如果 AI 能读懂你的心思？

1924 年，Hans Berger 发明了脑电图（EEG），试图实现心灵感应式的交流。一百年后，神经传感器和深度学习模型的进步带来了让这一梦想成为可能的突破——事实上，借助像 Sabi 正在研发的那种如棒球帽般简单、可穿戴的设备就能做到。

然而，整个领域却把全部精力投入到了构建 BCI（脑机接口）上，试图用它来模拟鼠标点击，或者输入那些原本用键盘就能打出的文字。这固然令人兴奋，但方向错了。

计算机早已不再是鼠标、键盘和显示器的组合。它们现在是替你干活的 AI 模型，可能存在于你的台式机、手机、手表、眼镜，甚至帽子里。随着计算机变得越来越自主，瓶颈不再是我们与机器沟通的速度有多快，而是它们在无需指令的情况下能理解多少。

作为一个领域，我们需要重新调整方向，为这些不断进化的 AI 模型打造最无缝的接口。

虽然非侵入式 BCI 设备在“思维转文字”能力（逐词解码思维）上已经开始表现出色，但它们同样能够理解你的语义意图、品味和偏好，并预测你接下来的行动。

对你意图的语义解码可以作为 AI 模型和 Agent 的提示词。想象一下，与其打字或说话来输入提示词——这种方式既低效又缓慢——你可以直接用思维告诉 Instinct 或 Muse Agent 该做什么，无需反复确认你的意思，而 Agent 每次都能精准执行你的要求。

在最近接受《福布斯》采访时，Vinod Khosla 表示：“打字并不自然。在你开始打字之前，你得先想好要输入什么。如果你能直接截取大脑的信号……那就太棒了。”

除了从语义层面理解你的想法，脑信号还能用来了解你的品味和偏好：你喜欢哪幅画，哪段音乐能让你产生情绪共鸣，或者哪个 AI 回复让你觉得是敷衍的垃圾内容、哪个真正有趣。

如今，AI 模型往往非常通用，无法生成个性化的回复。然而，通过持续学习脑信号，我们能够为每个人打造高度个性化、贴合需求的 AI 产品。

最后，除了在神经反应发生时进行解码，AI 模型在提前几秒预测这些反应方面也已经相当成熟。Sabi 训练了一个打字 BCI 模型，能够预测用户接下来要输入的 3-4 个按键。

一旦这类模型扩展到更多开放领域，我们就能拥有具备预测能力的 AI Agent，甚至在用户有意识地想到某些操作之前，就在数字和物理空间中替他们提前完成。

所有这些都有一个重要前提：没有信任，一切都无从谈起。神经数据必须保持加密状态，除你自己之外，任何人都不应窥探你在想什么。

这些都是极具雄心的能力。随着 BCI 设备变得更加可穿戴、更加可靠，我们必然会看到它们面向普通消费者落地。构建脑-AI 接口，让我们能够将飞速发展的机器智能与生物智能融合在一起。

其意义远不止于便利。随着 AI 朝着人类水平的智能飞速攀升，我们迫切需要解决它与人类对齐的问题。如今模型的能力已经超出了我们的智力和注意力所能跟上的范围。Agentic 系统可能很快就能攻破银行和政府网络等安全系统。这些能力正在超越我们引导或控制它们的极限。

前进的道路在于协同进化：让 AI 直接从人类的思维和感受中学习，同时让人类能像思考一样流畅地指挥 AI。构建脑-AI 接口让这两者都成为可能。只要人类心智与机器心智保持紧密耦合，我们就有望实现长期的对齐。

AI 给人类带来了生存风险，但健康且对齐的协同进化，能让我们继续驾驭人工智能，而不是被迫与它不断对抗。