前OpenAI研究员娜奥米·巴什坎斯基（Naomi Bashkansky）在个人技术博客中宣布，她已于7月24日正式加入旧金山初创公司Conduit，担任创始研究员。此前，她在OpenAI专注于模型安全与对齐研究。此次职业转变标志着她的研究方向从确保AI系统可控性转向探索人类与AI的深度交互方式——通过非侵入式神经信号实现“思想转文字”的意图识别技术。
Conduit公司正在开发一种新型脑机接口系统，用户仅需佩戴轻量化神经头带，设备即可采集大脑活动信号并转换为文字指令或直接传递给AI。与传统依赖侵入式电极的方案不同，该技术通过机器学习模型解析神经数据，试图建立跨个体的通用神经表征模式。巴什坎斯基预测，未来人类与AI的交互将突破键盘、语音等传统方式，思想本身可能成为最直接的沟通媒介，AI也将从工具演变为人类认知的延伸。
根据技术路线图，2027年用户佩戴神经头带查看代码时，模糊的修改意图可被系统自动识别并转化为具体操作指令；到2030年，AI或将直接解析经过编码的神经信号，无需语言中介即可理解视觉想象等复杂信息。这种交互模式的核心在于构建高带宽通道，使AI能更精准地捕捉人类意图，而非要求用户适应机器的指令输入逻辑。
巴什坎斯基的学术背景为这项研究提供了独特视角。这位23岁的计算机科学家自5岁起参加国际象棋比赛，15岁获得国际棋联女子国际大师称号，曾斩获世界学校锦标赛13岁以下组冠军。哈佛大学求学期间，她因接触GPT-3和《超级智能》理论转而研究AI安全，最终被Conduit将脑机接口视为数据驱动问题的理念所吸引。该公司认为，通过扩大神经数据集规模训练基础模型，可能突破传统脑机接口对个体校准的依赖。
自2025年起，Conduit启动大规模神经数据采集计划，6个月内收集约1万小时多模态数据，覆盖数千名参与者。实验中，志愿者佩戴自主研发的4磅重头戴设备，在旧金山实验室与AI对话或打字，系统同步记录神经信号、文字和语音数据。为避免模型过度拟合特定个体，公司严格限制单人实验次数，并保持数据采集系统每日运行20小时。这种以数据规模为核心的研发策略，与大语言模型的Scaling Law形成呼应。
内部实验显示，随着训练时长增加，模型预测结果与目标语义的相似度持续提升，目前尚未出现性能瓶颈。巴什坎斯基将此阶段类比为GPT-2时代：模型能力有限但扩展潜力显著。不过，当前系统对未参与训练的用户仍存在语义偏差，例如将“房间变冷”解读为“有微风”。Conduit认为，这种近似匹配已具备实用价值——神经信号如同GPS定位，结合上下文信息后仍可准确导航意图。
与传统脑机接口研究相比，Conduit的差异化路径引发关注。过去十年，该领域主要聚焦于提升神经信号采集质量，而Conduit选择优先扩大数据规模。这种策略面临双重挑战：非侵入式信号的噪声问题尚未解决，且缺乏公开证据证明神经数据能像文本数据那样持续支撑模型进化。当语言模型承担更多推断工作时，系统输出的准确性将高度依赖上下文建模能力。
目前，Conduit尚未公布融资信息，团队规模仅数人，其技术可行性仍需独立验证。但该公司提出的命题已引发行业思考：在脑机接口竞争中，神经数据集规模与基础模型能力是否会成为比硬件精度更关键的竞争要素？随着约1万小时神经数据的积累和初步扩展曲线的公布，这场将Scaling Law引入生物信号领域的实验正在改写技术演进的游戏规则。
