你好，这里是《邵恒头条》，我是邵恒。
今天我想跟你分享的材料，是得到上彭天放老师带来的最新一期《硬科技报告》。
在这期报告里，彭天放老师介绍了两项有意思的前沿科技进展，都和人工智能有关。
一个是科学家利用机器学习，更精准地用计算机“翻译”出了人的脑电波。
另一个是IBM正在研发一艘无人驾驶船，计划让它在人工智能船长的操控下，穿越大西洋。
下面就让我们来一起听听彭天放老师的解读。
你好，我是彭天放，欢迎来到3月份的《硬科技报告》。在过去的一个月里，我为你梳理出了两项值得关注的硬科技进展。
1. 科学家成功通过机器学习将脑电波翻译成文本
第一项进展有点像我们通常所说的“读心术”。3月30日，来自美国加州大学旧金山分校的研究团队，在《自然》杂志旗下的《神经科学》上发表了一项非常有趣的研究。他们通过机器学习的方法，把人的脑电波信号直接翻译成了有意义的语句，而且翻译的准确度比以往类似研究的结果都要好很多，平均错误率只有3%。
要说这3%的错误率，如果搁在其他技术上，应该算不上多惊人的成绩。但是对脑机接口技术，也就是把人的大脑和电脑连接起来的技术，它的意义就大不一样了。因为它代表着这项研究，为脑机接口领域一个难题——直接翻译大脑的语言信息，提供了一个新的思路。
为什么这么说呢？这里可能需要先补充一些背景。
如果你关注脑机接口技术的进展，你可能知道，这个技术，一直希望有一天能让人们直接通过意识来输出信息，特别是文字信息。这样，不仅很多像霍金一样身患残疾的人能表达自己的想法，而且我们普通人如果懒得动手打字，也可以通过脑电波交流。
为了实现这个目标，就衍生出来两个思路，我概括成“鼠标流”和“语音流”。
所谓“鼠标流”，就是像鼠标在电脑屏幕上滑动点击一样，人们可以通过有意识地思考“向左”“向上”这样的念头，来控制一个光标，在虚拟字母表上选择想要输出的文字。但是，这个技术有个重要的缺点，你可能也已经想到了，那就是速度太慢。你想，你要是打字不能用键盘，而是只能在屏幕上一个一个用光标选择字母，那是一个多么痛苦的过程？
对于“鼠标流”太慢的短板，研究人员很自然地就想到了第二个思路，也就是“语音流”。“语音流”靠的，是直接捕捉人脑中想说的文字信息，然后把文字信息直接输出成文本。这就像是直接在大脑里安装了一个由意识控制的话筒一样，你想说出什么语言文字，它马上就能够显示在电脑屏幕上。
不过，“语音流”的想法虽然好，但是却遇到一个问题，那就是它的研究难度要比“鼠标流”大得多。你想，控制鼠标的运动信号，只有上下左右四个，从脑电波中捕捉这四个信号就相对容易。而人们常用的词汇怎么说也有几千个。要从复杂的脑电信号里精确地提取文字信息，难度高了不止一个量级。
事实上在过去的研究中，科学家通过“语音流”技术只能够实现不到40%的准确率，也就是说，错误率超过了60%，而且这还是在一个只有不到100个词的词汇表里面的识别结果。说到这里，你就应该能感受到，这次研究的重大意义了。就像我们刚才说的，在这项研究里，错误率最优可以达到3%，这对于语音流这个技术而言，是一个非常重要的突破。
那具体是怎么做到的呢？
关键在于引入了AI辅助翻译的思路。以往这种研究之中最困难的，就是在复杂的脑电波信号和明确的语句之间，建立准确的映射关系。换句话说就是找到什么样的脑电波对应什么样的语音信息。而建立映射这种工作，其实就是在做AI技术非常擅长的“找规律”。
研究人员选了四位被试者，让他们在一个有限的语句库里，反复朗读一些句子。一边读着，在被使者脑中事先植入的电极就捕捉朗读的瞬间，活跃的脑电波信号。然后，在收集到的信号和语句库之间找规律，把跟控制发音相关动作的脑电波信息提取出来。接着通过大量数据训练，跟语句库建立联系我们前面说的映射关系。有了这个映射关系之后，下次只要你在脑中想象自己说出某一句话，比如心里大声地呼喊“晚饭我想吃面条”。AI程序就可以根据已知的映射关系，识别你的内心OS（独白）了。
更让研究人员惊喜的是，在这项研究中，AI程序学习识别人类脑电波的速度非常快。在这篇论文中，只要经过大概40分钟语音数据的简单训练，这个脑电波AI翻译器，就可以达到比较高的准确率了。其中效果最好的一名被试人员，在仅仅经过9次数据训练之后，准确率就能够高达97%。而且，研究人员认为，如果再经过更多的训练，识别的效果还会进一步上升。
在未来，如果这种AI翻译脑电波的思路能够实际应用，那么首先影响的，就是那些失去语言和写字能力的人们，因为他们有可能重新获得与世界沟通的工具。不过，这项技术影响的，远远不止这一个群体。就连我们普通人表达信息的方式，也可能发生变化。以后，我们可能再也不会感到嘴皮子的速度，跟不上大脑里想法的速度了。
值得提醒的是，像这种“读心术”一样的技术，距离成熟还有很长一段距离。首先，在这次的研究中，所使用的语句库，只包含100多个词汇，50-60个句子，比我们日常交流的语句库少很多。另外，研究人员也还不知道，不同人之间，脑电波信号的识别规律，是不是能够相互迁移。也就是说，在说同一句话的时候，我大脑中的脑电波，可能和其他人的脑电波是不是完全相同的。
虽然说，脑机接口技术目前还不是非常成熟，不过我推荐给你的原因是，这个领域在技术研究圈子里，越来越热门。比如，我们熟知的脸书公司，还有特斯拉的掌门人埃隆•马斯克，都在2019年开始大举向这个领域投资布局。脑机接口技术未来的新进展，值得你保持关注。
2. 无人驾驶船正在成为产业前沿热点
我为你推荐的第二项进展，和无人驾驶有关。不过，它既不是车，也不是飞行器，它来自浩瀚的海洋。
3月4日，海外科技媒体Venture Beat报道说，美国IBM公司和英国一家非营利组织，正在计划开发一款无人驾驶船。这艘船的名字，叫做“五月花号”，因为它的目标，是横跨大西洋，重走400年前“五月花号”从英国到达美国的航线。
这艘无人船预计采用太阳能和风能驱动航行，最高的速度可以达到每小时20节，也就是大约37公里，预计不到两周的时间就可以横跨大西洋。我在文稿里放了一张无人船的示意图，你有兴趣可以看一下，它的外观非常科幻。
你看，现在不仅陆地上的自动驾驶汽车如火如荼，海里的船舶舰艇也被无人化的趋势给盯上了。目前，除了IBM公司以外，劳斯莱斯、波音、三星等等巨头企业，也都陆续入局了海洋无人驾驶。
为什么这些巨型企业都开始关注海洋自动驾驶了呢？用一句话来归纳——因为海洋自动驾驶，是一个行业门槛很高，技术门槛相对较低，而且潜在收益巨大的领域。
我们首先就来说说，海洋的无人驾驶化背后，蕴藏着的巨大收益。
如果你熟悉运输和贸易的话，那么你肯定知道，全球有超过90%的贸易是通过海运进行的。海运可以说是世界上最重要的运输行业，聚集了大量的资本。就在当下这一刻，全世界就有超过92000艘货运船只，在海上航行。
而海洋运输中，跟船员相关的费用足足占了总成本的30%。要知道，像海运这么巨大的一个行业，就算只能优化1%的成本，也都意味着上百亿美元的改变。而自动驾驶船相当于直接抹去了一次运输成本的30%，这背后的潜在收益可就太大了。
更重要的是，无人船除了能减少人员工资这样的硬成本之外，还可以优化整个船的设计。比如说，没有了人，船上原本提供给人员的衣食住行的空间，就可以用来装更多的货物。而且，因为不用考虑人的感受，船只的航行速度，能够承受的颠簸程度也都会比有人的船要有更大的提升空间。
不仅如此，无人船有望进一步降低海上的事故发生率。我们经常在新闻里听到说，有船只相撞，或者意外着火这样的事故。据统计，目前有七到九成的海上事故是由人为失误造成的。这些失误在无人船的技术成熟之后就有可能避免了。
所以，短期来说，无人驾驶船可以降低人员成本和事故造成的损失。而长期来说，去掉人这个脆弱的变量之后，船只的设计也可以得到更大的优化和想象的空间。无人船很可能会拥有更高的速度、更高的运输效率和更长的工作时间。
这就是刚刚提到的巨头关注无人船的第一个原因，它有巨大的潜在收益。
不过，无人驾驶相关的技术，在我们印象中一般不都是互联网和AI技术公司牵头做的吗？为什么我们目前看到入局无人驾驶船的企业，跟做汽车自动驾驶的不一样呢？
这就要说到第二点了。那就是，海洋无人驾驶，是一个对综合技术要求很高，但是对AI技术要求相对不太高的领域。
为什么这么说呢？
这就要从我们更熟悉的自动驾驶车说起了。陆地上的无人驾驶技术，在做驾驶决策的时候，往往需要面临非常复杂的外部环境。比如，路程的起点和终点可能随时变化、周围天气和环境变化还可能遮挡交通标志。这些难以预料的变化，就对程序的智能化水平，有非常高的要求。
但是对于海洋无人驾驶的要求，跟陆地就大不一样了。在智能化的需求上，它相对更接近飞机的自动巡航技术。你想，轮船像飞机一样，起点和终点通常是确定的，航行的路径也一般都是事先设定好的。所以，轮船不需要像汽车的AI驾驶程序一样，面临非常高频和多变的决策条件。
但同时，无人船只所需要的综合技术却远比汽车复杂。就拿IBM的“五月花号”无人船来说吧，它的AI“船长”就需要协调大量的摄像头、雷达、声呐数据，对水面上和水下的环境进行实时感知，识别礁石、海浪、大型鱼类等物体。同时，这位AI“船长”还需要实时协调和改变航行策略。比如，它要接受气象卫星和GPS的数据、结合其他船只的无线广播信号来判断，是否需要调整航向。
这些复杂的场景，都是汽车自动驾驶技术会感到陌生的。其中涉及的航行控制和决策功能，不仅仅需要AI技术，更是需要包括遥感、控制、机械、航海等等多项技术和经验的综合。因此，无人驾驶船对于综合性技术的要求，其实比对单独的AI技术要更高。
当然，你可能会想，这些场景虽然复杂，但只要经过足够长时间，有足够的数据进行训练，还是可以研发出称职的AI“船长”的。
你这个想法没错。而且它恰恰决定了目前海洋自动驾驶领域的第三个特点，那就是对时间投入和数据量的要求，让海洋自动驾驶形成了很高的行业门槛，一些只以AI算法见长，但是缺少行业经验以及合作渠道的企业很难单独进入这个领域。
我们知道，无人驾驶算法，一般都需要大量的数据来训练。这个要求，放在车上是不成问题的。你想，世界上有超过10亿辆车可以提供数据。但是换了船只的话，情况就不同了。对于船只而言，数据来源远不如汽车来得容易。海运船舶的数量，大概只有汽车数量的万分之一。
而且船除了数据样本少以外，单次收集数据的成本，也要比汽车高。一辆自动驾驶样车，一般几万到十几万人民币就可以完成改装。而在海上，要采集大型舰船全方位的数据，没有几百万美元的铺设传感器的改装费用，是很难做到的。更不要说像IBM这样从头造一艘无人船了。
这就是为什么，无人船领域里目前的玩家，都是像我们之前提到的劳斯莱斯、波音、三星这样的巨头公司。它们不仅有一定的制造业经验，还有巨大的全球贸易合作网络，更有足够的资金做昂贵的数据采集和无人船制造。
比如在2019年12月，韩国的三星重工就和SK电讯联手完成了一艘叫做Easy Go的无人测试船，用来在5G的物联网环境中实现对船的智能遥控操作。
劳斯莱斯也从2010年就开始研发无人货轮技术，并且在2018年正式跟半导体巨头英特尔和芬兰海运巨头康士柏合作，预计在2025年前后推出自己的无人远洋货轮。
好了，总结一下。本期第二个硬科技，我为你推荐的是无人驾驶船，它巨大的潜在收益、对综合技术的要求，还有非常高的行业门槛这三个属性，让无人船在为未来几十年内，很可能成为巨头竞争的新市场。
这一期的《硬科技报告》就到这里，我们下一个月再见！
好了，《硬科技报告》听完了，我是邵恒。
不知道你有没有这样的感受：现在满世界都是疫情相关的新闻，这时候，如果看看前沿科技的进展，会对这个世界感到更乐观。因为，即便疫情让很多行业、很多地区停摆，但是科技仍然像一把利刃，破开了一条条往前的路。
好了，这就是今天的《邵恒头条》。我是邵恒，我们明天见。
閱讀更多 j京鄂e 的文章
