d'abord comment nous fabriquons ces choses. Nous commençons donc par une longueur de fil de 40 microns en tungstène, allié à un peu de rhénium pour une ductilité accrue. Nous avons conçu en interne cette fraiseuse laser femtoseconde pour découper les éléments de l'aiguille et de la canule, et elle peut le faire avec une précision submicronique. Nous avons passé beaucoup de temps cette année à transformer cette chose d'un projet scientifique en un système industriel. Il y a seulement quelques mois, il fallait 22 minutes à un opérateur qualifié pour fabriquer une aiguille, et même un opérateur qualifié n'obtenait qu'environ 58 % de rendement. Aujourd'hui, ce même processus prend seulement six minutes, et n'importe qui peut obtenir 91 % de rendement avec seulement quelques minutes de formation. En un seul clic, la fraiseuse découpe et mesure l'aiguille et la canule, puis télécharge les mesures dans notre système LIMS, afin que les robots puissent utiliser les dimensions exactes de chaque aiguille qu'ils utilisent. Cela dit, tout cela concerne notre conception actuelle, et nous avons eu quelques années pour optimiser son processus de fabrication. La conception actuelle nous a bien servis jusqu'à présent, mais elle ne protège pas tout à fait assez bien le fil pour traverser la dure-mère épaisse. Donc, comme je l'ai dit, nous avons dû inventer quelque chose de nouveau, et nous devions pouvoir itérer rapidement sur les conceptions. Sans surprise, il n'y a pas de page dans le manuel de l'ingénieur mécanicien pour ce genre de chose. Nous avons donc étudié la science de l'ablation laser femtoseconde et trouvé un flux de travail qui nous permet d'utiliser notre fraiseuse laser un peu comme une fraiseuse CNC. Cela nous permet d'itérer plusieurs fois. Cela nous permet d'itérer sur de nouvelles conceptions en moins d'une heure, permettant plusieurs itérations par jour quand on est vraiment lancés. Par conséquent, la dernière conception, encore visible à droite, peut en fait s'insérer à travers neuf couches de dure-mère de synthèse, soit un total de trois millimètres sur le banc d'essai. C'est bien plus que ce à quoi nous pourrions nous attendre chez un humain, avec une marge importante. L'aiguille n'est cependant pas la seule pièce du puzzle. Comme vous pouvez l'imaginer, toutes ces conceptions ici fonctionnent avec des fils différents. Nous avons donc aussi besoin d'un moyen d'itérer sur cela. Et nous faisons cela en ayant notre processus de microfabrication ici, en interne. Cet été, nous avons entièrement reconstruit notre salle blanche en environ neuf semaines, ce qui, entre autres choses, a considérablement réduit le taux de particules, permettant d'augmenter fortement le rendement et le débit. Cela, combiné à toutes les autres excellentes améliorations apportées par l'équipe de microfabrication, nous permet d'itérer sur de nouvelles conceptions en quelques jours seulement. La dernière pièce du puzzle, cependant, est le test. Nous pouvons imaginer autant de nouvelles conceptions que nous voulons, mais à moins d'avoir un moyen de les tester réellement dans les bonnes conditions, nous ne saurons pas quoi ajuster. Ou pire encore, nous passerons du temps à optimiser les mauvaises choses. Prenons par exemple ce mode de défaillance. Il y a quelques mois, nous sommes arrivés au point où nous pouvions insérer de manière assez fiable à travers la dure-mère. Mais quand nous avons pris les modèles et les avons mis dans notre imagerie micro-CT, nous avons réalisé que notre prise sur l'extrémité des fils était en fait trop forte, et nous les tirions légèrement hors de la surface de collage. Au moment où nous avons résolu le problème, nous avons réalisé que cet enjeu était très sensible aux propriétés du matériau ou du tissu environnant. Nous pouvions créer un modèle où cela ne se produisait jamais, et nous pouvions en créer un autre où cela se produisait absolument chaque fois. Et cela met en évidence pourquoi il est crucial que nous passions du temps à faire correspondre nos tests sur banc au tissu réel aussi précisément que possible. Et je vais maintenant passer la parole à Leslie, qui va vous parler de la façon dont nous avons fait cela. Merci.
Leslie (Neuralink)
Bonjour, je suis Leslie et je dirige la R&D en microfabrication. Et une partie de ce qui nous intéresse est de comprendre l'environnement biologique que notre implant et nos fils rencontrent une fois complètement installés dans le corps. Apprendre directement de la biologie, cependant, est intrinsèquement lent. Donc pour avancer vite, nous développons des matériaux synthétiques qui imitent l'environnement biologique. Cela nous permet d'apprendre autant que possible sur banc d'essai et de commencer à nous éloigner de la norme du secteur qu'est le test sur animaux. Développer des modèles précis est cependant un défi. L'environnement de l'implant est composé de nombreuses couches anatomiques qui ont toutes des propriétés uniques. Et à mesure que le temps passe et que le site de l'implant guérit, du nouveau tissu se forme, remplissant tout l'espace disponible. En plus de cela, le mouvement lié à l'activité cardiovasculaire et aux mouvements de la tête ajoute une complexité supplémentaire. Donc pour commencer à relever certains de ces défis, nous concevons des matériaux en utilisant les retours de la biologie. Cela peut impliquer une caractérisation mécanique du tissu ou une analyse des interactions aux interfaces fil-tissu. Une grande partie de cette caractérisation est même effectuée pendant la chirurgie elle-même, en utilisant du matériel et des logiciels personnalisés qui modifient notre robot chirurgical pour qu'il fasse aussi office d'outil de caractérisation sensible. Nous utilisons ensuite les données collectées et les réinjectons dans l'optimisation de nos matériaux pour qu'ils se comportent mécaniquement, chimiquement, et comme montré ici, structurellement, exactement comme la biologie. Nous avons parcouru un long chemin depuis notre humble premier modèle de cerveau, montré ici posé sur une plaque et composé d'agar et d'une feuille de parafilm. Et bien que simple, il nous a permis de perfectionner les insertions du robot grâce à d'innombrables tests sur banc. Aujourd'hui, notre modèle est légèrement plus complexe, puisque nous sommes passés à un modèle de cerveau composite à base d'hydrogel, qui imite mieux le module d'élasticité du vrai cerveau humain. Nous avons aussi intégré un modèle de dure-mère et développé un modèle de tissu mou injectable qui nous a jusqu'à présent permis d'effectuer des tests fictifs d'explantation sur banc. Nous avons une liste de souhaits extrêmement longue pour notre modèle du futur, mais certains de ces éléments incluent un modèle chirurgical avec tissu mou, cerveau, os, peau intégrés, ou même un corps entier. Un modèle de cerveau qui simule le mouvement, l'activité vasculaire et électrophysiologique, et un modèle biologique pour tester la biocompatibilité et la stimulation électrique. Il y a énormément de travail en cours pour nous rapprocher de notre modèle du futur, y compris des travaux sur des organoïdes cérébraux cultivés en laboratoire, comme montré ici. Et tout cela nous rapprochera d'un avenir où nous apprenons davantage et itérons plus vite sur banc d'essai, et réduisons notre dépendance aux modèles animaux, voire un jour les remplaçons complètement. Et sur ce, je passe la parole à Dan, qui va présenter une application de nouvelle génération très excitante. Merci.
Dan (Neuralink)
Merci, Leslie. Je m'appelle Dan, et je suis venu travailler chez Neuralink après avoir poursuivi une carrière dans la recherche en neurosciences visuelles.
Dan (Neuralink)
J'ai été inspiré à rejoindre cette entreprise parce que j'ai vu dans notre appareil le potentiel de restaurer la vue à des personnes devenues aveugles à cause d'une blessure ou d'une maladie oculaire. Il y a un certain nombre de caractéristiques particulières de notre appareil qui le rendent particulièrement adapté à cette application. Premièrement, en plus de pouvoir enregistrer depuis chaque canal, nous pouvons stimuler l'activité neuronale dans le cerveau en injectant du courant à travers chaque canal. C'est important parce que cela nous permet de contourner l'œil et de générer directement une image visuelle dans le cerveau. Deuxièmement, notre appareil peut avoir un nombre énorme d'électrodes pour une prothèse visuelle. C'est important parce que plus vous avez d'électrodes, plus vous pouvez créer une image de haute densité dans le cerveau. Troisièmement, grâce à notre robot, nous pouvons insérer ces électrodes profondément dans le cerveau. C'est important pour une prothèse visuelle, car le cortex visuel humain est enfoui profondément dans un pli de la face médiale du cerveau appelé sillon calcarin. Sur cette image, j'ai mis en évidence le sillon calcarin en rouge sur une IRM. Il contient une carte du monde visuel, le champ visuel. C'est environ une surface équivalente à une carte de crédit de chaque côté. Et si vous le dépliez et l'aplatissez, vous voyez que l'image est inversée, elle est à l'envers, mais plus intéressant encore, elle est déformée, de sorte que la partie centrale du champ visuel, le point de fixation, est fortement grossie. Par exemple, si vous regardez cette image de Lincoln et que vous fixez directement son œil droit, tout ce qui se trouve à gauche de ce point de fixation est dirigé vers votre cortex visuel droit, et tout ce qui se trouve à droite va vers votre cortex visuel gauche. Son œil, même s'il est très petit sur l'image, est agrandi dans le cerveau pour occuper près d'un quart de la surface du cortex visuel. Au cours du dernier demi-siècle, les neuroscientifiques de la vision ont développé une compréhension profonde du traitement visuel dans le cerveau. Ce qui a conduit l'essentiel de cette recherche, c'est l'enregistrement de cellules individuelles dans le cortex, généralement chez des singes macaques. Une des découvertes majeures a été que chaque cellule du cortex visuel ne représente qu'une infime partie du champ visuel. Votre perception est composée d'une mosaïque de minuscules champs récepteurs, chacun appartenant à une seule cellule de votre cortex visuel. Donc si vous enregistrez une de ces cellules chez un singe, disons à cet emplacement, vous pouvez trouver une très petite région de l'écran où un stimulus lumineux provoquera une modulation de ce neurone. Un autre emplacement dans le cortex visuel aura une localisation ailleurs sur l'écran. Dans ce cas, dans le champ visuel inférieur. Ces régions sont appelées champs récepteurs. Nous avons inséré notre appareil dans le cortex visuel de deux macaques rhésus nommés Code et Dash. Cela signifie que nous pouvons enregistrer l'activité de leur cortex visuel générée par leur environnement normal pendant qu'ils se déplacent librement. Mais comme nous le savons tous, les singes adorent le smoothie à la banane. Cela signifie que nous pouvons facilement leur apprendre à fixer des points sur un écran et à les récompenser. Nous pouvons les récompenser très précisément, car nous pouvons suivre la position de leur œil à l'aide d'une caméra infrarouge. L'une des choses que cela nous permet de faire est de cartographier les champs récepteurs de chaque neurone que nous pouvons enregistrer avec un seul appareil. Nous faisons cela en montrant à l'animal un film de damiers aléatoires pendant qu'il fixe fermement l'écran. Ensuite, nous prenons uniquement les images du film qui ont généré une réponse dans la cellule et les moyennons toutes ensemble. C'est une technique connue sous le nom de corrélation inverse. Elle est généralement très largement utilisée en neurosciences visuelles à cette fin. Et voici un exemple de champ récepteur tracé avec cette technique, la croix centrale est le point de fixation, et vous pouvez voir les petites régions rouges et bleues du champ récepteur excitateur et inhibiteur. Ces régions donnent aux cellules corticales certaines de leurs propriétés caractéristiques. Nous pouvons donc enregistrer tous les champs récepteurs de toutes les électrodes simultanément. Et si nous prenons tous ces champs récepteurs et les accumulons ensemble, les superposons et les plaçons sur un écran d'ordinateur à l'échelle d'une distance de visionnage typique, vous commencez à avoir une idée de la quantité du champ visuel que nous pouvons couvrir. Avec cet appareil préliminaire, bon nombre des champs récepteurs sont proches de la fovéa,
Alex (Neuralink)
proches du point de fixation.
Dan (Neuralink)
Cela s'explique en partie par le grossissement de la fovéa dont j'ai parlé, mais il y a aussi une dispersion de champs dans la périphérie. Celles-ci proviennent de sites d'enregistrement plus profonds dans le cerveau, dans le sillon calcarin. Jusqu'à présent, je n'ai parlé que d'enregistrer des informations à partir du cortex. Mais pour produire une prothèse visuelle, nous devons stimuler. Donc si nous stimulions les cellules dont les champs récepteurs se trouvent à cet emplacement, nous produirions la perception d'un éclair à cet endroit, que seul le singe peut voir. Comment savons-nous que le singe le voit ? Comment savons-nous à quoi cela ressemble ? Eh bien, malheureusement, nous ne pouvons pas leur demander ce qu'ils voient, mais nous pouvons les entraîner à nous dire quelque chose sur ce phosphène. Nous commençons par entraîner le singe à fixer un point central sur l'écran, comme ce point blanc. Et nous commençons par présenter de vrais stimuli visuels sur l'écran et récompenser le singe pour avoir fait des mouvements oculaires vers ces stimuli. Donc ici, nous faisons apparaître un point blanc et le singe fait un mouvement oculaire vers lui, symbolisé par la flèche verte. Nous choisissons ensuite un autre emplacement aléatoire et récompensons le singe pour avoir fait un mouvement oculaire vers lui. Une fois qu'il est devenu bon à cette tâche, nous pouvons commencer à entrelacer ces vrais stimuli avec une stimulation électrique des électrodes et produire un phosphène. Le singe voit l'éclair et fait naturellement une saccade vers lui. Cela nous indique non seulement où dans le champ visuel l'éclair s'est produit, mais nous pouvons aussi changer le courant que nous injectons dans cette électrode pour voir à quelle fréquence il fait cette saccade, à quel point c'est perceptible, ou peut-être à quel point le phosphène de stimulation que nous produisons est grand. Regardons Code effectuer cette tâche. Je veux d'abord vous montrer, à 1/4 de la vitesse, il y a un éclair visuel et il fait un mouvement oculaire vers lui. Le singe ne peut voir que ce qui est blanc sur cet écran. Il ne peut pas voir son propre mouvement oculaire, et il ne peut certainement pas voir quand nous stimulons, mais là nous stimulons, et il fait la même saccade vers le même emplacement. Parce que nous avons stimulé la même électrode, rien n'apparaît sur l'écran à ce moment-là, et il n'a aucun autre indice pour faire ce mouvement oculaire. Laissez-moi vous montrer cela en temps réel. Vous pouvez voir que les singes aiment travailler très vite. Et quand nous stimulons, il fait cette saccade en temps réel. Et il semble en avoir eu assez. Donc ce que je vous ai montré est une façon de produire un phosphène dans le champ visuel. Ce n'est pas quelque chose de nouveau en neurosciences visuelles, mais si vous considérez ce phosphène comme un seul pixel dans une image visuelle, tout ce que nous devons faire est de passer à l'échelle et de produire beaucoup plus de pixels, et les faire couvrir le champ visuel. Voici un schéma de ce à quoi pourrait ressembler une prothèse visuelle utilisant notre appareil N1. Une caméra. La sortie d'une caméra serait traitée par un iPhone, par exemple, qui transmettrait ensuite les données à l'appareil. Et l'image serait convertie en un motif de stimulation des électrodes dans le cortex visuel. Avec 1000 électrodes, nous pourrions être capables de produire une image ressemblant à quelque chose comme ce que vous voyez là, à droite. Mais comme Avinash vous l'a dit, notre prochaine génération de l'appareil aura 16 000 électrodes. Si vous placez un appareil des deux côtés de votre cortex visuel, cela vous donnerait 32 000 points de lumière pour former une image chez une personne aveugle. Notre objectif sera d'allumer la lumière pour quelqu'un qui a passé des décennies à vivre dans l'obscurité. Merci beaucoup. Je vous passe la parole à Joey, qui va maintenant parler d'une autre application très excitante de notre appareil.
Matt (Neuralink)
Merci, Dan.
Joey (Neuralink)
Donc, je m'appelle Joey. Je suis neuro-ingénieur, et je dirige l'équipe de nouvelle génération chez Neuralink. Donc, pour les personnes atteintes de lésion de la moelle épinière, la connexion entre le cerveau et le corps est coupée. Le cerveau continue de fonctionner normalement, mais il est incapable de communiquer avec le monde extérieur. Vous avez déjà entendu comment nous pouvons utiliser le lien N1 comme prothèse de communication pour aider une personne atteinte de lésion de la moelle épinière à contrôler un ordinateur ou un téléphone. Mais il peut aussi être utilisé pour réanimer le corps. Laissez-moi vous montrer comment. D'abord, un peu de neuroanatomie. Les intentions de mouvement naissent dans le cortex moteur et sont envoyées via de longues fibres nerveuses à travers la moelle épinière. Ce sont les motoneurones supérieurs dans la moelle épinière. Ils font synapse, c'est-à-dire établissent une connexion avec un autre neurone moteur, un motoneurone inférieur, qui envoie ces intentions de mouvement aux muscles qui se contractent, et en retour, vous avez un mouvement. Bien sûr, il y a de nombreux autres circuits impliqués dans le mouvement volontaire. Vous pouvez imaginer la moelle épinière comme de nombreuses paires de ces deux connexions. Et dans une lésion de la moelle épinière, une de ces connexions est coupée, incapable de faire contracter les muscles. Zoomons un peu plus. Donc ici, vous pouvez voir à gauche une coupe transversale de la moelle épinière avec une fibre descendant schématiquement. Celle-ci traverse les voies de la substance blanche. C'est le motoneurone supérieur, et il fait ensuite synapse dans cette région en forme de papillon de la substance grise, dans ce qu'on appelle
Audience Member
un pool moteur.
Joey (Neuralink)
Dans le pool moteur, le motoneurone inférieur descend par les racines ventrales vers les muscles, qui se contractent, puis les conséquences sensorielles de ces mouvements, par exemple le toucher de votre main contre un objet, reviennent à la moelle épinière par les racines dorsales et remontent la moelle épinière jusqu'aux régions sensorielles du cerveau. Encore une fois, dans une lésion de la moelle épinière, cette connexion est coupée. Si nous pouvions placer des électrodes dans la moelle épinière, disons dans un pool moteur adjacent aux motoneurones inférieurs, nous pourrions stimuler ces neurones, les activer, et en retour faire contracter le muscle et provoquer le mouvement. Mais c'est très difficile à faire. La moelle épinière est assez fragile, et elle bouge de manière significative à l'intérieur du canal rachidien osseux. Cela pourrait endommager l'électrode, cela pourrait endommager le tissu, ou les deux. Mais nos électrodes sont petites et flexibles, et notre robot est capable de les insérer profondément dans le tissu, peut-être jusque dans la corne ventrale de la moelle épinière. Et c'est exactement ce que nous avons fait. Ici, vous pouvez voir une vue depuis le robot R1. C'est une vue de ciblage. Et nous avons placé des électrodes sur plusieurs millimètres de la moelle épinière. Et le robot R1 est capable d'insérer ces électrodes profondément dans la corne ventrale, dans des pools moteurs très proches des motoneurones inférieurs. C'est important parce que cela leur permet d'avoir une connexion localisée à ces neurones et d'activer des mouvements très précis. Maintenant, pour suivre le mouvement, il est très courant d'utiliser des marqueurs de capture de mouvement comme ceux que vous pourriez voir dans la production d'un film. Ceux-ci peuvent être placés avec un adhésif léger, et vous pouvez me voir les placer sur ma main. Nous allons utiliser ces marqueurs pour pouvoir zoomer sur le mouvement dans les prochaines diapositives. D'accord, donc voici un cochon qui marche sur un tapis roulant. Et vous avez peut-être déjà vu quelque chose comme ça dans une présentation Neuralink précédente. Mais contrairement à avant, ce cochon a plus d'un appareil Neuralink. Il y a un appareil dans le cerveau, mais il y en a aussi un dans la moelle épinière. Et nous pouvons diffuser les données neuronales de cet appareil, de ces appareils, en temps réel, et les utiliser pour faire des choses comme décoder le mouvement des articulations du cochon. Donc ici, vous pouvez voir à gauche une série temporelle de la hanche, du genou et de la cheville. Et nous décodons ces mouvements. Donc c'est super cool, mais ce n'est en fait pas ce que nous voulons faire. Nous voulons aller dans l'autre sens. Nous voudrions stimuler la moelle épinière et provoquer un mouvement. D'accord, alors faisons ça. Voici donc un cochon, un cochon heureux et en bonne santé, en train de faire ce que les cochons aiment faire, c'est-à-dire fouiner à la recherche de nourriture et de collations. Et comme vous le verrez sur le sol, il y a un écran bleu. C'est une zone d'engagement volontaire où le cochon se place lui-même, indiquant qu'il est à l'aise pour recevoir une stimulation. Quand il est dans la zone, nous stimulons. Et si le cochon quitte la zone, nous arrêtons de stimuler. Et comme précédemment, vous pouvez voir que nous sommes capables de suivre la position des articulations et aussi de diffuser des données neuronales. D'accord, alors stimulons une électrode. Voici donc une électrode sur un fil qui, lorsque nous la stimulons, provoque un mouvement de flexion de la jambe. Donc à gauche, vous pouvez voir le mouvement des articulations, et vous pouvez aussi voir la série temporelle du motif de stimulation en jaune. Donc la jambe se lève. Voici une autre électrode qui, lorsque nous la stimulons, provoque un mouvement d'extension. C'est en fait un peu plus difficile à voir parce que la jambe se redresse et les hanches se déplacent. Mais si vous regardez attentivement, vous pouvez voir comment cela se passe. La jambe est en mouvement. Nous pouvons stimuler une grande variété de fils et produire différents mouvements, et même les séquencer dans l'espace et le temps pour créer des motifs. Donc à gauche, vous pouvez voir une série temporelle de différentes stimulations sur différentes électrodes. Vous pouvez voir les mouvements des articulations. Et à droite, nous zoomons sur l'activité musculaire. Cela nous donne une idée du type de force, de puissance et de précision de ces mouvements également. Donc, en plus de faire des séquences, nous pouvons aussi obtenir un mouvement soutenu. Ce sont de puissantes contractions musculaires du type dont vous pourriez avoir besoin pour rester debout ou pour d'autres activités portant une charge, et qui sont vraiment cruciales pour interagir avec le monde. D'accord, donc stimuler la moelle épinière n'est qu'une partie de l'histoire. Il faut aussi obtenir des signaux de commande pour la stimulation sur la moelle épinière. Heureusement, nous avons un moyen de faire cela. Nous avons le lien N1 dont vous avez déjà entendu parler, placé dans le cortex moteur.
Comment cela fonctionnerait-il ?
Joey (Neuralink)
Donc nous plaçons des fils dans le cortex moteur et enregistrons des pics. Ces pics seraient transmis sans fil, émis en temps réel et décodés en motifs de stimulation. La stimulation serait ensuite délivrée à la corne ventrale de la moelle épinière, au pool moteur approprié pour les muscles que nous voulons activer. Nous stimulons ensuite, activons ces motoneurones inférieurs, ce qui fait contracter les muscles et provoque le mouvement. Maintenant, bien sûr, le mouvement sans sensation est en fait assez difficile. Pensez juste à ce que serait essayer de bouger vos membres s'ils sont insensibles. Mais nous pouvons aussi obtenir des informations sensorielles. Donc les conséquences sensorielles de votre mouvement peuvent être enregistrées dans la corne dorsale de la moelle épinière sous forme de pics. Par exemple, ici, une plume qui touche la main. Ces pics peuvent à leur tour être décodés en temps réel, envoyés sous forme de motifs de stimulation soit au même appareil N1 dans le cerveau, soit peut-être à un autre dans une zone sensorielle. La stimulation de cette partie du cerveau provoquerait des perceptions de toucher et de proprioception, bouclant la boucle. Donc en assemblant ces deux boucles, nous avons des intentions motrices décodées depuis le cerveau, utilisées pour stimuler la moelle épinière, provoquant le mouvement, puis les conséquences sensorielles de ces actions enregistrées dans la moelle épinière pour stimuler le cerveau, provoquant la perception. Maintenant, nous avons beaucoup de travail à faire pour réaliser cette vision complète, mais j'espère que vous pouvez voir comment toutes les pièces sont là pour y arriver. Et si vous trouvez cette perspective aussi excitante que moi, j'espère que vous envisagerez de nous rejoindre ici chez Neuralink.
Dan (Neuralink)
C'est évidemment extraordinaire et cela a un potentiel thérapeutique clair. Ce serait aussi formidable pour la
Audience Member
communauté scientifique des neurosciences d'avoir accès à certains de ces outils.
Dan (Neuralink)
Avez-vous des plans pour les mettre à disposition des neuroscientifiques ?
Oui, oui, nous en avons. Donc c'est une excellente question. Je pense qu'il y a probablement beaucoup de choses que l'on pourrait découvrir si nous fournissions le robot chirurgical et les appareils aux départements de recherche en neurosciences des universités et des hôpitaux. Donc je pense qu'à partir du moment où nous aurons. Nous devons être en production avec les machines et bien sûr avoir les approbations de la FDA, mais je pense qu'il serait très logique de fournir cela aux universités de recherche et aux hôpitaux. La question est, parmi les données que nous.
Leslie (Neuralink)
Parmi les ensembles de données que vous avez collectés, y en a-t-il que vous prévoyez d'ouvrir à la communauté scientifique ?
Oui, je pense que ce serait. Ce serait bien, je pense. Oui, bien sûr, absolument.
Leslie (Neuralink)
Parce que je pense que cela pourrait être vraiment intéressant pour les gens qui travaillent en recherche en IA de s'appuyer sur cela et de construire des modèles de fondation pour le cerveau ?
Oui, c'est un bon point. Oui. Je n'ai en fait aucun problème à simplement le publier sur notre site web. Utilisez-le si vous voulez.
Leslie (Neuralink)
On s'en réjouit.
Audience Member
Merci pour cette très belle présentation. J'ai donc une question. Donc, comme nous le savons tous, pour une électrode implantable, pour la stimulation ou l'enregistrement, après
implantation de l'électrode, le tissu cicatriciel
Audience Member
va se développer autour de l'électrode et surtout pour l'enregistrement, le signal que nous obtenons va devenir de plus en plus faible après une implantation à long terme. Comment résolvez-vous ce problème ?
Zach (Neuralink)
Pour le contexte, je suis Zach, je dirige l'équipe de microfabrication sur les interfaces cérébrales. Je ne pense pas que l'on puisse dire que nous l'avons résolu spécifiquement, mais une chose, un avantage que nous avons, c'est à la fois la flexibilité et la petite taille de nos fils, pour essayer de limiter ce tissu cicatriciel et ces dommages. Et certains travaux futurs que nous avons commencé à mener, et que nous continuerons, consistent à réduire encore la taille des fils, simplement pour essayer de limiter la réponse immunitaire et vraiment limiter la croissance de ce tissu cicatriciel.
Audience Member
En fait, je voudrais faire un suivi.
Alors pensez-vous que cela serait
Audience Member
utile de charger réellement un peu de traînée sur la surface de votre électrode, ou d'une autre manière ?
Eh bien, je pense que la question est peut-être plutôt : quel genre de dégradation du signal avons-nous observé au fil du temps ? Et vous savez, est-ce que ça fonctionne, en gros, un an plus tard, est-ce que ça fonctionne deux ans plus tard ? Oui.
Zach (Neuralink)
Donc oui, oui, c'est un bon point. Donc en termes de longévité des fils spécifiquement, la vraie référence que nous pouvons utiliser pour évaluer, c'est les données que nous avons de nos participants animaux. Et donc pour cela, je ne sais pas si cela a été mentionné auparavant, mais les données les plus longues que nous ayons actuellement concernent un participant animal qui a eu 600, qui est allé 600 jours avec des canaux fonctionnels utiles, où nous faisions quelque chose d'utile avec les signaux pour l'interface cerveau-machine. Et ensuite, avec la dernière version de notre appareil, nous avons en quelque sorte un ensemble de participants qui sont à ou près d'un an de données et de BCI complètement fonctionnel et utile à partir de cela aussi.
Audience Member
Si je peux ajouter une chose. Donc vous avez mentionné la possibilité d'avoir des médicaments pour en quelque sorte réduire l'inflammation. Donc l'une des choses sur lesquelles nous travaillons activement est d'avoir une sorte de revêtement biologique pour soit réduire l'inflammation, soit les rendre glissants. Donc vous savez, vous avez mentionné, vous avez entendu dans la présentation que l'un des défis que nous avons est de retirer les fils de ce tissu néomembraneux qui se forme après l'implantation. Donc il y a des programmes comme celui-là où nous regardons vraiment comment intégrer certains des enseignements de la biologie et de ces revêtements dans nos fils, afin de pouvoir, espérons-le, réduire l'inflammation et aussi faciliter l'extraction.
Continuer aussi à réduire la taille de l'électrode. Donc quand l'électrode devient vraiment petite, la réponse inflammatoire du tissu cicatriciel devient minuscule. C'est comme une électrode si petite que le corps l'ignore essentiellement. C'est vraiment impressionnant.
Audience Member
Félicitations à toute l'équipe. Donc, comme vous le savez bien sûr, l'un des problèmes des électrodes électroniques actuelles est qu'elles sont rigides et qu'elles se déplacent.
Vous avez donc ces non-stationnarités neuronales,
et je pense que beaucoup d'entre nous avaient espéré qu'avec ces fils très fins,
Audience Member
ils bougeraient peut-être plus avec le
cerveau et qu'on ne verrait pas cela.
Audience Member
Mais d'après les données que nous avons montrées sur plusieurs centaines de jours, il y avait beaucoup de variabilité. Alors pouvez-vous nous dire à quel point
est-ce qu'ils bougent, et avez-vous une idée de pourquoi ça bouge ?
Pouvez-vous l'empêcher de bouger ?
À quel point les signaux sont-ils stables d'heure en heure et de jour en jour ?
Bonjour, je suis Bliss, je suis l'une des responsables des groupes logiciels dans l'équipe Brain Interfaces. Dans le graphique particulier que vous avez mentionné plus tôt, ce que nous montrions était le taux de décharge moyen enregistré par jour sur un canal particulier. C'est, comme vous le savez bien, assez compliqué à comprendre. Si vous enregistrez exactement le même neurone jour après jour après jour. Il pourrait, par exemple, s'agir en fait d'un neurone différent chaque jour, et c'est pour cela que vous obtenez ce changement de taux de décharge. Nous ne pensons pas que ce soit au moins la cause majoritaire de la situation ici. La raison est que si vous regardez en quelque sorte les formes des pics jour après jour, même quand le taux de décharge moyen change beaucoup, vous voyez toujours des formes de pics relativement stables. Ce n'est évidemment pas une preuve totalement irréfutable, mais cela donne au moins une certaine confiance que ce ne sont pas en fait des neurones différents que vous captez. Cependant, il y a quand même une bonne chance que cela puisse être le cas pour au moins une partie de l'histoire de la robustesse et de la non-stationnarité. Oui, super, merci. Oui, merci pour la question.
Oui, pour être clair, cette position d'électrode est en fait assez stable, parce que vous avez ces fils très, très fins, essentiellement très fins, avec. Et il y a un peu de jeu dans le, comme vous avez, vous avez l'appareil attaché au crâne au départ, mais ensuite vous avez ce long, si fin fil avec une sorte de section enroulée. Donc il a tendance, en gros, à rester au même endroit.
Leslie (Neuralink)
Nous avons aussi demandé des questions sur le Twitter de Neuralink, nous allons donc en intercaler quelques-unes. Supe veut demander, avec quoi Neuralink pourrait-il aider les gens, chose que la plupart des gens ne réalisent pas ?
Eh bien, je veux dire, une fois que vous êtes là-dedans, vous savez, il y a beaucoup de choses que vous pourriez faire. Donc, vous savez, vous pouvez évidemment mesurer la température, donc vous pourriez faire une détection très précoce de la fièvre, vous pourriez mesurer la pression. Je pense que vous pourriez probablement détecter cela
tôt, les tout premiers débuts d'un accident vasculaire cérébral, parce que vous pouvez voir en quelque sorte les signaux électriques commencer à devenir chaotiques. Donc il y a probablement en fait beaucoup de surveillance générale de la santé que vous pourriez faire une fois là-dedans, vous savez, avec des capteurs très simples.
Vous avez tous fait un excellent travail pour distiller beaucoup d'ingénierie complexe
Joey (Neuralink)
et de science, en les rendant merveilleusement clairs.
Donc bravo. Je voulais poser une petite question sur la stimulation. Je suppose pour le phosphène et pour le mouvement évoqué. Pensez-vous que c'est plutôt une stimulation locale ? Est-ce juxtacellulaire ? Est-ce que vous dirigez le courant ? Combien de cellules activez-vous ? Combien de courant utilisez-vous ? Je suis juste curieux de connaître l'échelle de tout cela, et si vous avez beaucoup de précision ou, vous savez, vous avez aussi des effets comportementaux assez profonds.
Dan (Neuralink)
Bonjour, oui, je suis Dan. Et le nombre de cellules que vous stimulez encore avec une seule électrode dépend de l'impédance de l'électrode, de la taille du pad conducteur, de la quantité de courant que vous délivrez, de la fréquence, tous ces facteurs. Donc il y a beaucoup de variabilité que nous pouvons utiliser pour personnaliser la forme d'un phosphène, ou pas nécessairement la forme, mais peut-être l'intensité d'un phosphène. Nous pensons qu'avec nos électrodes actuelles, au moins chez Code, un calcul approximatif donnerait quelque chose comme une sphère de cellules d'environ 50 à 100 microns de diamètre qui est stimulée dans un système visuel. Plus cette sphère est petite, plus vous pouvez rendre un phosphène particulier petit et spécifique. En gros, plus petit est le pixel dans l'
image que vous pouvez produire.
Dan (Neuralink)
Il y a donc beaucoup de marge pour personnaliser cela.
Il est en fait aussi possible d'obtenir un nombre de pixels effectifs beaucoup plus élevé en contrôlant le champ, le champ électrique entre les électrodes. Donc ce n'est pas nécessairement, ce n'est pas juste une relation un à un. Vous pourriez en fait ajuster dynamiquement le champ et simuler, avoir un rapport neurone-électrode très élevé. Donc on pourrait essayer d'obtenir, vous savez, peut-être 10 contre 1, 100 contre 1 potentiellement. Donc essentiellement un genre de mégapixel. Pouvez-vous voir normalement ? Je pense que les gens voudraient savoir cela. Je pense que c'est l'un des résultats possibles.
Zach (Neuralink)
Bonjour Elon. C'est incroyable.
Pouvez-vous parler de la longévité des implants eux-mêmes ?
Audience Member
Aussi, comment le matériau de l'implant réagirait-il avec le tissu cérébral,
Alex (Neuralink)
ou la densité de l'os ou la structure osseuse ?
Audience Member
Oui, heureux d'en parler. Je suis Jeremy, ingénieur dans l'équipe Brain Interfaces, et je pense qu'il est bon de commencer par les données. Donc comme Zach l'a mentionné, nous avons un implant qui, vous savez, un singe a effectué du BCI pendant 617 jours, c'était Pager, avant d'être mis à niveau vers l'appareil laser. Pour notre version actuelle de l'appareil, cela a duré presque un an. Et ensuite, pour le testeur de durée de vie accélérée dont Josh a un peu parlé, nous avons des données de nos implants, de la version précédente, huit années de temps accéléré, et de la version actuelle, quatre années de temps accéléré et ça continue. Donc c'est en quelque sorte le point de départ avec les données. Ces appareils fonctionnent encore et continuent théoriquement de fonctionner. Il y a en quelque sorte trois facteurs fondamentaux qui contribuent à la longévité de l'appareil. Le premier est le joint, cet enfermement hermétique de l'appareil. Le deuxième est la batterie et l'électronique interne. Et le troisième est les fils dont Zach a un peu parlé, et la capacité des canaux à enregistrer fonctionnellement des signaux depuis le cerveau. Nous pensons que le joint surpassera largement les deux autres en termes de goulots d'étranglement. Donc le joint, juste théoriquement, je pense que Josh a mentionné qu'il s'agit d'un matériau polymère thermoplastique. Il y aura donc une très petite quantité d'humidité qui diffusera à travers au fil du temps. Et nous pensons que cela durera, vous savez, facilement plus de 20 ans en ce qui concerne juste cette propriété. Et comme je l'ai dit, nous n'avons pas encore vu nos joints échouer avec la version actuelle de l'appareil. Donc nous n'avons pas vraiment poussé les limites ici pour la batterie et l'électronique interne. Cela dépend vraiment de l'utilisation et du temps de fonctionnement que vous souhaitez. Et nous travaillons actuellement à obtenir des données pour projeter encore plus loin. Mais pour le moment, nous pensons pouvoir atteindre, vous savez, 80 % du temps de fonctionnement au bout de trois ans, ce qui serait environ, vous savez, trois heures et demie pour un temps de fonctionnement de quatre heures. Mais comme Avinash l'a mentionné, nous allons bientôt doubler cela, et même le quadrupler. Nous avons des plans pour le faire. Donc l'électronique interne n'est pas non plus vraiment le goulot d'étranglement. Et donc en fait, nous nous attaquons aux fils eux-mêmes et à la longévité de ces canaux, Zach, Zach peut en quelque sorte parler de certaines des améliorations que nous apportons pour augmenter cette longévité.
Zach (Neuralink)
Merci. Oui. Donc comme mentionné précédemment, nous n'avons pas nécessairement de point final, comme Jeremy l'a dit, pour les tests des fils. Cela dit, nous nous concentrons sur la longévité parce que nous pensons que c'est un problème important à résoudre. Donc une chose que nous faisons en parallèle avec l'appareil actuel, c'est de poursuivre agressivement une isolation des fils en carbure de silicium amorphe, ce qui, nous le pensons, nous amènera bien au-delà de cinq ans de longévité, mais bien sûr encore à tester. Et en parallèle de cela, nous commençons à peine à examiner le dépôt de couche atomique, qui, nous le pensons, pourrait encore repousser beaucoup plus loin la longévité des fils et déposer des couches très fines pour conserver la flexibilité des fils et cet avantage. Donc, en parallèle de cela, nous devons aussi bien sûr concevoir et valider des tests sur banc très robustes pour vraiment modéliser les conditions in vivo et examiner la dégradation des canaux. C'est donc ce que nous examinons pour la longévité des fils. Et ensuite, je pense que vous avez demandé au sujet de la biocompatibilité, et je pense que pour la biocompatibilité, essentiellement tous les matériaux que nous utilisons actuellement sont, je peux dire, au moins biostables. Et nous envoyons très souvent des tests de biocompatibilité. Et essentiellement, ce que nous faisons, c'est que dans de nombreux cas, nous utilisons des matériaux connus issus de la littérature que des laboratoires académiques ont déjà commencé à examiner, et nous nous appuyons en quelque sorte sur cela comme point de départ.
Merci d'avoir répondu à cela.
Donc nous avons une autre question de Twitter.
Alex (Neuralink)
Celle-ci vient de David, et il a demandé à l'équipe, quelles sont les plus grandes leçons que vous avez apprises depuis la précédente présentation ?
Cela fait environ deux ans. Je suis sûr qu'il y a eu beaucoup de travail d'ingénierie accompli. Donc oui. Quelqu'un veut-il répondre à ce que nous avons appris au cours des deux dernières années ?
Christine (Neuralink)
Donc une chose que nous avons apprise au cours des dernières années, c'est à quel point le cerveau bouge à l'échelle humaine par rapport à quand on commence petit, quand on fabrique des modèles de cerveau et que beaucoup de recherches commencent avec des rongeurs, le cerveau ne bouge pas tant que ça, et ensuite on passe à un humain et le cerveau peut bouger de centaines de microns ou plus. Et quand nos fils et nos aiguilles sont si petits, ce mouvement, quand on zoome, ressemble à un kilomètre.
Leslie (Neuralink)
Je pense que j'ajouterais à cela une chose : à quel point, je dirais, dynamique l'environnement de l'implant est en fait. Donc nous avons parlé de comment, quand ce site d'implant guérit, une cicatrice ou un nouveau tissu peut croître et remplir l'espace, et cela va affecter la façon dont nos fils pourraient interagir dans cet espace. C'est pourquoi nous avons tant insisté sur l'importance de concevoir des modèles précis. Donc au lieu d'attendre des mois pour qu'un site d'implant guérisse, vous pouvez espérer apprendre cette information en quelques heures.
Alex (Neuralink)
Je suis Alex, de l'équipe robotique. Je pense qu'une des choses que nous avons certainement apprises au sein des équipes d'ingénierie, c'est l'importance d'une validation et de tests vraiment continus. Là où nous construisons par exemple des systèmes de mouvement précis au micron près, nous avons besoin de systèmes de validation et de test dans lesquels nous avons confiance, encore plus que cela, pour prouver qu'ils fonctionnent de manière fiable. Et mettre autant d'attention sur ces systèmes de validation et de test, et les concevoir en parallèle de nos produits, je pense que c'est quelque chose que nous avons certainement appris.
Une autre chose que nous avons apprise, je pense, dans le cadre du BCI ou du contrôle de mouvement et de l'algorithme, c'est que, encore une fois, construire un prototype et le faire fonctionner avec un seul singe, un seul Pager, était un grand, peut-être un succès, mais aussi relativement facile par rapport au fait de le faire fonctionner tous les jours pour tous les autres singes. Donc en faire réellement un produit, c'est quelque chose qui n'est pas facile, mais nous apprenons comment le faire.
Je veux dire, j'ai appris que le cerveau est vraiment mou, bien plus mou qu'on ne le pense. Ce n'est pas comme, vous savez, un chou-fleur ou du brocoli ou quelque chose comme ça. C'est plus comme un ballon d'eau, et il bouge dans votre crâne, beaucoup. Donc vous avez un ballon d'eau mou dans une noix de coco, c'est peut-être une bonne façon d'y penser.
Zach (Neuralink)
Compte tenu des limitations de bande passante du Bluetooth, avez-vous envisagé d'autres technologies pour la communication sans fil ?
Hé, oui, je peux prendre la première partie de cette question, et je laisserai Matt répondre à la deuxième partie. C'est une excellente question, surtout quand on pense à comment augmenter et faire monter en échelle le nombre de canaux depuis lesquels on veut enregistrer. Cela devient de plus en plus un goulot d'étranglement pour le genre de travail que nous voulons faire. Nous réfléchissons à cela de deux ou trois façons. La première consiste simplement à améliorer directement les interfaces radio sous-jacentes, et je laisserai Matt en parler dans un instant. L'autre façon dont nous y pensons, c'est comment être plus efficace avec les données qu'on envoie depuis l'implant. Et je pense que la première version de ça, c'est la compression. Donc on prend simplement les données, on regarde leurs caractéristiques, on trouve une façon de les représenter plus efficacement et on envoie juste ce flux compressé. Donc pour référence, en ce moment notre bande passante Bluetooth est d'environ 150 kilo-octets par seconde. Le flux de données compressées qu'on envoie depuis l'implant est d'environ 50 kilo-octets par seconde. Donc on s'en sort plutôt bien jusqu'à présent. Mais quand on commence à penser à des dispositifs à 16 000 canaux, ça ne suffira pas. Donc d'autres choses qui peuvent aider côté compression, c'est d'envoyer directement la sortie du modèle d'apprentissage automatique plutôt que l'entrée nécessaire pour le faire tourner. Une chose qu'on essaie en coulisses s'appelle Decode on Head, ce qui consiste essentiellement à prendre les modèles d'apprentissage automatique qu'on fait tourner actuellement sur les MacBooks avec lesquels nos singes jouent, et à les faire tourner directement sur l'implant. Et c'est un problème d'ingénierie vraiment génial. Si vous voulez discuter de comment faire tourner des réseaux de neurones complexes sur ce qui équivaut à un ouvre-porte de garage, venez me parler. C'est amusant. Oui. Donc une autre façon de résoudre ce problème, c'est essentiellement de faire le travail de calcul intensif pour extraire uniquement le signal brut qui nous intéresse pour contrôler quelque chose, puis d'envoyer ça hors de l'implant. Côté radio, je passe la parole à Matt.
Matt (Neuralink)
Oui. Donc pour répondre à votre question, nous examinons d'autres technologies radio. Technologies. L'une en particulier est la bande des 500 MHz avec de l'ultra large bande sur plusieurs fréquences différentes. Donc ça offre un avantage en termes de débit binaire qu'on peut atteindre. C'est de l'ordre de 6 à 8, voire 10 mégabits. Il y a aussi une amélioration de la latence qui est assez substantielle. Et il y a aussi une autre technologie sans fil que nous examinons, la bande W.
Leslie (Neuralink)
Bonjour, merci à tous pour ces présentations vraiment claires et convaincantes. Quelque chose m'a frappé dans l'une des premières présentations, je crois que c'était celle de DJ, cette vision de la capacité à acquérir de nouvelles compétences complexes via ces interfaces cerveau-machine, comme la capacité de faire du Kung-Fu. Et cela reflète le fait que le cerveau est fondamentalement une machine à apprendre. Et pourtant, beaucoup des solutions techniques présentées plus tard étaient formulées de manière à essayer de corriger la façon dont le cerveau change avec le temps sur des échelles plus longues, la dérive au fil des jours, ou la façon dont le tissu peut guérir avec le temps. Je me demandais quelle était collectivement votre vision pour développer cette technologie qui interface avec un système fondamentalement plastique qui change de manière complexe sur diverses échelles de temps. Des jours, des mois, des années.
C'est une question difficile. Je pense que ce sera en quelque sorte un apprentissage bidirectionnel d'une certaine manière. Parfois on fige nos algorithmes parce qu'on préfère avoir une performance plus stable. Mais bien sûr, avec le temps, la personne et son cerveau apprendront à mieux utiliser l'interface cerveau-machine. Nous devrons mettre à jour nos modèles. Il y aura donc en quelque sorte une relation interactive pour apprendre même de nouvelles tâches. Ce sera probablement quelque chose qu'on devra apprendre avec le temps, comment la personne apprend à interagir avec l'ordinateur, puis construire l'UX d'interface appropriée, ainsi que l'UI, et construire des algorithmes qui l'aideront à contrôler ce qu'on veut.
Audience Member
Juste une chose que j'aimerais ajouter à ce que Nir a dit : en fait c'est un avantage à certains égards que le cerveau soit plastique et apprenne, et ça peut nous aider parce qu'on a réellement moins de travail à faire, et l'humain dans la boucle apprendra réellement à mieux utiliser notre appareil. Mais l'un des avantages de notre approche et de notre appareil en particulier, c'est qu'on essaie de concevoir un appareil avec un nombre de canaux extrêmement élevé, pour pouvoir répartir les électrodes de façon uniforme sur une région fonctionnelle. Et ensuite, ça n'a pas tellement d'importance si les choses bougent ou se déplacent avec le temps. On peut déléguer ça au logiciel, et donc construire des algorithmes qui évoluent eux aussi avec le temps. Et donc ces deux choses sont en fait, je pense, des avantages de notre approche en particulier.
Leslie (Neuralink)
Nous avons une autre question venue de Twitter. Juan veut savoir quel parcours professionnel vous conseillez à quelqu'un qui vient juste de terminer le lycée et qui veut travailler chez Neuralink dans le futur.
C'est vraiment n'importe laquelle des compétences qu'on a décrites. Donc on développe de nouvelles puces. Il y a la science des matériaux, il y a le logiciel, et bien sûr les soins aux animaux. C'est vraiment toutes les choses qu'on a listées dans les offres d'emploi de Neuralink qui seraient
Audience Member
Oui, j'aime vraiment dire que quand on parcourt n'importe quelle brochure universitaire et qu'on regarde toutes les filières, je pense qu'on peut en désigner chacune d'entre elles. Et il y a quelqu'un dans cette entreprise qui est soit un expert, soit qui a étudié ça. Donc c'est vraiment, vraiment une entreprise multidisciplinaire. Et je pense qu'il faut simplement se concentrer sur ce qui vous passionne ou sur ce pour quoi vous êtes talentueux, puis poursuivre ça aussi profondément que possible. Et il y aura alors sûrement une place pour vous dans la construction d'interfaces neuronales.
Leslie (Neuralink)
Hé, on a pu voir les singes faire de la télépathie. Mais pourriez-vous nous en dire un peu plus sur l'entraînement comportemental des animaux, sur leur vie et leurs processus quotidiens ? Bien sûr. Je suis Autumn. Je suis responsable des services de recherche, ce qui inclut notre programme de soins aux animaux. Et en tant que scientifique spécialisée en bien-être animal, c'est un sujet qui me passionne profondément. Donc notre programme d'entraînement est principalement composé d'analystes du comportement qui nous aident à réfléchir à comment éliminer tout élément aversif ou frustrant de notre entraînement. On considère le conditionnement comme l'approche principale, ce qui inclut le renforcement positif comme principale méthode d'entraînement.
Christine (Neuralink)
Voyons, qu'est-ce que je peux encore vous dire ?
Leslie (Neuralink)
Oui, oui. Je veux dire, ça ne fait peut-être pas partie de l'entraînement comportemental en soi, mais on pense l'évaluation du bien-être animal dans le cadre des trois R, qui désignent le raffinement, le remplacement et la réduction. Et donc quand on pense au raffinement, l'entraînement comportemental s'applique effectivement de cette manière. Et là où on veut éliminer des choses, spécifiquement dans la recherche, la contention est l'une des choses qu'on se donne comme objectif prioritaire d'éliminer. Donc vous avez vu beaucoup de vidéos aujourd'hui où les animaux marchaient jusqu'à leurs postes, parce qu'on a vraiment travaillé dur pour supprimer tout besoin de contenir l'animal. Autre chose ?
Audience Member
Eh bien, pour ajouter à votre dernier point, en tant qu'ingénieur ici, l'une des choses vraiment inspirantes et géniales dans cet endroit, c'est qu'on a l'occasion de travailler sur de nombreuses innovations technologiques qui se traduisent directement par une plus grande indépendance pour les animaux quand ils réalisent ces tâches. Donc comme vous l'avez vu, les singes se rechargent simplement en marchant volontairement jusqu'à une branche, ils jouent à des jeux dans leur habitat avec un ordinateur portable, volontairement. Et le dispositif entièrement implantable, entièrement sans fil, le chargeur par induction, toutes ces choses permettent ce genre d'expérience. Et donc c'est l'un des aspects vraiment géniaux du travail ici, c'est qu'on a l'occasion d'innover sur des choses comme ça.
Leslie (Neuralink)
Ça aide vraiment de travailler avec un groupe d'ingénieurs capables de créer des choses vraiment géniales pour permettre aux singes de faire un entraînement comportemental plus facile.
Audience Member
Donc je dirais, pour répondre à la question précédente sur ce qu'on peut étudier pour faire partie de Neuralink, on pourrait ajouter l'ingénierie des singes à cette liste de métiers.
Ma question porte sur la possibilité de mise à niveau, que vous avez pas mal mentionnée. Donc dans cette procédure, il y a une sorte d'intervention de retrait, puis vous allez poser un nouvel ensemble d'implants. Donc pourriez-vous parler des dommages possibles, s'il y en a, des dommages tissulaires liés à la procédure de retrait ? Combien de temps faut-il attendre ? Est-ce que vous implantez dans les mêmes zones, et quel est votre processus d'imagerie cérébrale pour la procédure d'implantation en vue d'une mise à niveau ? Je ne sais pas combien de questions je
Zach (Neuralink)
peux poser,
Alex (Neuralink)
donc je peux commencer à répondre à certaines d'entre elles. Donc je travaille beaucoup sur la mise à niveau et sur ces processus de retrait, pour les rendre meilleurs. L'objectif vers lequel on travaille, comme je l'ai mentionné dans la présentation, c'est que mettre à niveau un implant soit vraiment aussi simple que de l'installer au départ. On n'a pas, on n'a pas montré beaucoup d'exemples de retrait aujourd'hui, mais on est assez proche de simplement retirer un implant et d'en réinstaller un autre exactement au même endroit. C'est vraiment, vraiment l'objectif. On installe l'implant dans le cortex moteur primaire, qui est une zone précieuse pour interagir avec un dispositif comme celui-ci. Et donc on. L'objectif est d'implanter au même endroit. Peut-être que si on s'élargit vers d'autres applications, on serait intéressé à se déplacer ailleurs. Mais on veut vraiment pouvoir insérer dans la même zone. En termes de dommages, le. Je pense que les dommages qui nous préoccupent le plus sont les dommages à l'intérieur du cerveau. Et ce qu'on a trouvé, et on en a parlé, c'est ce défi de la couche de tissu au-dessus du cerveau. Et on est bien en train de trouver une solution à ça. Mais en raison de la petite taille des fils, la sorte de capsule de cicatrice à l'intérieur du cerveau est si minime qu'ils sont en fait retirés assez facilement. Et donc on voit des signaux utiles même la deuxième ou troisième fois qu'on pose un implant. Et je pense que certains de nos spécialistes des interfaces cerveau-machine pourraient en parler. On a bien des singes participants qui travaillent avec leur deuxième appareil et qui s'en servent vraiment.
Audience Member
Donc une, deux questions. La première, quelqu'un avait posé la question sur la plasticité. Avez-vous observé une quelconque plasticité du point de vue comportemental chez l'un des singes ? Ou est-ce trop tôt pour le dire ? Ou il n'y a pas eu d'observations du tout.
Du côté du comportement des singes. On voit qu'il leur faut un certain temps pour apprendre, bien sûr, à s'entraîner sur le test, mais aussi une fois qu'ils sont implantés. Et c'est relativement rapide pour eux de progresser et d'atteindre une haute performance de contrôle cérébral. Avec Pedro, par exemple, après quelques jours il a pu, en gros au bout de trois jours déjà, apprendre très vite à utiliser l'appareil. Il était bien sûr déjà entraîné à la tâche avec son implant précédent, mais avec le nouveau, après trois, quatre jours, il a pu contrôler avec une performance proche de celle qu'il avait avec l'implant précédent.
Audience Member
Mais avez-vous remarqué quelque chose de l'ordre de l'avance, c'est-à-dire que le cerveau aurait dépassé le réseau de neurones que vous faites tourner ?
C'est difficile à dire. Non, pas vraiment.
Audience Member
D'accord, donc j'ai une autre question, qui porte plus sur le côté électrique. Donc vous avez parlé de 10, 24 canaux enregistrant des données. Est-ce que vous transmettez le signal brut, ou était-ce seulement les trois événements de décharge que. Dont vous parliez, le bas, le milieu et le haut, ou est-ce que vous transmettez la forme d'onde brute entière ?
Julian (Neuralink)
Bonjour, je suis Julian. Je peux en parler un peu, et peut-être qu'Avinash voudra ajouter quelque chose. Mais nos puces voient les signaux bruts, mais ce qu'on transmet en sortie, ce sont généralement des décharges, et on détecte ces décharges en temps réel sur la puce. Ça compresse énormément les données, je suppose. Oui, on avance. On apporte des améliorations à ça, mais on peut demander. On peut demander des échantillons bruts. Parfois on traite aussi certaines statistiques ou d'autres données directement sur la puce, puis on envoie les valeurs calculées. Donc il y a plein de façons de jouer un peu avec les données.
Audience Member
Oui. Donc au moins avec le système N1 actuel qu'on a, qui repose sur la radio BLE, il y a une limitation de bande passante. Donc on ne peut pas vraiment streamer des données brutes depuis tous les 10, 20, 24 canaux. Mais juste pour vous donner un peu d'historique sur la façon dont notre algorithme de compression, l'algorithme de détection de décharges, a été développé, on avait une sorte de système filaire. Il y avait un article qu'on a publié avec le connecteur USB-C qui, vous savez, fait passer tous ces signaux à travers une connexion filaire à large bande passante. Donc on avait ce genre de plateforme de développement pour pouvoir voir les signaux bruts et savoir quel ensemble d'informations on veut extraire, qui va à la fois rentrer dans la bande passante de la radio et être utile pour le contrôle de l'interface cerveau-machine. Et vous savez, envoyer des données sans fil coûte aussi beaucoup d'énergie. Donc dès qu'on a l'occasion de réduire cette charge. Vous savez, on essaie essentiellement de faire toute cette compression le plus près possible de l'endroit où se trouvent les électrodes.
Une chose qui n'est pas évidente, c'est que le débit binaire réellement nécessaire pour contrôler un téléphone ou un ordinateur est en fait très faible. Donc je pense qu'on détient peut-être le record du débit binaire, c'est bien ça ? On pense que oui, à peu près de l'ordre de 10 bits par seconde. Donc c'est super lent. Mais si on y pense, quand on saisit des données sur un téléphone, à quelle vitesse bouge votre pouce, combien de frappes de pouce par seconde vous faites. Plutôt, plutôt faible. Et je veux dire, en gros nos pouces sont comme deux bâtonnets de viande lents qu'on bouge comme ça, et en fait c'est vraiment, c'est une barre basse, c'est ce que je dis. Donc au moins pour la sortie, c'est, vous obtenez 10 bits par seconde, et vous vous en sortez déjà très bien. Et donc ça, vous n'avez besoin d'aucun Bluetooth ou quoi que ce soit. Donc vous pourriez pratiquement l'envoyer avec des bips et des bops, vous savez. Donc ce n'est pas, si vous allez, si vous allez vers un flux visuel à haute bande passante, là vous passez peut-être au mégabit et plus. Mais ça reste tout à fait dans les capacités du Bluetooth, en tout cas ce que je veux dire, c'est que ce n'est pas une contrainte. Le débit de données. Un autre point notable dont on a parlé dans la présentation, c'est qu'on pense pouvoir probablement résoudre le problème de faire l'implantation sans couper la dure-mère. On peut essentiellement faire une série de petits trous dans la dure-mère, qui est cette grosse membrane épaisse, orangée, un peu comme une écorce, qui est contre le crâne. Si on ne perce pas la dure-mère, si on ne la découpe pas et qu'à la place on fait une série de minuscules trous pour insérer les électrodes à travers ces trous dans le cerveau, alors le temps de récupération est ridiculement rapide. Vous savez, on ne perd pas vraiment beaucoup de liquide céphalo-rachidien. C'est, c'est, en théorie, je veux dire, ça pourrait être, l'opération entière pourrait durer 10 minutes, comme un Lasik. C'est rapide, quoi. Ce n'est pas une grosse opération laborieuse. C'est super rapide.
Sam (Neuralink)
Pour revenir au long terme
utilisation, je me demande si vous avez des données de pathologie sur le tissu cicatriciel de nombreux animaux ayant eu des implants à long terme. Et dans cette logique, il semble qu'il y ait un certain écart entre l'usage dans des conditions médicales et chez des individus sains, du point de vue de la sécurité.
Audience Member
Je n'ai pas tout à fait saisi la dernière question, mais je vais traiter la première et vous demander de répéter la seconde. Donc la première, c'est : avons-nous des données de pathologie provenant d'animaux utilisés à long terme ? Absolument, oui. On n'a pas de données de pathologie pour nos singes qu'on met à niveau et qui, vous savez, continuent leur vie. On a d'autres études dont le but premier est de déterminer la sécurité. Et donc on a bien des critères histopathologiques qu'on détermine. La formation de tissu cicatriciel autour des fils eux-mêmes dans le cerveau est typiquement négligeable. Le cerveau réagit à peine aux fils. Donc c'est très prometteur en ce qui concerne la formation de tissu cicatriciel au-dessus du cortex. Donc cette croissance de néomembrane qui remplit les zones dont Elon et Alex parlaient, qu'on retire lors de notre opération actuelle. Ça, on évalue bien ce tissu cicatriciel, mais ça ne pose aucun problème. Ce n'est pas une réaction continue à un corps étranger. C'est simplement du tissu qui comble ce qui a été retiré. Et si vous pouviez répéter la, la deuxième question.
Dan (Neuralink)
Je n'ai pas entendu ça.
Sam (Neuralink)
Oui, la deuxième question, pour vraiment faire suite
à ça, il semble qu'il y ait un certain écart dans l'usage chez les individus sains du point de vue de la sécurité. Vous savez, je crois que des gens ont mentionné qu'ils seraient peut-être intéressés à essayer des prototypes, mais je me demande simplement quelle est votre perspective sur la réduction des risques de sécurité.
Audience Member
Oui, c'est une excellente question. Donc en fait, il s'agit vraiment de l'usage à long terme de l'appareil. Donc on a des appareils implantés, comme je l'ai dit, chez des singes, depuis plusieurs années, et on ne voit aucun déficit comportemental. Donc la première question, c'est comment on évalue la sécurité. Donc il y a des critères histopathologiques qu'on peut évaluer, mais on recherche aussi des déficits cognitifs ou comportementaux. Et on n'en voit aucun chez nos animaux, ce qui est un point important. En ce qui concerne les critères histopathologiques, ils ont l'air vraiment, vraiment excellents. Le défi, c'est le retrait de l'appareil, c'est pourquoi on met tant d'efforts dans la réversibilité et nos insertions à travers la dure-mère. Donc c'est au moment de retirer l'appareil qu'on pourrait potentiellement, potentiellement causer des dommages. Et donc on mène actuellement beaucoup d'études en cours pour vraiment minimiser ce risque, mais on ne pense pas que ce soit un risque substantiel avec notre approche actuelle. Et comme je l'ai dit, Pager a été mis à niveau avec l'approche chirurgicale précédente et va très bien. Donc clairement, ça peut être parfaitement sûr. Mais le prouver sans l'ombre d'un doute pour les humains, c'est quelque chose sur quoi on travaille encore rigoureusement. Est-ce que ça répond à votre question ?
Dan (Neuralink)
Merci. Donc merci pour une très approfondie
plongée dans beaucoup des différents aspects
Dan (Neuralink)
de l'appareil et du système. C'est très impressionnant de voir tout le
travail d'ingénierie qui y a été consacré. Vous venez de mentionner le débit binaire.
Dan (Neuralink)
En tant qu'ancien détenteur du record de débit binaire, je peux
confirmer que vous avez effectivement pulvérisé mon record. Donc félicitations pour. Je crois avoir vu un pic de
Dan (Neuralink)
7,4 bits par seconde. Bien joué. Ma question porte en fait sur les essais cliniques et la FDA, dans la mesure où vous pouvez partager ça, je crois comprendre que le retrait de l'appareil ou peut-être des électrodes est l'une
des préoccupations que la FDA a soulevées. Y a-t-il autre chose que vous pouvez nous dire
Dan (Neuralink)
sur ce qui préoccupait la FDA
ou sur quoi elle avait des questions concernant votre dossier IDE ?
Audience Member
Oui, je veux dire, on peut probablement en parler un peu. Je veux dire, c'est. Ce sont vraiment des défis qu'on a de manière générale, donc l'exploitation, la sécurité, le prouver rigoureusement pour les humains, c'est définitivement un défi et c'est quelque chose sur quoi la FDA a fait des remarques. D'autres choses pour lesquelles ils posent vraiment d'excellentes questions. Donc d'autres choses impliquent par exemple les tests thermiques en laboratoire de nos implants. Donc évidemment, il est important que notre implant n'endommage pas le tissu en surchauffant. Donc avoir des tests en laboratoire vraiment rigoureux et valides pour ça est très important. C'est en fait quelque chose qu'on va reconcevoir pour être encore plus précis. Et c'est aussi le cas qu'ils posent beaucoup de questions vraiment difficiles sur la caractérisation chimique de la biocompatibilité. Donc on a fait des tests très rigoureux pour ça. Mais vous savez, ils posent beaucoup de questions pour vraiment entrer dans le détail des données et s'assurer qu'il n'y a vraiment aucune chance que des produits chimiques toxiques ou des matériaux biologiquement incompatibles se retrouvent dans le cerveau. Donc ce sont toutes des choses sur lesquelles on travaille pour, encore une fois, prouver au-delà, au-delà de l'ombre d'un doute. Une chose qui mérite peut-être d'être mentionnée ici, c'est qu'il peut être difficile d'apprécier la nouveauté de notre produit. Donc le robot chirurgical et en particulier le réseau en film mince sont assez nouveaux et différents des appareils existants. Et ça signifie qu'on ne peut pas trop s'appuyer sur la littérature pour étayer la sécurité et l'efficacité de l'appareil. Donc on consacre énormément d'efforts à concevoir et réaliser des tests sur nos appareils pour pouvoir prouver rigoureusement leur sécurité, et on ne peut pas se contenter de s'appuyer sur un autre produit ou sur une publication. Et c'est quelque chose sur lequel on ne veut pas faire de compromis pour notre premier participant humain, et on travaille très dur pour y arriver.
Je pense que si on pose une question comme, à mon avis, serais-je à l'aise d'implanter ça chez quelqu'un, l'un de mes enfants par exemple, à ce stade, s'ils étaient dans une situation grave, disons s'ils s'étaient cassé le cou, est-ce que je serais à l'aise de le faire maintenant ? Je dirais, je dirais qu'on est au point où, du moins à mon avis, ça ne serait pas dangereux.
Christine (Neuralink)
Bonjour, merci pour la présentation. J'ai une question non technique.
Leslie (Neuralink)
Collaborez-vous avec des personnes ayant des handicaps moteurs ?
Christine (Neuralink)
Et si oui, avez-vous échangé des idées d'applications qui les enthousiasmeraient ?
Je peux répondre à la première partie. Je ne suis pas la meilleure personne pour en parler, pour être honnête, mais on a un comité consultatif d'utilisateurs composé de plusieurs personnes ayant diverses conditions, dont la tétraplégie, et elles nous conseillent sur un certain nombre de sujets. Juste pour vous donner une anecdote. Quelqu'un est venu au bureau il y a peut-être six mois et m'a dit ce qu'il voulait le plus faire avec son appareil Neuralink. Et il y avait deux choses qu'il a dites. La première, c'est qu'il voulait pouvoir trader des actions au jour le jour, pour pouvoir battre son frère. Et la deuxième, c'est qu'il voulait pouvoir jouer à des jeux de tir. Donc je pense que ce qui m'a le plus frappé dans cette rencontre, c'est la normalité de tout ça. Et j'ai trouvé cette conversation vraiment inspirante. Donc vous savez qui vous êtes ? La personne qui est venue me parler. Passez une excellente journée. Oui,
Vous savez, quelque chose dont on a déjà parlé, mais qu'il faut peut-être souligner à nouveau. On met en place un système de production pour les appareils. Donc on met en place, on lance la ligne de production, pour fabriquer un grand nombre d'appareils. On veut fabriquer des milliers, à terme des dizaines de milliers, puis des millions d'appareils. Donc les progrès vont au début, en particulier pour les humains, sembler peut-être atrocement lents. Mais on fait en parallèle tout ce qui est nécessaire pour atteindre l'échelle voulue. Donc en théorie, les progrès devraient être exponentiels. Donc merci, c'était une présentation vraiment géniale. Donc l'un des objectifs annoncés était d'enregistrer depuis partout dans le cerveau, de pouvoir enregistrer et perturber n'importe quel emplacement. Donc il semble qu'actuellement tout soit cortical.
Zach (Neuralink)
Et je suis curieux, avec l'appareil actuel,
existe-t-il un objectif ou une idée à long terme pour l'étendre et aller plus profondément dans le cerveau ? Je veux dire, pour les troubles neuropsychiatriques, pour la mémoire, toutes ces choses sont beaucoup plus profondes, plusieurs centimètres. Donc je me demande quelle est l'échelle de temps ? Si vous deviez donner une estimation très approximative de quand je peux m'attendre à voir un produit Neuralink qui aille aussi profond.
Donc je veux dire, les fondamentaux de l'appareil dans le crâne resteront essentiellement les mêmes, parce que, comme je l'ai dit plus tôt, l'appareil dans le crâne ressemble beaucoup à une montre connectée. Essentiellement, il a une batterie, une radio, un chargeur par induction, un ordinateur, et ensuite il y a les petits fils, donc il faut allonger les fils et il faudrait une aiguille d'insertion plus profonde pour le robot. Mais c'est vraiment conçu pour être un appareil d'entrée-sortie généralisé. Donc à part le fait que les petits fils soient plus longs et que le robot chirurgical ait besoin d'une aiguille plus longue, en théorie on devrait pouvoir aller n'importe où, parce qu'il me semble qu'une partie du robot essaie de détecter où se trouvent les vaisseaux sanguins pour les éviter. Exact. Est-ce que ça serait possible à cette échelle ? Je veux dire, certainement pas juste visuellement, mais il y a peut-être une autre façon de le détecter. Est-ce un objectif actuel et
Dan (Neuralink)
vous attendez-vous à ça dans, je suppose, la prochaine décennie ?
Définitivement, oui. Je suis Ian, je dirige l'équipe d'ingénierie robotique et chirurgicale ici. Parmi les trois axes que DJ a mentionnés, l'un d'eux est, vous savez,
Alex (Neuralink)
l'accès à davantage de zones du cerveau.
Donc l'équipe robotique y réfléchit énormément.
En ce qui concerne les capteurs, il faut essentiellement aller au-delà de la surface. Et donc dans ce cas vous avez raison
Alex (Neuralink)
qu'en ce moment on ne peut vraiment
voir en profondeur qu'environ un millimètre maximum. Je pense qu'au sein de l'équipe, il y a des questions sur ce qui serait le mieux à utiliser ensuite. Mais l'échographie et la tomographie photoacoustique sont deux techniques qui me viennent à l'esprit, qui peuvent essentiellement atteindre plusieurs centimètres de profondeur. Mais c'est un problème super intéressant. On a besoin en quelque sorte d'une imagerie profonde et d'une capacité de guidage pour au moins éviter les gros vaisseaux sanguins en profondeur. Oui.
Christine (Neuralink)
Ou si on peut rendre nos aiguilles et nos fils suffisamment petits pour rester précis en profondeur, alors peut-être qu'on ne provoque pas de saignement même si on touche un vaisseau.
Oui, je pense que c'est vraiment la situation idéale. Si les fils sont vraiment minuscules, ils peuvent en fait traverser un vaisseau sanguin. Et ça ne pose pas de problème s'ils sont assez petits, donc on n'aurait pas besoin de l'imagerie des vaisseaux sanguins dans ce cas. Je suis en fait légèrement optimiste quant au fait que ce soit réalisable.
Christine (Neuralink)
Matt, vous pourriez probablement en parler davantage, mais avec la stimulation cérébrale profonde actuelle, c'est un peu juste : on y va.
L'approche actuelle implique un fil qu'on insère à l'aveugle.
Julian (Neuralink)
C'est énorme comparé à nos fils, des ordres de grandeur plus gros.
Matt (Neuralink)
Et donc c'est une barre basse pour
pour qu'on puisse aussi la franchir. Je pense que les gens ne réalisent pas, genre, pour les profondes. Exact. Stimulation. À quel point le trou est grand. C'est un. Je veux dire, c'est comment ? Je veux dire, en gros, dans la stimulation cérébrale profonde actuelle, quelle taille de trou est percée dans le cerveau ? Oui.
Matt (Neuralink)
On perce un trou de 14 millimètres puis on fait passer un fil de 2 millimètres sur 6
centimètres, 8 centimètres de profondeur dans le cerveau.
Matt (Neuralink)
Donc tout ça en espérant à l'aveugle qu'on ne touche pas un vaisseau sanguin, en disant au patient
d'avance, que ça pourrait être bon pour
Matt (Neuralink)
lui, et qu'il y a 1 % de chances que son
cerveau se mette à saigner d'une
manière qu'on ne peut pas contrôler.
C'est la technologie actuelle, ça se passe en ce moment même. Donc faire mieux que ça, c'est. On peut définitivement faire bien mieux que ça.
Christine (Neuralink)
Notre aiguille fait 40 microns.
Merci encore pour cette présentation phénoménale. J'ai trouvé fascinant à quelle vitesse vous pouvez tester toutes ces électrodes, mais ça soulève la question de votre tolérance aux pannes. Si vous lancez ces diagnostics et qu'il ressort qu'il y a un court-circuit ou une impédance élevée, combien en faut-il avant que la performance se dégrade ? Et la deuxième question, c'est que, quand vous insérez réellement cet appareil, on a vu des exemples d'électrodes qui s'enfoncent puis qui, en gros, reboucle sur elles-mêmes. Mais il semblait que ça soit évalué essentiellement en tranchant le matériau synthétique. Je suis curieux de savoir ce que vous faites pour valider l'insertion de toutes ces électrodes en quelque sorte in vivo. Comment sait-on que ça ne se produit pas chez un vrai patient ?
Sam (Neuralink)
Oui, je peux répondre à ça, la deuxième. Donc comme je l'ai mentionné, on peut. Donc en fait on ne faisait pas de coupes dans ce cas-là. On a un micro-scanner CT vraiment génial. Donc je veux dire, c'est essentiellement comme un scanner CT. Donc c'est juste un modèle intact qu'on met dans cette machine et on peut, vous savez, en prendre une image de bout en bout. Et comme je l'ai mentionné avant, on peut faire un modèle où ça se produit, vous savez, où ce rebouclage se produit à chaque fois. Et ensuite on peut en faire un où ça ne se produit jamais. Et on a maintenant localisé assez précisément où se situe le vrai tissu là-dedans. Et donc notre plan actuel pour valider et confirmer ça, c'est de fabriquer des modèles où ça se produit très facilement, un cas bien pire que n'importe quel tissu réel possible, puis de concevoir le dispositif pour que ça ne se produise jamais dans ce scénario. Et ça nous donnera, en le faisant assez de fois et avec un modèle assez faible, la confiance que ça ne se produit pas réellement.
C'est l'aiguille de nouvelle génération.
Sam (Neuralink)
Oui. Et c'est l'aiguille de nouvelle génération. On ne voit absolument pas ce problème
Alex (Neuralink)
avec la génération actuelle.
Julian (Neuralink)
Et je vais tenter de répondre à votre première question. Donc pour clarifier, vous demandez ce qui se passe s'il y a une panne sur un canal particulier ou quelque chose comme ça ?
Julian (Neuralink)
Oui. Donc le scénario nominal, c'est qu'essentiellement l'impédance se stabilise assez rapidement à l'intérieur du cerveau. Et même à ce niveau, on peut enregistrer d'excellents signaux. On voit beaucoup de décharges et on peut utiliser ça pour l'interface cerveau-machine parce qu'on a tellement de canaux, environ 1000 maintenant, 16 000 plus tard, qu'on peut en fait faire tourner nos modèles avec bien moins de canaux qu'on en a réellement. Donc ça n'a pas d'importance si un canal meurt ici ou là, on peut toujours faire un très bon décodage. Je ne sais pas si on a des chiffres officiels sur le nombre de canaux nécessaires, mais on en a en gros un ordre de grandeur de plus, et on peut déjà faire beaucoup avec ce qu'on a.
Peut-être juste une ou deux questions de plus.
Leslie (Neuralink)
Oui, j'ai une question sur votre inspiration à très, très long terme d'avoir cette communication à haute bande passante avec des IA avancées. Donc il semble que l'IA avancée aurait besoin de comprendre les pensées et émotions les plus complexes de l'humain. Et c'est ce que les neuroscientifiques essaient de faire. Donc avez-vous des ambitions de vous attaquer aux neurosciences au-delà de l'ingénierie neuronale ?
Eh bien, je veux dire, je pense qu'on va fabriquer le dispositif d'entrée-sortie et l'interface logicielle qui va avec, et je pense, comme suggéré plus tôt, qu'on essaiera d'ouvrir le code source autant que possible pour que les gens puissent y jeter un œil. Et je pense qu'il y aura beaucoup d'autres personnes qui construiront sur le travail qu'on fait. Vous savez, de la même façon que si on fabrique un microprocesseur, un CPU ou un ordinateur, les gens écriront plein de logiciels qui tournent sur cet ordinateur. Mais si on n'a pas l'ordinateur, le logiciel ne sert à rien. Donc on fabrique le dispositif d'entrée-sortie avec l'ordinateur, et je pense qu'il y aura probablement beaucoup d'autres organisations, d'entreprises qui construiront sur cette base. Donc oui, je veux dire, une des choses dont je me demande parfois, c'est que si on a une interface cérébrale complète et qu'on peut enregistrer des souvenirs,
là on entre dans des trucs à la Black Mirror, mais ça pourrait en être un exemple.
Audience Member
Je pense aussi qu'il vaut la peine de mentionner un point important, c'est que Neuralink n'est pas né de nulle part. Il y a des décennies et des décennies de recherche dans le domaine médical et académique qui ont vraiment posé les fondations de ce qui est possible, en plaçant ces électrodes dans des parties du cerveau et en pouvant lire ces signaux, les décoder pour les relier à une application. Et vous savez, en ayant été dans le milieu académique avant de venir chez Neuralink, je pense vraiment qu'il y a beaucoup d'opportunités pour que le domaine avance à un rythme beaucoup plus rapide simplement en ayant de meilleurs outils pour observer les dynamiques en cours et y interagir de manière fluide. Et je crois que c'est Ian qui a en quelque sorte mentionné que c'est presque comme si on construisait un oscilloscope pour le cerveau, ce qui, je trouve, est une belle analogie, qui nous donne un peu plus de capacités pour observer les dynamiques et utiliser ces informations. Apprendre ça pour, je ne sais pas, j'espère comprendre ce qui fait de nous ce qu'on est et comment le cerveau fonctionne, et vous savez, tout le reste.
Leslie (Neuralink)
Bonjour.
Julian (Neuralink)
La présentation a couvert les méthodes de saisie basées sur le clavier et l'écriture manuscrite. Comment comptez-vous développer un modèle de saisie qui atteindra des débits bien plus élevés pour des tâches complexes chez les humains ?
C'est une question difficile et on commence à explorer ça avec des singes. Comme vous l'avez vu, on a en gros plusieurs. On entraîne beaucoup de singes sur des tâches très différentes. C'est encore une question ouverte qu'on poursuit. Je pense qu'une fois qu'on aura notre premier participant, ça sera plus facile à étudier, j'espère. Une des options qu'on explore, comme on l'a montré, c'est de décoder directement l'écriture manuscrite. C'est un travail qui a démarré à Stanford, qu'on explore ici et qu'on essaie d'étendre. Il y a aussi une autre approche, en plus de simplement décoder différentes choses à partir du cerveau. On essaie aussi d'offrir à l'utilisateur différentes interfaces utilisateur, peut-être. Par exemple, on montre différents types de claviers. Peut-être aussi le balayage et d'autres choses qui peuvent aider à augmenter le débit de communication. Donc on aborde ça en quelque sorte sur deux dimensions.
Juste une autre chose à ajouter dans cette direction. Comme beaucoup de gens l'ont souligné ici jusqu'à présent, c'est un système d'entrée-sortie généraliste qu'on peut en quelque sorte brancher dans différents endroits du cerveau. Il y a d'autres zones du cerveau qui peuvent aider à augmenter la bande passante. Par exemple, les centres du langage ou de la parole qui peuvent vous aider à communiquer de façon beaucoup plus fluide. Par exemple le texte, si c'est votre principal objectif.
Audience Member
Oui, juste.
Je pense que le simple fait d'avoir ce dispositif d'exploitation d'entrée généraliste va tellement, tellement améliorer notre compréhension du cerveau. C'est difficile à. Les mots peuvent à peine l'exprimer. Genre, vous savez, en ce moment on ne fait que deviner beaucoup de ce qui se passe dans le cerveau. Mais si on a une entrée-sortie directe, ce n'est pas. Plus de devinettes. Ce qu'on apprendrait sur le. Ce qu'on apprendra sur le cerveau avec un tel dispositif largement utilisé sera absolument plusieurs ordres de grandeur supérieur à ce qu'on comprend actuellement. Donc je pense que sur cette note, merci d'être venus et merci de nous regarder en ligne.