我将离开OpenAI，去打造心灵感应

# 我为什么离开 OpenAI，去打造心灵感应 来源：https://naomibashkansky.com/blog/telepathy/ 2026 年 8 月 4 日 7 月 23 日（周四），我从 OpenAI 辞职。24 日，我以创始研究员的身份加入了 [Conduit](https://condu.it/)。我们正在构建心灵感应：基于非侵入式神经数据训练的思维转文本模型。 我将谈论： 1. **思维转文本 (https://naomibashkansky.com/blog/telepathy/#section-thought-to-text)**：2027、2030、2035 年使用心灵感应工具会是什么体验 2. **我们如何构建思维转文本 (https://naomibashkansky.com/blog/telepathy/#section-how)**：为什么 Conduit 正在收集海量非侵入式神经数据 3. **我为什么加入 (https://naomibashkansky.com/blog/telepathy/#section-why-join)**：因为大胆的愿景、杰出的人才和有趣的问题 4. **你好 (https://naomibashkansky.com/blog/telepathy/#section-hi)**：关于我 ## 1. 思维转文本，即心灵感应 我的预测：几年后，我们与 AI 交谈的主要方式将是思想。它们将不再是[https://x.com/sama/status/1983584366547829073?lang=en](https://x.com/sama/status/1983584366547829073?lang=en)一个你拼命想要跟上的超级智能自动实习生或同事 (https://x.com/sama/status/1983584366547829073?lang=en)。它们将是你自然、愉悦的延伸。 下面我写下了这个未来的片段。我认为它们乐观但极有可能实现。 **2027 — Conduit 的一个早晨** 我把一条带子戴在头上，在 Conduit 打开笔记本电脑。现在是早上 9 点。我的设备通过蓝牙与笔记本电脑配对。我打开，暂且说是 Codex 吧。 我看着代码、回顾昨天的笔记、为 9:30 的站会做准备，同时思考今天的工作。我的 GPT-7 agent 已经在我探索的新 encoder 上奋力工作了一天多。我看着它的成果。我对图表标签感到困惑，对它第一段里的 AI 腔感到恼火，对公式中的符号感到好奇。我模糊的想法被发送到 Conduit 的模型，该模型利用其对语言以及我可能说的话的先验知识，输出： conduit://thought-stream → codex $ decode --source=neural-latent --autosend --to=codex 我在看你的图表。请重新标注图例，并在下方添加一个文本单元格，对每条线进行简单描述。 我理解你第二段讨论，但请用 humanizer 技能重写第一段。 添加一个文本框，用更简洁的符号解释这些公式。 图表、段落和符号，每个我只花了 10 秒浏览。我开启了自动发送，所以每过 10 秒的片段，Conduit 模型就会解读我的想法并发送给 GPT-7，GPT-7 会将每个传入任务分配给一个子 agent。我看着新的图表、段落和公式。我想知道球谐函数是否终究还是有用的；Codex 派生出一个子 agent。我被图表说服了，决定快速制作一个幻灯片，用美化版本只显示基线和最上面的两条线，给队友们看；Codex 派生出一个子 agent。 我去给自己煮咖啡。我的想法大多是空的，但我短暂地回忆起明天要和那位候选人吃午饭时想说的话。在后台，Codex 被提示思考我可能在午餐聊天中需要的信息，并决定在展示之前更新合成数据缩放图是明智的；Codex 派生出一个子 agent。 `` ( ( ) ) .--------. | |] | COFFEE | | | '--------' \____/ `` 我不是在煮咖啡时在脑子里大声说着什么话。我只是像平常一样阅读图表，像平常一样煮咖啡。这感觉就像魔法。 **2030 — 行业适应，Conduit 扩张** AI 公司现在训练他们的模型直接与 Conduit 的潜在表示交互。我编码后的想法直接发送给 Codex，而不必先经过 Conduit 的解码器模型。这意味着我可以轻松传达难以用文字描述的想法，比如心理图像。 这些天我与 AI 聊天时很少摘掉头带。说实话，不戴真的很烦。戴上神经头带，我感觉自己对笔记本电脑拥有了超人的力量！不戴的话，我感觉自己像是在和一个拥有超能力的外星人说话，它尽力想帮忙，但不确定我想要什么，又害怕如果做了我不想要的事我会生气。唉。 Conduit 继续在非侵入式读取上迭代，但我们已经启动了另外两项新工作：侵入式通用读取，以及通用写入。 大多数人乐于继续使用他们的神经头带，但也有相当一部分人对通过侵入式技术获得更高保真度的读取感到兴奋。 更有趣的是最近在写入方面的进展。我感觉自己对笔记本电脑的控制超乎常人。但我的感官仍然是人类的。就像我能控制自己的手臂，却失去了手臂的所有感觉。是的，我仍然能*看到*我的手臂，而且这比没有手臂好得多，但仍然非常奇怪。就像 [Ian Waterman](https://mcneilllab.uchicago.edu/pdfs/IW_lost_body.pdf)。我想要*感受*我的 Codex 所感受的。既然 Conduit 已经实现了通用读取，学习通用写入的数据效率会高很多个数量级。 更重要的是，我想解锁写入技术的其他应用。我想让我的大脑变得像 18 岁时那样高效和具有神经可塑性。 **2035 — AI 不再是“他者 (https://waitbutwhy.com/2017/04/neuralink.html?utm_source=chatgpt.com#:~:text=the%20AI%20wouldn%E2%80%99t%20be%20%E2%80%9Cother%E2%80%9D)”** 我的 AI 是我自然的延伸。它感觉像是第六感和另一只肢体。我想着一个问题，感觉自己真的在浏览网页，看到网站的片段，对问题产生直觉的闪光，最终得出答案。这感觉很有趣！我的大脑就像闪电侠。因为写入技术，即使我关掉 AI，我的思维也比以往任何时候都快。 2035 年有多超人，直接取决于我们作为社会决定让 AI 有多超人。也许我们会选择[控制步伐](https://www.pacingthefrontier.com/)。但我喜欢这确实是一个“人在回路”的未来愿景，AI 直接赋能人类，而不是取代我们。 **关于思维转 AI 未来的一些引述** 比我更优雅的作家和演讲者在过去十年中对这种思维转 AI 界面进行了阐述。我将链接到他们，并附上简短摘录。 - “如果我们实现紧密共生，AI 就不会是‘他者’——它就是你，并且它与你的大脑皮层的关系，类似于你的大脑皮层与你的边缘系统的关系。”——Elon Musk，2017 年，在 [Wait But Why 采访](https://waitbutwhy.com/2017/04/neuralink.html?utm_source=chatgpt.com)中，这个采访启发了 Conduit 的一位联合创始人进入神经技术领域！ - “我们可以将电极插入大脑……我认为融合可能是我们最好的情况。如果两个不同的物种都想要同样的东西，但只有一个能拥有——在这种情况下，成为这个星球乃至更远地方的主导物种——它们就会发生冲突。”——Sam Altman，2017 年，在 [Sam 的个人博客](https://blog.samaltman.com/the-merge)中。 - “我们能否将思想转化为基本行动？……我想看看我今天的日程。我想看看今天的天气。我想打开卧室的灯……如果你能想到‘我想关掉楼下的灯’，然后它们就关掉了，那可能感觉惊人地像心灵感应。”——Dean Ball，2024 年，在一次[采访](https://www.cognitiverevolution.ai/merging-man-and-machine-the-neurotech-frontier-with-dean-w-ball)中。 - “不理解脑机接口，就不可能理解人工智能的长期未来。”——Rob Toews，2025 年，在[福布斯文章《AI 的下一个前沿是人类大脑》](https://www.forbes.com/sites/robtoews/2025/12/07/the-next-frontier-for-ai-is-the-human-brain/)中。引用了 Conduit 的联合创始人 Rio 和 Clem。 <3 ## 2. 我们如何构建思维转文本？ 理论上，这很简单。我们的输入是大脑活动，目标输出是此人当时在做什么——例如，此人当时写了什么文本。给定大脑活动，我们希望预测在语义上与所写文本相似的输出。 要训练能够根据大脑信号预测文本的模型，我们必须应用那些根据语音音频预测文本或根据前文预测文本的人学到的同一课：[苦涩的教训](http://www.incompleteideas.net/IncIdeas/BitterLesson.html)。这个教训大致是说，你应该向模型投入更多有用的算力，模型就会变得比你手工设计的任何巧妙算法都更好。这意味着我们必须将数据收集规模扩大到学术界前所未有的数量级。 用侵入式方法收集足够的数据很难。很少有人愿意在大脑里植入芯片！但非侵入式方法正在变得好得多。硬件在改进且更便宜，不过对于硬件的具体细节，我很抱歉要含糊其辞。 随着我们在更多数据上训练，模型预测的文本与受试者所写文本的语义相似度越来越高。是的，由于噪声存在一些不可避免的误差，但对于大多数模态，我们还没有达到逼近那个极限的阶段。具体来说，缩放定律看起来很好：我们的潜在空间预测与目标潜在空间的余弦相似度，随着数据小时数的对数呈直线上升。我们正处于 GPT-2 时代。 我们不需要完美的解码才能有用。你的想法就像城市里的 GPS：嘈杂的 GPS 信号不足以确定你的确切位置。但结合地图和导航路线——也就是 LLM 和上下文——它就会变得非常准确。 要了解我们如何进行数据收集，请查看 Conduit 的[博客文章](https://condu.it/thought/10k-hours)。如果你更喜欢实践学习，那就来做[研究参与者](https://condu.it/booking)吧！ ## 3. 我为什么加入 3 个原因： 1. **大胆而务实的愿景：**我坚信这个愿景；量化地说，如果 Conduit 成为通用读取和写入公司，那么我预计它的价值将超过 1 万亿美元。我对这个愿景感觉很好，因为它朝着更人性化的未来迈进。而且我信任缩放定律，它已经在多次翻倍中得到了验证。 2. **杰出的人才：**联合创始人 Rio Popper 和 Clem von Stengel 才华横溢、坚持不懈且非常友善。我喜欢与他们共事，也喜欢与另外几位加入这一使命、研究同一个智力上有趣问题的人共事。 3. **有趣的问题：**研究实在太有意思了。我要思考编码器、数据效率、合成数据、数据归属、多模态、奇怪的统计学……这太棒了。在 OpenAI，你只能研究这个问题的狭窄切片，即使在这个狭窄切片上，你也受到现有架构的约束。在 Conduit，一切都是全新的。 简而言之：我很开心！我正在研究一个让我着迷、令人望而生畏地雄心勃勃的问题，和一小群我喜欢的人一起。 ## 4. 顺便说一句，你好！ 对于不认识我的人：你们好！我两周前离开了 OpenAI，此前我在那里做了一年半的研究员。 我在华盛顿州长大，5 到 15 岁参加国际象棋竞技比赛，在成为[WIM（女子国际大师）](https://en.wikipedia.org/wiki/Naomi_Bashkansky)后停止。我第一次听说超人类 AI 的可能性是在 12 岁，但多年来我以为那只是一个奇怪但有趣的想法，是互联网上的人喜欢写的东西。 18 岁时，我进入哈佛大学学习计算机科学。在一门课上，我了解到了 GPT-3，并终于读到了 Bostrom 的《超级智能》。哇，那真是醍醐灌顶的时刻。我开始投入 AI 安全研究，短暂涉足 AI 政策，最终加入了 OpenAI 的对齐团队。在 OpenAI，除了研究之外，我还花了一些时间做各种副业项目，包括制作 OpenAI 的 AGI 入职演示和我们的[对齐博客](http://alignment.openai.com/)，并帮助为 OpenAI 基金会的 AI 韧性部门提供咨询。 如果你想聊聊 Conduit，请通过 **[[email protected]](mailto:[email protected])** 联系我。让我们喝杯咖啡，或者我带你参观我们在旧金山那间不寻常且美丽的办公室。我们一直在招聘研究员、基础设施人员和运营人员。 ***致谢：**感谢 Aidan Smith、Devansh Pandey、Julia Shephard、Ryan Kaufman 以及 Conduit 团队的反馈。我也感谢其他几家正在构建雄心勃勃的 BCI 技术的公司，包括但不限于那些开发更好的睡眠、更好的超声、失明解决方案以及上传技术的公司——我很期待使用你们的技术！所有错误都是我自己的。*