脑机接口火了，但有“钱景”吗？

本文最初发表于 Towards Data Science 博客，经原作者 Alexandre Gonfalonieri 授权，InfoQ 中文站翻译并分享。

最近，我有机会成为一个特别工作小组的一员，该小组的任务是创造与脑机接口相关的新商业模式。其目标是帮助一家大型科技公司了解他们如何在伦理上利用大脑数据。

随着非侵入式（non-invasive）脑机接口（Brain-computer interfaces，BCI）的兴起，深度学习解决方案的发展帮助提高了脑机接口的准确性，同时 EEG（脑电图）耳机的成本也在下降，越来越多的初创公司和大型科技公司都在寻找从大脑数据中创收的新途径。

事实上，脑机接口的发展将会推动一个高利润数据市场，并加速“神经资本主义”的发展。一些公司为了寻找最佳策略，在侵入式和非侵入式脑机接口成为大众市场产品之前，开展了竞赛。

在本文中，我将解释大脑数据与算法结合所具有的商业意义、未来可能出现的与脑机接口相关的商业模式、脑机接口与人工智能的结合如何创造出更强大的产品生态系统，以及 “神经资本主义”的概念。

脑机接口——解释

对于那些不熟悉“脑机接口”这一术语的人来说，它定义了一种设备，使大脑和机器之间能够直接通信。

换句话说，脑机接口是一个“以计算机为基础的系统，它获取大脑信号，对其进行分析，并将其转换为指令，传递给输出设备，以执行所需的动作”（1）

一些公司已经开始开发头戴式设备，通过使用机器学习技术对大脑产生的电信号进行分类，从而理解人类的意图。利用特定的工具，就有可能将这些生物识别信号转化为可操作的见解，从而测量情感并提供对连接设备的控制。

机器学习与非侵入式脑机接口的发展

在本文中，我会经常提到“机器学习”，原因有二。第一个是，脑机接口可以帮助创造更好的数据网络效应，从而收集战略数据。第二个是与机器学习一起如何帮助脑机接口做好市场准备。

实际上，脑机接口的发展与机器学习密切相关。机器学习技术（包括深度学习）在脑电图 / 脑皮层电图信号特征提取和分类中起着关键作用。（2）

以我的经验来看，将具有高可变性和非平稳噪声的脑电活动解码成有意义的信号是很困难的。因此，使用机器学习技术是解决脑机接口应用的关键。

例如，深度学习（机器学习子集）似乎很有希望从原始脑电图数据中学习，以提取更好的特征，从而提高性能和健壮性。

为了应对脑机接口应用中的挑战，一些组织致力于改善从脑电图信号中提取基本特征。

此外，当脑机接口“与设备相关联时，内部参数不断地提供给算法，例如脉冲持续时间和振幅、刺激频率、设备的能耗、刺激或记录密度以及神经组织的电特性”（2）。此外，“人工智能算法可以识别大脑数据中有用的模式，并产生预期的功能性结果”。（3）

从客户体验的角度来看，人工智能和脑机接口的结合使用就是如此。让我们想象一下，你在街上看到有人穿着一件你喜欢的 T 恤。后来，当你在你最喜欢的社交媒体应用上翻阅时，你在一个赞助的帖子上看到了一件类似的 T 恤。

因为有些自动内容是建立在对抗网络上的，所以穿着这种 T 恤的人很可能看起来像你。这一情景不久将会成为现实。

脑机接口和营销数据

借助脑机接口，公司可以收集关键的营销数据，比如激活记忆的数据。

这种情况将使公司能够收集更多关于消费者的个性化数据，并从根本上改变我们与日常设备互动的方式。

脑机接口将使公司能够在更深层次上“跟踪客户的旅程、情感和偏好”（4），并直接向他们的大脑或可穿戴设备发送定制的广告和体验，从而增加销售额。

脑机接口也可以用来“优化互联网广告和电视广告”（5）。可以肯定的是，脑电波数据将取代 Cookie 数据，成为未来基于网络的广告的新规范。

假如像 Google 这样的公司决定开发脑机接口，他们可以检测到你是否关注视频广告，你对这些广告的感觉如何，以及它们是否与你个人相关。像 Apple 这样的公司，可以开发一种脑机接口，来根据你的心情选择音乐播放列表。

其他公司也可以开发应用程序，使用另一家公司生产的脑机接口（有点类似于 Google Play 和第三方移动应用程序）来收集你的大脑数据。

大多数大型科技公司还将从新形式的脑机接口中获益。事实上，一些公司已经能够制造出耳机形式的脑机接口（6）。其他形式的脑机接口将有助于将脑机接口的好处以人们经常佩戴的形式带给大众。这也是大脑数据对企业来说变得极具战略意义的原因。

一款能够运行一系列第三方应用的耳机现在可以用 100 美元购买（7）。

神经资本主义与商业模式

在我访问期间，我们得出结论，先进的技术公司必须开始为神经资本主义时代的加速做准备。大脑数据在消费市场上的商业化，以及用于与脑机接口交互的设备的发展，都会影响到未来几年的发展。

非入侵式脑机接口将使人们用自己的大脑数据来交换由私人公司提供的服务。

脑机接口的新商业模式？

我希望大型科技公司在开发脑机接口的同时，也能开发出真正的免费应用和其他设备的生态系统，而不仅仅是简单的脑机接口。

根据我们的分析，我们认为，脑机接口的主要商业模式应该是一种叫做“用数据支付”的模式。举例来说，一些脑机接口应用，如音乐选择，可以免费提供，作为交换，用户可以完全访问所有与该应用相关的大脑数据（8）。

这些数据随后可以组织起来，或者用于有针对性的广告目的，或者以溢价出售给第三方。这种商业模式通过提高服务质量和广告相关性，将有助于增加客户的锁定效应。

锁定效应：一家公司采取的策略，即让客户极难离开他们。

公司还可以利用大脑数据来改进产品推荐，并大大提高每个客户的终身价值。这对大多数电子商务公司来说都是战略性的。那样的话，大脑数据将有助于现有的商业模式。

我们还希望看到脑机接口成为未来的用户界面，使设备之间的通信更加无缝。因此，大型客机公司将在其当前的产品生态系统战略中，尝试添加脑机接口相关的功能。然后，他们可以从多个来源 / 设备收集数据。大脑数据将有助于提高生态系统的效率，并最大限度地保留客户和客户终身价值。

脑机接口与现有产品生态系统的整合也将有助于提高销售额。例如，如果消费者正在关注商店中的特定产品，脑机接口驱动的智能眼镜可以将与价格相关的想法进行分类，并将此信息发送给商店，商店可以使用一些动态定价来调整价格。

大多数销售在线内容的企业都会从使用大脑数据中获益很多。例如，媒体公司可以使用大脑数据来决定创作什么内容。脑机接口还可以测量每个读者的关注程度，并实时调整内容。

它将有可能提高每个内容旁边的广告 / 联盟链接的相关性。大脑数据也可以用来创作更好的内容推荐和更高的参与度。然后，公司可以对使用情况进行收费（例如 Netflix）。

其他公司也可以通过他们的应用程序访问你的大脑数据以及你的其他数据。例如，LinkedIn 可以出售有关你过去工作经历的信息，以及有关你对某些特定招聘广告反应的数据。这样，公司就可以出售访问高质量数据的权限，甚至可以出售利用大脑数据制作的原始数据的 API 权限。

B2B 脑机接口商业模式

另一个有趣的商业模式可能与员工的效率有关。一些公司已经利用脑机接口来“检测生产线、军队和高铁司机的情绪状态变化”（9）。

现有的脑机接口与无线传感器相结合，可以持续地监控“佩戴者的脑电波，并将数据传输到计算机”，这些计算机利用机器学习来检测情感波动，如抑郁、焦虑或愤怒（10）。

在我看来，B2B 脑机接口将代表一个非常重要的市场。专业公司将推广脑机接口，通过调整休息时间的频率和长度，减少精神压力，从而提高员工的整体效率。我希望看到大多数脑机接口都隐藏在普通的安全帽或制服帽中。

我认为某些特定工作将需要脑机接口（如飞行员、卡车司机等）。

员工的大脑数据可能会成为新的收入来源。事实上，大脑数据可以出售给其他公司，用于数据集相关目的或市场研究。

脑机接口与数据网络效应

我相信，在基于机器学习的产品中，大脑数据将是基本组成部分。大多数当前的技术产品或服务都依赖于用户数据的质量。用户越多，应用程序可以收集的数据就越多，因此可以更好地训练模型，提供更好的准确性，从而吸引更多的用户。

依我之见，大脑数据将进一步加强建立在数据网络效应基础上的业务。大脑数据集的获取意味着更好的机器学习数据集，更好的机器学习意味着更好的服务 / 产品，等等。没有能力利用大脑数据的公司将不会有强大的数据网络效应。

超越营销

几乎所有的公司 / 行业都会受到大脑数据的影响。通过使用脑机接口收集数据的效果远远超出了有针对性的广告。比如：

• 保险公司可能会利用大脑数据“根据脑电图记录的压力水平来确定你的免赔额”（11）。

• 银行可以“通过数据挖掘”（12）和大脑数据来确定信用等级。

• 娱乐行业可能会利用大脑数据来更多地了解消费者，并创造出更多定制的内容。神经游戏，即“在电子游戏中，你可以用大脑来控制你的动作”（13）的活动，而不是传统的游戏手柄，这看起来非常有前途。玩家的大脑反应可以被收集起来卖给其他公司。

我希望看到许多公司为脑机接口设备开发免费的应用。这些应用充当特洛伊木马收集大脑数据，然后将数据变成一条有竞争力的护城河，这将有助于改进其他产品 / 解决方案。

数据护城河：数据护城河是“基于你的专有数据集，你相对于其他企业拥有的竞争优势”（14）。

建立信任

尽管有这些潜在的新收入来源，但我必须强调，目前还不清楚哪些设备符合脑机接口标准。事实上，非入侵式脑机接口存在监管灰色地带。对一些专家来说，这意味着我们的社会需要一些规则，关于大脑如何“收集、存储和使用数据”（15）。

可以肯定的说，大多数大型客机公司都有过一段不道德地使用客户数据的历史。我希望大型客机公司能够在内容上投入大量时间和金钱，这些内容解释了他们将如何保护你的数据隐私。当脑机接口成为主流时，数据隐私将成为一个主要的差异化因素。

作者介绍：

Alexandre Gonfalonieri，供职于 Philips、Lumileds 的人工智能顾问，作家，撰写关于人工智能和脑机接口。

原文链接：

https://towardsdatascience.com/brain-data-business-models-how-brain-computer-interface-combined-with-ai-will-fuel-a-lucrative-3e78bc496cb