Yonathan Swechinsky：神经技术需要少一些炒作，多关注真实世界中的复杂数据

关于神经技术，最吸引眼球的那套叙事，通常都始于一个极具戏剧性的承诺：把一个念头变成文字，把脑信号转换成图像，或者描绘一个机器在人们开口之前就能理解他们的未来。Yonathan “Yoni” Swechinsky 已经与真实脑数据打了足够长时间的交道，因此面对这类令人兴奋的说法，他格外谨慎。

他并不对这个领域冷嘲热讽。事实上，他本人就在其中从事研发。不过，他的乐观态度，是被那些必须在压力下正常运行的系统、始终无法保持干净规整的EEG信号，以及多年的实践经历塑造出来的。这些经历让他明白，神经技术中有太多工作依赖于公众很少看到的部分。

“真正推动神经技术向前发展的，往往也是人们不知道该如何讲述的工作。”Swechinsky说，“清洗信号、搭建处理流程、证明系统的可靠性——正是在这些地方，这个领域才真正落到实处。”

这种观点使他与其他人拉开了距离。

Yonathan Swechinsky：神经技术需要少一些炒作，多关注真实世界中的复杂数据图2

一套飞上国际空间站的系统

Swechinsky 已经在神经技术领域工作了六年，其中有五年是在 brain.space 度过的。这家公司以前名为 EEG-Sense。在那里，他参与开发了驱动一款先进EEG头戴设备的软件，并领导研究团队分析设备采集到的数据。

Yonathan Swechinsky：神经技术需要少一些炒作，多关注真实世界中的复杂数据图3

这套系统还曾被送往国际空间站。宇航员使用他编写的软件记录自己的大脑活动。

对 Swechinsky 来说，重点并不在于“在太空中采集脑数据”这件事有多新奇，而在于那种特殊环境对系统提出了怎样的要求。

在轨道上，软件无法依赖实验室里相对宽松、容错的条件。它必须经受住抵达太空前的整个过程，还必须在没有技术支持团队守在旁边的情况下正常运行。一旦失败，实验可能就此结束。

“那样的环境会让许多幻想无处容身。”Swechinsky说，“你会真正明白，什么才算一个真实可用的系统，而不只是一次看起来很有希望的演示。”

“意念转文字”的实际价值

当 Swechinsky 谈到“意念转文字”时，他的谨慎态度表现得尤为明显。这是神经技术领域最受关注的方向之一。

一些研究团队已经开始探索将大脑活动转换成文字或者图像的方法，所使用的技术从EEG到功能性磁共振成像，也就是fMRI，不一而足。

Swechinsky 认可其中一些基础研究的价值，但对于围绕“意念转文字”形成的那套过于简单、天真的消费级产品叙事，他并不信服。

原因非常实际。

人类已经拥有速度很快的沟通渠道。人们可以说话，也可以打字。无声言语技术也可能提供高效的输入途径。

如果一种脑机接口在单位时间内输出的信息，比这些现有方式还要少，那么它在科学上或许令人印象深刻，却未必实用到足以成为一种人们愿意长期依赖的产品。

“‘意念转文字’听起来很令人兴奋，因为这个说法本身就很有未来感。”他说，“但我最终总会回到单位时间内的价值这个问题上。如果一个人通过说话能够输出更多信息，那么把这项技术做成产品的理由就会弱很多。”

“意念转图像”的另一种可能

相比之下，“意念转图像”更让他感兴趣，部分原因在于，图像的生成方式并不像句子被说出来那样。

他设想过这样一种系统：一个人在图像生成过程中对它进行引导，模型则捕捉细微的内部线索，并据此调整输出结果。

这种反馈循环可能会让脑信号变得更有用，因为其中的交互是不断迭代的，而不是单纯从大脑中提取信息。

不过，即使谈到这个方向，他依然十分谨慎。

这个领域有一种习惯：把一次成功演示说得像是一个完整的产品类别已经到来。相比之下，Swechinsky 更关心演示结束之后会发生什么——当系统面对不同的人、不同的场景、不同的情绪、身体活动、环境噪声和硬件差异时，它是否仍然能够正常工作。

“如果你想做的是产品，而不只是发表论文，那么从第一天起，你就必须针对那些复杂、混乱的现实情况进行工程设计。”他说。

收集数据只是第一场硬仗

这条经验直接来自他在 brain.space 的工作。

brain.space 的目标是建立一个大型脑活动数据集，并在这个数据集上训练模型，以量化人的不同心理状态。

大规模数据采集之所以吸引 Swechinsky，是因为他相信，测量必须先于改善。然而，收集数据仅仅是第一场硬仗。

脑信号并不整齐。来自真实人群、在真实环境中采集的数据，不会像理想化的实验室数据那样规整。

在训练模型之前，研究人员往往需要解决一层又一层的预处理和分析问题。这些工作听起来远不如“读心术”那么吸引人，却决定了整项研究究竟有没有意义。

“物理学训练我去寻找干净、清晰的结构。”Swechinsky说，“而EEG则让我明白，每一个有用的信号都得费尽功夫才能得到。”

少量电极能否检测到可靠信号

也正因如此，对于那些希望使用极少量电极、从大量用户身上收集海量数据的EEG监测公司，Swechinsky 的态度既支持，又谨慎。

从长期来看，这个想法对他很有吸引力。一套能够监测压力、疲劳或心理负荷的系统，可能会在日常生活中发挥实际作用。

他可以想象这样一款应用：它能够发现一个人已经感到疲倦，并提醒他该结束工作、下线休息了。

他担心的是，在电极覆盖范围十分有限的情况下，这些产品赖以实现其功能的信号，能否得到可靠检测。

在认定最小化的传感器配置足以支撑这一领域之前，他更希望先看到由更广泛电极覆盖提供的有力证据。

“大规模数据采集很重要。”他说，“但在围绕一种信号讲故事之前，你必须先证明这个信号确实存在。”

神经科学如何影响人工智能研究

Swechinsky 的观点并不局限于消费级神经技术。他还对神经科学可能如何影响人工智能的研究方式感兴趣。

随着人工智能系统变得越来越复杂，他预计，研究人员将会采用一些类似于研究人脑的方法，对这些系统进行探测和分析。

他也认为，大脑的结构可能为设计更加高效的神经网络提供有价值的思路，尤其是在利用多条通路处理不同类型计算的系统方面。

心智本身无须夸张

即使是迷幻药物研究，也与他对心理状态的整体看法相契合，尽管他认为这个话题经常被过度渲染。

他支持研究迷幻类物质，以及它们改善心理健康的潜力，但他希望这个领域能够准确地为相关现象建模，而不是依赖耸人听闻的宣传。

贯穿他工作的主线是：人的心智本就足够强大，无须夸张。从读取心理状态到调节心理状态

Swechinsky 目前正专注于非侵入式脑机接口，目标是调节心理状态，而不只是读取这些状态。

他认为，睡眠很可能是一个起点，因为睡眠可以测量、具有普遍性，而且与一个几乎所有人都能理解的问题有关。

不过，他并没有把这项工作包装成一个已经完成的消费级产品承诺。

对他来说，更大的问题在于：神经技术能否从监测大脑，逐渐发展到帮助人们以更安全、更审慎且主动的方式影响自身的内部状态。

即使不使用任何科幻式语言，这仍然会是一次重大的转变。

一种能够帮助人们在合适的时刻进入有益状态的工具，听起来可能不像读取私人思想那样富有电影感，但它最终或许会更有价值。

经得住现实检验的神经技术

对于一个充满猜测和畅想的领域来说，Swechinsky 所坚持的标准很有意义。

他不是要求神经技术缩小梦想，而是要求它经得住现实的检验。

他所关心的未来，将取决于能够处理噪声的系统、在经过清洗和充分理解的数据上训练出来的模型，以及那些能够让人的内部状态不再那么神秘、同时又不假装大脑很简单的工具。

他反复回到的判断标准，并不是一场演示听起来是否足够有未来感，而是这个系统能否经受住各种差异、普通的日常使用，以及真实信号中那种顽固的混乱。

在 Swechinsky 看来，只有到了这一步，神经技术才会不再只停留在一则振奋人心的宣告上，而真正成为能够工作的东西。

脑机接口真正的门槛，是经得住现实

我们认为，Swechinsky 并不是在否定脑机接口的未来，而是在重新定义什么才算真正的技术进步。

在媒体报道中，系统成功解码一句话、生成一张图像，往往就会被描述为一次重大突破。但从工程和产品角度看，一次成功演示只能回答“这件事有没有可能”；只有当系统换一个人、换一种环境、换一套设备之后仍然有效，才能回答“这项技术能不能真正使用”。

这也是文中“复杂数据”最值得重视的地方。

这里所说的“复杂数据”，并不只是质量低、需要删除的数据，而是脑信号进入真实世界后的自然状态。不同人的大脑活动存在差异，同一个人在不同时间、情绪和环境下的信号也会变化，动作、噪声及硬件差异还会进一步影响数据。

如果一个模型只有在高度受控的实验室条件下才能工作，那么它学到的可能只是特定实验条件下的规律，而不一定是可以稳定推广的神经信号。因此，信号清洗、数据处理和跨场景验证并不是模型训练之前无关紧要的准备工作，它们本身就是判断研究结论是否可靠的重要部分。

Swechinsky 对“意念转文字”的质疑同样需要结合具体使用场景理解。

对于能够正常说话和打字的普通消费者来说，脑机接口确实很难在信息输出速度上超过现有方式。但对于无法说话、打字或者控制身体的使用者，即使脑机接口的速度较慢，只要能够重新建立基本的沟通渠道，也可能带来完全不同的价值。

所以，判断一项脑机接口有没有意义，不能只问它是否比正常说话更快，还要问：它面对的是哪一类用户？这些用户原本还拥有哪些可以使用的沟通方式？

他对少量电极设备的谨慎也很重要。设备轻便化和小型化当然是产品发展的方向，但减少电极应该是完成信号验证之后的工程优化，而不应成为研究一开始就默认成立的前提。

更合理的顺序应当是：先证明目标信号能够被稳定检测，再确定哪些电极最重要，最后逐步减少传感器数量。如果顺序反过来，就可能出现设备已经做好、产品故事已经讲完，却仍然无法确定它究竟测到了什么的问题。

当然，这篇文章本身并没有提供实验数据、算法细节、模型比较或者统计检验。它呈现的是一位从业者根据研发经历形成的判断，而不是一项经过同行评议的学术研究。因此，它更适合作为对行业现状的一次提醒，而不能单独用来证明某种技术路线一定成功或者失败。

这篇文章真正提出的问题是：脑机接口下一阶段最重要的突破，究竟是制造一次更加惊艳的“读心”演示，还是建立一套能够可靠测量、适应个体差异，并在真实环境中长期工作的系统？

从目前的技术发展来看，后者可能更不引人注目，却更接近脑机接口真正走向应用所需要跨过的门槛。

来源：本文译自科技媒体 Analytics Insight 于2026年9月1日发表的人物报道《Yonathan Swechinsky Thinks Neurotechnology Needs Less Hype and More Messy Data》，原文作者为 Arundhati Kumar。