脑控接口技术实现儿童注意力提升,开源项目OpenBLAS玩转计算性能升级

简介: 麻省理工学院中国创新与创业论坛(简称 MIT-CHIEF) 是美东地区最大的创新创业平台,汇集了美国最尖端的人才和项目,融合了中国和美国的各项优势资源。在刚刚过去的七月里,十六支涵盖医疗健康,新能源,教育及金融等领域的创业团队和 MIT-CHIEF 一起,走访了北京,上海,深圳和成都四大城市和与其相关的创业合作基地,与当地的政府,企事业单位代表进行了卓有成效的合作与交流。机器之心有幸采访到了其中的十一支团队,这是系列采访的第五篇。

麻省理工学院中国创新与创业论坛(简称 MIT-CHIEF) 是美东地区最大的创新创业平台,汇集了美国最尖端的人才和项目,融合了中国和美国的各项优势资源。在刚刚过去的七月里,十六支涵盖医疗健康,新能源,教育及金融等领域的创业团队和 MIT-CHIEF 一起,走访了北京,上海,深圳和成都四大城市和与其相关的创业合作基地,与当地的政府,企事业单位代表进行了卓有成效的合作与交流。机器之心有幸采访到了其中的十一支团队,这是系列采访的第五篇。

FD09AA57-AE79-47D3-A8BF-F63B78E4CEE9.jpeg


BrainCo 官方网站:http://www.brainco.tech/


BrainCo 是一家于 2014 年成立于美国波士顿的高科技产品公司。BrianCo 研发的可穿戴产品将涉及学生注意力培训、睡眠管理、智能家居控制、脑交流技术、脑疾病、神经疾病早期预防、疼痛测量等领域。2015 年初,BrianCo 得到天使投资,如今正在全力完成第一款产品,Focus 1,用于注意力提升培训和脑电操控电子设备,是世界上第一款医疗级别的可穿戴脑效率提升专家。机器之心之前有对其进行过专访。


9CC2A68E-1F43-4D59-80A3-E6042BBAABB0.jpeg


PerfXLab 官网网站: http://perfxlab.com/


PerfXLab 是一家计算领域的性能优化解决方案提供商。通过本团队已有的世界领先开源项目 OpenBLAS,以嵌入式和人工智能领域为切入点,提供整套的性能优化框架和服务,帮助人工智能和其他技术计算领域的客户落地,缩短时间,提高效率。


这一次我们有幸采访到了参与中国行的 BrainCo CMO 张云鹏,首席软件工程师徐睿瑜 和 PerfXLab 的 CEO & Co-Founder 张先轶。


FAD89338-9ADC-4ED2-ABFE-FD8CA43A46B6.jpeg




Synced : 三位好!首先能否请几位向机器之心的读者简要简绍一下各自的团队和产品的特点?


张先轶: 好的!机器之心的读者大家好。我们是一家做计算的公司,产品方向主要是提供人工智能,CV 等领域的高性能解决方案。我们的成员来自中科院,MIT,NVIDIA 和 Intel 等公司。虽然我们目前规模不大,但是人员组成还是相对完备的,有负责硬件架构的,有负责算法和软件优化的,也有研究深度学习的。目前的产品是向嵌入式市场(手机,智能硬件,机器人,无人机等),提供高性能的深度学习解决方案。


徐睿瑜: 大家好!BrainCo 是一家创建于美国马萨诸塞州波士顿的科技产品公司,专注研发脑机接口 (Brain-Machine Interface) 技术。主要的应用方向是通过脑神经反馈训练,为 ADHD 患者治疗提供帮助,提升用户的注意力水平,并且提高学习效率。我们的团队由哈佛大学脑科学中心科学家和 MIT 工程师联合组成,目前核心成员大概二十人。


9B91F448-9E43-4921-B270-7CBC96ABEC53.jpegBrainCo 团队合影


Synced : 之前机器之心对你们的创始人进行过专访,他提到你们新一代的产品 Focus 1. 能否在这里再和我们简要介绍一下这个产品和产品特点?


张云鹏:好的,BrainCo 的第一代产品是 Focus 1, 是一个集培训操控,教育学习和娱乐教育三位一体的注意力培训设备。孩子通过头环和终端设备,在游戏和课件里互动从而提高注意力水平。家长可以通过手机 App 进行后台管理和培训效果监测。


D663758E-4274-4668-B123-52514A51A872.jpeg


Synced: 什么契机让你们开始这个方面的研发或者尝试呢?


张先轶: 我们本身就是做高性能计算出身的,领导了全球领先的矩阵计算开源项目 OpenBLAS,也为 OpenCV 贡献了 OpenCL 加速模块。我们看到随着数据越来越大,对处理能力的需求也越来越强烈。特别是最近比较火热的深度学习就对计算能力有比较高的要求,我们的 OpenBLAS 也成为了几个深度学习框架的依赖库之一。


CBB0F994-A877-48B1-8F0D-9786C88926F9.jpeg

徐睿瑜: 脑控可以实现的功能性其实很多。之所以我们选择从注意力为切入口是基于现在儿童中多动症比例越来越高的现状。根据权威机构统计,美国目前有 6 百万儿童患有多动症 (ADHD), 每年的市场总额达$450 亿,这是一个非常大的市场。同时,现在的药物治疗副作用大,而已有的脑神经反馈训练费用高,周期长,市场缺乏有效的家用解决方案。所以我们想通过自身的技术给家长和儿童提供一个更为高效简单的家用解决方案。


Synced:那在开发过程中有没有遇到什么困难?你们认为在这个领域你们自身最大的优势是什么?


张先轶: 目前人工智能这个领域很热,除了各大巨头的投入,国内外也出现了很多家相关的创业公司。如何找准自己公司的定位,保持技术的领先性是我们的挑战,也可以说是机遇。技术公司归根到底还是人的竞争,我觉得我们最大的优势就是团队非常优秀,在业界处在顶尖水平。


张云鹏:就像刚才徐睿瑜提到的,脑控技术的应用范围广泛,这可能很多人看来是个优点,但其实对我们来说,也成为了一个难点。如何聚焦定位产品成为产品研发中反复出现的问题。


Synced:相信两位都参与到了 MIT-CHIEF 的中国行活动中,能否和我们分享一下在这次活动中的主要收获?


张先轶: 之前在 UT Austin 做 Research Fellow 的时候,虽然也有创业的想法,但是不大清楚应该怎么做。今年到了 MIT 后,遇到了 MIT-CHIEF,有一种找到组织的感觉。之前参加过 MIT-CHIEF 中国行的晶泰科技几位创始人给了我很大的帮助,无论是从思路的整理还是 BP 的准备。通过这次中国行,我认识了很多朋友,当然也有很多优秀的创业团队。通过互相的交流,开阔了眼界,学习其他前沿领域的发展。


张云鹏:团队中本身也有来自 MIT-CHIEF 小伙伴, 从而了解到这个活动和项目。这次中国行除了融资和落地需求,开展在脑控应用领域的战略合作意向也是我们的意向之一。我们团队中的核心成员都是来自 MIT 和哈佛,MIT-CHIEF 是一个让我们认识优秀人才,并接触到更多优质创业资源的平台,这让我们能找到最棒的成员来实现技术功能。这次走访的城市各有特点,例如软件一定是北京,FinTech 一定是上海周边,智能硬件和制造一定是深圳,每个城市都非常有特色和相应的配套设施。


844EF3DF-4A53-4868-A17B-25C22652F5A9.jpeg


Synced : 谢谢三位。接下来我们会对各自的产品和技术问一些相对深入的问题。首先向问 BrainCo, 可以和我们详细介绍一下新一代产品 (Focus 1) 在哪些方面还可以进一步优化?


张云鹏: 从上次采访完之后,我们硬件方面已经基本确定。外型设计方面,团队拥有设计 Apple Watch 和小红点至尊奖的小伙伴帮我们做外形优化,而软件方面现在处于攻坚阶段。我们现在做的 Focuse 1 产品是专注于注意力培训,里面涉及培训的流程和培训的内容。所以,现在主要和注意力培训方面的专家合作,探讨细化培训的流程。内容方面我们希望提供多样化的解决方案,不光有内置的游戏还有课件内容,希望给不同的使用者提供更多的选择。


24D59EBB-0AE3-461A-917F-44665B1349BD.jpeg


Synced:那对于 PerfXLab 来说,你们面向的是人工智能或其他技术计算领域的企业,应用非常广泛。如果是对可穿戴领域来说(即 BrainCo 现在的这个领域),你们有没有什么涉猎或者思考?

 

张先轶: 我个人认为,AR 或者视觉计算技术可能会把可穿戴做成眼前一亮划时代的产品。一提到可穿戴,我第一个想到的是手环,但是它只是收集数据,没有向用户说明数据使用在哪些方面。而当你结合了数据处理,视觉,语音等概念在里面,我觉得可穿戴的市场会更加爆发起来。


Synced:所以说无论是怎么获取的数据,手环也好,脑控穿戴也好,最后的落脚点都是在数据上。


张云鹏:某种程度上来说是的。BrainCo 是专注研发脑机接口 (Brain-Machine Interface) 技术,而脑际接口技术本身是个底层技术,它其实是个平台。脑际接口技术可以应用于不同的方向,需要有不同流程,也就是软件部分。就拿注意力培训来举例吧,它的软件设计的流程注意力培训和对脑电设计智能家居的设计是完全不一样的。再往上,通过这种应用的方式会收集人们很多的脑电数据。数据在当今社会变得非常重要,不管是做大数据还是做 AI,都需要数据。我们的底层技术会提供一个很大的未来数据库,而从数据库可以进行数据挖掘,能总结和研究人们的脑电行为模式,能更好的反馈怎样应用于技术本身,这才是最有意义的。如果我需要 PerfXLab 提供帮助的话,我想是这方面的。在有了海量数据以后,如何能够把其整合起来,提供更好的技术和市场方面的指导意义。这方面不知道你们能不能做到(笑)?


2F4F0A4F-8449-45B2-8DE6-8A809B79B116.jpeg


张先轶:肯定可以。我觉得有两点我们可以帮助。第一点是针对你们的嵌入式设备或者穿戴式设备。以目前的趋势来看,这种设备不仅仅是数据的采集,而是实时就要做处理,做反馈等,这对计算的需求还是不小的。我们现在的深度学习高性能解决方案就是为了应对这种情况。第二点是对于原始数据的处理。各个企业都有源源不断的原始数据,但是可能没办法全部处理或者处理非常慢,有时候要几周或者更长时间才能有结果,这种对于实际过程中已经失去意义了。因为迭代更慢,没法适应市场的需求。而我们能做的是,把你们的处理时间缩短,提高效率,支持更大规模的数据分析处理的场景。


BABA329B-F8EF-4405-A4E9-B4532794C741.jpeg


Synced : 哈哈,感觉采访结束之后两个团队真可以好好聊一下合作细节。采访最后是我们 Synced Talk 的固定快问快答环节。每一期我们都有固定的主题,这一期我们的主题是可穿戴与智能医疗。那么这里有三个问题,请你根据直观感受作答。第一个问题,你们认为既智能手表之后,什么会成为下一代可穿戴成品的主要载体?

 

徐睿瑜:我觉得会是智能头环,或者说类似的可以帮助人们解放双手的脑部可穿戴设备。

 

张云鹏:下一代最符合人体工学的应该是眼镜。不管是什么样的智能硬件,都要符合人体工学。人体的输入设备在眼睛,而人体的输出设备在手这一块儿。另外,智能手机首先是个输入,然后是输出。输入这方面,越靠近脑袋越好,所以最直观的就是在眼镜上面。AR 的眼镜一旦把屏幕的限制解决了,可以给更多的智能应用更广阔的想象空间。以后的可穿戴产品将不会局限于有限的物理屏幕,而是一个 360 度甚至是 3D 的,如果同时加入手势控制和脑控,这会是给下一代带来新的体验。

 

张先轶:这个领域我不是专家,不敢做大的预测。我最基本的想法是偏向于眼镜,因为这是更自然的选择。以现在来看,可能是手表。但智能手表是不是大家追求的东西还尚且是个问题。对于男生带手表,更多是当做「男人的珠宝」,而不是在追求 high-tech 的产品,这其实真正制约了手表可穿戴形式的推广。而智能眼镜附加得感觉更多,可以做的东西也更多,我投眼镜一票。

 

张云鹏对,手表其实是在输出这块儿。如果从输入这一块考虑,眼镜在人体工学这块有更大的优势。

 

Synced:作为用户本身,你最希望未来的可穿戴产品给你提供什么功能?

 

徐睿瑜:我希望是能识别我的意识,我想让它干什么,它就真的能干什么。我还希望它在外形上、功能上、识别能力上都是个性化的。

 

张云鹏:智能硬件技术已经到了一个爆发的阶段,就是很多人在做不同技术方面的智能化的东西。把硬件方面加上 WiFi 模块,从而变成可穿戴设备,不管是收集数据,还是更复杂的反馈和操控体验,会产生很多数据,而这些数据很可能对我们生活有很好的指导作用。举个例子,现在大家谈大健康,而智能手环只是个记录器,它收集到的数据真正能提供多少健康方面的数据管理和建议,可能是人们更期待的。就是说,我有了数据之后,数据在没有被处理之前,是没有任何信息量没有任何意义的。我希望在数据爆发硬件爆发的同时,真正把智能方面加上去,让它变得像人一样在思考,和人一样能跟你交流。

 

张先轶:对于穿戴设备,我希望可以更多和其他的智能设备互联。比如,你的设备或你的眼镜跟你其他的智能家居设备,如冰箱、电视、微波炉等,整体互联操作,可以一体化提高你的生活舒适度和水平。或者,其他的能提高路面上的安全和辅助的标识等等,这是我希望的。

 

Synced:作为用户,你有很多选择,每个设备都会给你检测一个数据,你是否信赖这些数据?你觉得这些数据会怎样被使用?你会担心数据透露你的隐私吗?

 

徐睿瑜:数据收集起来需要收集各种各样的信息,再通过机器学习,或者数据挖掘的方法,进行数据处理,要呈献给不同用户。比如 BrainCo 要呈现给用户的话,用户只用知道我的注意力提高了多少,我有没有得到改善。但是,同样的数据如果要呈现给做科研的人,呈现的数据必须非常精准。所以不同的数据会有不同的维度和接口,合理控制数据的获取和呈现形式能在某种程度上降低风险。


张云鹏:人在大数据的年代,每一个人都是产生数据的载体。数据可以用来做什么呢,要看数据源是从哪里来的。如果是监控你行动的数据从而用它来间接推测你的睡眠质量,这肯定是不准确的。在数据的应用当中,包括直接和间接的。一方面,收集数据本身,人和人之间也是有个体差异的。所以在做数据分析的话,你会做一个校对,把你的数据校准到一个标准值范围内。这样你分析的东西才更有意义。继续聊直接和间接的问题,就是你的数据是从哪里来的,我们叫数据的质量。有的数据不是直接数据,直接影响到数据的可靠性。数据的使用必须有规范,用户隐私需要保护,所以数据的收集/传送都需要相对应的加密等级。

 

张先轶:第一,对于可穿戴设备收集到的数据,我希望用户能有足够的控制权,比如是否能公布,起码让用户选择,我对隐私方面还是挺看重的。第二,数据就是钱,拿国内的微博举例,某些数据获取公司发现使用微博的用户数量在上升,那个时候微博的股价还处在低位,如果把这个联动起来,其实可以提前进入,购买股票,来获得盈利。另外一个例子是,有些微博是有地点的,而有地点的数据很多又是和旅游联系在一起的。你可以看到用户产生的数据,可以挖据的东西非常多。


Synced : 谢谢!也希望你们在中国的推广和落地一切顺利!


©本文由机器之心原创,转载请联系本公众号获得授权

相关文章
|
28天前
|
人工智能 自然语言处理 算法
完全开源的代码大模型OpenCoder来了,跻身性能第一梯队
在人工智能领域,大型语言模型(LLM)尤其在代码生成等任务中展现出巨大潜力。然而,高质量、可复现的开源代码LLM仍稀缺。为此,多领域专家团队推出了OpenCoder,一个顶级开源代码LLM。它不仅性能卓越,还提供了完整的数据处理流程和训练协议,确保研究的可复现性。OpenCoder的开放性为研究社区提供了从数据准备到模型训练的全流程指导,成为推动代码AI领域发展的关键工具。论文链接:https://arxiv.org/abs/2411.04905
155 91
|
4月前
|
机器学习/深度学习 人工智能 自然语言处理
LLM群体智能崛起,数学性能暴增11.6%!谷歌DeepMind四大机构联手新作
【10月更文挑战第17天】近日,谷歌、DeepMind等四大机构联合发布论文,展示大型语言模型(LLMs)在数学问题解决上的显著进步。通过引入元认知知识,研究人员开发了提示引导的交互程序,使LLMs能为数学问题分配合理技能标签并进行语义聚类。实验结果显示,GPT-4在GSM8K和MATH数据集上的准确性分别提升了11.6%和7.52%,展现出巨大潜力。这一成果不仅为AI领域提供了新思路,也为数学教育带来了启示。
52 4
|
9月前
|
数据采集 人工智能 自然语言处理
谷歌DeepMind发布Gecko:专攻检索,与大7倍模型相抗衡
【4月更文挑战第12天】谷歌DeepMind的Gecko模型以小巧身形(256维)展现出媲美大型语言模型的检索性能,且在MTEB基准测试中超越768维模型。采用两步蒸馏法训练,适用于多任务及硬件环境,尤其在多语言处理上表现出色。尽管训练成本高、泛化能力待优化,但其创新为文本嵌入技术带来新可能。
142 7
谷歌DeepMind发布Gecko:专攻检索,与大7倍模型相抗衡
|
9月前
|
数据采集 算法 网络架构
英伟达开源大模型FoundationPose称霸BOP排行榜
【4月更文挑战第10天】英伟达新推出的FoundationPose模型在6D对象姿态估计和跟踪上取得重大突破,荣登BOP排行榜首。该模型以统一框架兼容有模型和无模型设置,利用大规模合成数据和对比学习提高泛化能力,且在复杂场景中表现出高适应性。尽管在处理某些困难情况时仍有局限,如无纹理物体的定位,但它展示了巨大的潜力和对未来技术的启示。
167 1
英伟达开源大模型FoundationPose称霸BOP排行榜
|
9月前
|
机器学习/深度学习 人工智能 算法
高性价比发文典范——101种机器学习算法组合革新骨肉瘤预后模型
随着高通量测序技术的飞速发展和多组学分析的广泛应用,科研人员在探索生物学奥秘时经常遇到一个令人又爱又恼的问题:如何从浩如烟海的数据中挖掘出潜在的疾病关联靶点?又如何构建一个全面而有效的诊断或预后模型?只有通过优雅的数据挖掘、精致的结果展示、深入的讨论分析,并且辅以充分的湿实验验证,我们才能锻造出一篇兼具深度与广度的“干湿结合”佳作。
589 0
高性价比发文典范——101种机器学习算法组合革新骨肉瘤预后模型
|
机器学习/深度学习 编解码 计算机视觉
13层网络拿下83%精度,华为诺亚新型神经网络架构VanillaNet「简约」到极致
13层网络拿下83%精度,华为诺亚新型神经网络架构VanillaNet「简约」到极致
194 0
|
存储 缓存 算法
学术加油站|基于 RDMA 的分布式系统研究进展
学术加油站|基于 RDMA 的分布式系统研究进展
863 0
|
供应链 安全 vr&ar
英特尔新款无人机亮相:更轻更快,但主攻商用方向
英特尔近来频频在新兴技术领域发力,它们不仅在今年秋季的 IDF 上展示了有别于 AR、VR 的融合现实技术,而且还相应的推出了原型一体机 Alloy。除此之外,英特尔对于无人机公司 AscTec(Ascending Technologies GmbH)的收购,似乎也已初见成果。
332 0
英特尔新款无人机亮相:更轻更快,但主攻商用方向
|
编解码 人工智能 数据可视化
超多,超快,超强!百度飞桨发布工业级图像分割利器PaddleSeg
近日,飞桨官方发布了工业级图像分割模型库 PaddleSeg,给开发者带来诚意满满的三重超值惊喜:①一次性开源 15 个官方支持的图像分割领域主流模型,大礼包带来大满足。②多卡训练速度比对标产品快两倍,工业级部署能力,时间节省超痛快。③揭秘包揽了 CVPR2019 LIP 挑战赛人体解析任务大满贯的三冠王 ACE2P 预测模型关键技术,带你一步体验世界领先水平效果。
519 0
超多,超快,超强!百度飞桨发布工业级图像分割利器PaddleSeg
为什么 Intel、超聚变…都在谈共建多样性计算?
从消费互联网爆发,到产业互联网崛起,全球数据量呈现暴增态势。《多样性算力技术愿景白皮书》指出,行业应用的多样性带来数据和算力的多样性,没有一种计算架构可以高效满足所有业务诉求。计算密集型应用需要计算平台执行逻辑复杂的调度任务,而数据密集型应用则需要高效率地完成海量数据并发处理,这使得单一计算平台难以适应业务要求,计算多样性成为必然。
292 0