如果 AI 能讀懂你的心？

1924 年，Hans Berger 發明了腦電圖（EEG），希望能實現心靈感應式的溝通。一百年後，神經感測器與深度學習模型的進步帶來了突破，讓這個夢想有望成真——而且透過像 Sabi 正在打造的那種如棒球帽般簡單、可穿戴的裝置就能做到。

然而，整個領域卻把所有精力都投入在開發 BCI（腦機介面）上，試圖模擬滑鼠點擊，或是打出你原本用鍵盤就能輸入的文字。這很令人興奮，但目標搞錯了。

電腦早已不再是滑鼠、鍵盤和螢幕的組合。它們現在是能替你完成工作的 AI 模型。它們可能在你的桌上型電腦、手機、手錶、眼鏡或帽子裡。隨著電腦變得越來越自主，真正的限制不在於我們能多快與機器溝通，而在於機器能在不被指示的情況下理解多少。

作為一個領域，我們需要重新調整方向，為這些不斷進化的 AI 模型打造最無縫的介面。

雖然非侵入式 BCI 裝置在「想法轉文字」的能力上已開始表現出色（逐字解碼思緒），但它們同樣能理解你的語意意圖、品味與偏好，並預測你接下來的行動。

對你意圖的語意解碼，可以直接作為 AI 模型與 Agent 的提示詞。想像一下：與其打字或說話下指令（既容易失真又緩慢），你可以直接用思緒告訴 Instinct 或 Muse Agent 該做什麼，不需要來回確認你的意思，而 Agent 每次都能精準執行你的要求。

在最近接受《富比士》採訪時，Vinod Khosla 表示：「打字並不自然。在你開始打字之前，你得先想好要輸入什麼。如果你能直接攔截大腦的訊號……那就太棒了。」

除了從語意層面理解你的思緒，腦部訊號還可以用來了解你的品味與偏好：你喜歡哪幅畫、哪段音樂讓你感動，或者哪個 AI 回應讓你覺得是敷衍的垃圾內容、哪個又真正有趣。

如今，AI 模型往往非常通用，缺乏生成個人化回應的方法。然而，透過持續從腦部訊號中學習，我們能為每個人打造高度個人化且切題的 AI 產品。

最後，除了在神經反應發生當下進行解碼，AI 模型也已經擅長提前幾秒鐘預測這些反應。Sabi 訓練了一個打字 BCI 模型，能夠預測使用者接下來會按下的 3 到 4 個按鍵。

一旦這類模型擴展到更多開放領域，我們就能擁有具備預測能力的 AI Agent，在使用者還沒有意識到這些行動之前，就已在數位與實體空間中替他們把事情辦好。

但這一切都有個重要前提：沒有信任，這些都行不通。神經資料必須保持加密，除了你自己，沒有人能存取你在想什麼。

這些都是極具野心的能力，而隨著 BCI 裝置變得更可穿戴、更可靠，我們必然會看到它們普及到一般消費者手中。打造「大腦-AI 介面」讓我們能將快速成長的機器智慧與生物智慧融合在一起。

這不僅僅是為了方便。當 AI 急速朝人類等級的智慧邁進時，我們迫切需要解決它與人類的對齊問題。如今模型的能力已經超越我們的智力與注意力所能跟上的速度。Agentic 系統可能很快就能入侵銀行和政府網路等安全系統。這些能力正逐漸超出我們引導或控制它們的範圍。

前進的道路是共同演化：讓 AI 直接從人類的思考與感受方式中學習，同時讓人類能像思考一樣流暢地指揮 AI。打造「大腦-AI 介面」能讓這兩者同時實現。只要人類與機器的心智保持緊密耦合，我們就有機會實現長期的對齊。

AI 對人類構成了生存風險，但健康且對齊的共同演化能讓我們繼續駕馭人工智慧，而不是被迫不斷與它競爭。