脑电波训练AI？这事靠谱吗
## 新思路 上周看到一条新闻：有团队开始用脑电波数据训练物理AI模型。三个月前我还在吐槽机器人抓杯子都费劲，现在突然冒出个新方向——多视角视频+密集标注还不够，下一步可能要戴脑电帽了。 具体来说
新思路
上周看到一条新闻：有团队开始用脑电波数据训练物理AI模型。三个月前我还在吐槽机器人抓杯子都费劲，现在突然冒出个新方向——多视角视频+密集标注还不够，下一步可能要戴脑电帽了。
具体来说，他们发现仅靠YouTube视频训练出来的AI，在真实物理环境中表现很差，因为缺少深度、触觉这类多模态信息。于是有人尝试引入脑电波（EEG），让人类操作员在控制机器人时，同步记录大脑信号，作为额外的训练标签。
这相当于把人类的“直觉”数字化了，虽然目前还只是初步实验。
为什么重要
物理AI（比如人形机器人）一直有个瓶颈：训练数据不够“真”。视频里看到的物体，和机器人实际摸到的，完全是两码事。脑电波的价值在于，它可能提供一种隐式的反馈信号——当人类看到机器人要摔倒时，大脑会先于动作产生反应，这种信号如果能被AI学到，或许能提升它的应急能力。
从数据来看，他们在一个抓取任务上试了试：加入脑电波数据后，成功率从72%提升到了81%。这个提升幅度不算夸张，但考虑到脑电波本身噪声很大（信噪比通常低于10dB），能有效果已经出乎我意料了。
对谁影响最大
机器人公司：如果这条路走得通，未来训练数据采集成本会大幅降低——不用再手动标注每一帧，让操作员戴个帽子干活就行。
脑机接口（BMI）公司：比如Neuralink、BrainCo这类，它们的设备终于有了一个明确的落地场景，不只是给残障人士用。
普通用户：短期内别指望家里机器人能读你心思，现阶段连稳定采集脑电波都还是难题。
深层原因
为什么现在才想到用脑电波？两个因素：一是传感器成本下降，几年前一套科研级EEG设备要十几万，现在几千块的消费级设备也能用；二是AI模型本身变强了，更强的模型能容忍更脏的数据，脑电波这种低信噪比信号以前根本喂不进去。
不过，这个数据我没找到官方验证，也可能是某些自媒体在过度解读。毕竟脑电波个体差异极大，同一段任务，不同人戴帽子测出来的波形可能完全不同。要让模型学会通用模式，恐怕需要海量数据。
随便聊聊
实测场景：我让朋友戴着一个消费级脑电帽，指挥机械臂夹积木。结果他紧张得满头汗，脑电波全是肌肉伪迹，AI直接懵了。看来这技术离实用还差得远，但思路确实有趣——让AI学会“直觉”，而不是单纯模仿动作。
好了不吹了，我得回去继续搬砖了，今天的代码还没写完呢。
本文基于 media 公开报道编译解读
本文基于 media 公开报道编译解读，查看原文