Original post · AI translation
这对个性化 AI 来说简直是更高一个层次。
唤醒信号由简单的嵌入表示加 k 近邻奖励机制评分。 神经反馈强化学习（RLNF）在观看者观看生成图像时，直接从其大脑读取唤醒信号，并将这些信号用作强化学习奖励。
现在，这个方向看起来太自然了。人的偏好本来就存在于大脑中；基于人类反馈的强化学习（RLHF）让偏好经由一次点击传递，而 RLNF 则让偏好从脑信号直接进入奖励机制。
尽管如此，总的来说，我对这种新范式感到兴奋。
它为扩展 AI 模型提供了一个全新的维度——朝着个性化回应的方向发展。
对于大规模普及，这比单纯提升智能水平更有影响力。
如果 AI 能理解你，它就能为你创造更美好的事物。我们希望帮助每个人拥有一个更美好的世界。
Original
All that said, I'm generally excited about this new paradigm. It gives us a whole new axis to scale AI models - towards personalized responses. Which is more impactful to large scale adoption than just intelligence. If AI can understand you, it can make things more beautiful for you. We are hoping to help make a more beautiful world for everyone.
脑机接口（BCI）正在从临床应用转向消费用途，像这样的应用会随着时间推移变得更加普遍。
针对用户安全和神经数据使用标准制定健全、可靠的监管措施，可以在确立安全标准方面发挥重要作用，让用户能够信任这类系统。
如果脑信号可用于了解私人想法和个人偏好，用户就会希望服务提供商更加值得信赖，并有充分的监管来确保这一点。
Original
BCI is moving away from clinical applications to consumer uses, and applications like these will become more abundant w time. Robust and dependable regulation on user safety and standards of use on neural data can do great work in setting such standards for safety that allow users to trust such systems. If brain signals can be used to understand private thoughts and personal preferences, users will want the service providers to be more trustable, and sufficient regulation to enforce the same.