夜雨聆风她十二岁听说超级AI，十八岁研读《超级智能》，二十三岁在OpenAI做对齐，然后在2026年的夏天，她辞职去造读心机器了。
2026年8月5日凌晨，前OpenAI对齐研究员Naomi Bashkansky在X上公布了一个重磅消息：两周前，她已经递交辞呈，加入一家名叫Conduit的初创公司担任创始研究员。这家公司的使命，用她自己的话说，是训练AI模型来非侵入式地“读取人类心智”。她写了一篇长博客，标题简单到近乎挑衅，《Why I'm leaving OpenAI to build telepathy》。
心灵感应Telepathy这个常被放进科幻片和通灵骗局里的概念，如今被一个哈佛CS毕业、在OpenAI做了一年半对齐研究的年轻人，郑重写成了2026年的工程目标。
▲ Bashkansky博客标题页：Why I'm leaving OpenAI to build telepathy，日期2026年8月4日
一位国际象棋神童的“对齐”弧线
在成为AI研究员之前，Bashkansky的身份是国际象棋女子国际大师（WIM）。世界学校锦标赛U13女子冠军、北美青少年U20女子冠军，这是一份足以写进维基百科的棋绩单。她毕业于华盛顿州贝尔维尤的Newport High School，后进入哈佛攻读计算机科学。
▲ 英文维基百科上的Naomi Bashkansky词条
她在博文中自述：十二岁那年，她第一次在网上读到“可能比人类更聪明的AI”这个概念，当时只觉得有意思。十八岁进入哈佛后，GPT-3和Bostrom的《超级智能》同时击中了她，从那一刻起，她把AI安全当成了自己的事业。做过短暂的AI政策工作后，她加入了OpenAI的对齐团队，一干就是大约一年半。
然后，她跑了
她的离开与失望或内斗无关她说，辞职的原因有三个：第一，Conduit的愿景足够大胆却仍可量化，她主观预期，如果做成通用的“读”与“写”公司，其价值可以超过万亿美元；第二，是人，联合创始人Rio Popper与Clem von Stengel，以及一个小到可以全力冲刺的团队；第三，是研究问题本身，编码器、数据效率、合成数据、多模态统计，在初创公司是整片绿地，而在大公司往往只能切一条窄缝。
这段话的潜台词不难读：在OpenAI，她只能对齐别人造的东西；在Conduit，她要从零造一个全新物种。
旧金山地下室里的一万小时
Conduit到底在做什么？
简单说：你戴上一个头戴设备，开始打字或跟AI聊天。在你还没把话说完之前，系统已经从你的脑信号里“猜”出了你想表达的内容。
▲ Conduit官网："Building telepathy at scale"
Conduit已经把设想推进到数据采集。2025年12月，团队发布了一篇技术博文，标题相当朴素，《How we collected 10,000 hours of neuro-language data in our basement》。是的，地下室过去六个月里，他们在数千名不同个体身上采集了约一万小时的神经-语言数据，并自认为是当时世界上最大的此类数据集之一。
▲ Conduit技术博文首页：一万小时数据采集纪实
操作流程是这样的：受试者签署知情同意书，进入隔间，会话管理员帮忙佩戴头戴设备。多数会话是与大语言模型的自由对话，听与说，或读与打字，目标是在两小时内尽量产出更多可对齐的文本量。报酬？两小时最高约50美元，四小时约100美元。他们甚至在Craigslist上招人。
硬件上的故事更野他们发现单一模态根本不够用，试过多种测量方式后的结论是必须多模态组合。市面上买不到合适的多模态头戴，怎么办？拆解优质单模态设备，3D打印结构件，自己拼。噪声处理则到了近乎疯狂的地步：干电极的接触问题、弹簧压合的力学问题、电源线60Hz的电磁干扰，他们一度直接切断了建筑一侧的供电。
更关键的发现出现在数据量跨过大约四五千小时之后：数量开始压过精细去噪。 模型见过足够多不同的人、不同的环境之后，能自己学会把“随文本变化的信号模式”和“房间里的电磁垃圾”分开。
这正是深度学习过去十年最核心的一课：数据规模吃掉一切。
噪声GPS理论：不需要完美解码
Bashkansky在博文中提出了一个极其精妙的类比：思想像城市里的噪声GPS。
GPS信号单独看，经常漂移、不准、跳点。但叠上地图数据和导航算法之后，你照样能精确到达目的地。同理，非侵入脑信号单独看，噪声大得吓人，有人把EEG比喻成“站在停车场外面，试图听清冰球场中央的对话”。但如果你把这些嘈杂信号交给一个足够强的大语言模型作为上下文先验，模型可以从噪声中“补全”出你想表达的内容。
据Forbes 2025年12月的报道转述，Conduit当时在zero-shot条件下（即不对特定新个体做任何微调），文本输出与用户思想的语义匹配度大约45%。举个例子：用户想的是“the room seemed colder”，模型输出的是“there was a breeze even a gentle gust”，意思对了，措辞不同。
45%远不够做消费级产品她看重的是扩展曲线的斜率 她说，预测潜空间与目标潜空间的余弦相似度，随数据小时数的对数近似直线上升。她把团队的位置比喻为，“GPT-2时代”。
GPT-2到GPT-4之间发生了什么，所有人都记得。
三个早晨：她笔下的2035
博文最大胆的部分，是三段第一人称虚构场景：
2027年的早晨 她戴上头带，蓝牙连上笔记本，打开Codex编程代理。浏览代码和图表时，脑中模糊的念头被Conduit模型解码成具体指令，自动发送给代理去改图例、重写段落。她泡咖啡时并没有在脑中“大声念词”，系统仍然工作。
2030年 AI公司开始直接对接Conduit的潜表示。思维中那些难以言说的图像和直觉，可以直接传递。多数人与AI交互时，不愿摘下头带
2035年 AI不再是“他者”它像第六感与另一条肢体思考问题时仿佛在冲浪式浏览信息，关机后思维仍然更快，因为write技术已经改变了神经可塑性本身。
这份大胆的技术路线图，读起来更接近一份信仰声明。
热议：兴奋、嘲讽与恐惧交织
▲ 工程师Kiaran Ritchie："我们生活在一个研究者可以坦然讨论心灵感应、而所有人反应是'嗯确实可行'的时代"
但批评同样猛烈用户lightscaner直接开炮：“怎么可能永远不算侵入？你不能只在前面贴上non-invasive的标签。” 用户raid0追问得更尖锐：“不侵入怎么读别人的脑子？”
Hacker News上的讨论更深一层。有人对“想感受Codex的感受”这句话感到脊背发凉，认为这有恐怖小说的气质。有人从认识论上追问：“思想”是否可以跨主体定义？你解码出来的真的是“我的想法”，还是模型对我脑电噪声的一次创意写作？ 还有人直指隐私黑洞：如果原始思维日志进入公司服务器并路由到LLM提供商，那将是人类隐私史上最深的噩梦。
Conduit之外：大厂也在投入
Bashkansky并非孤军Meta FAIR在同一时期推出了Brain2Qwerty项目：让受试者在EEG或MEG下打字，用卷积+Transformer+预训练语言模型的三段式架构解码。2026年6月公布的v2版本，最优受试者词准确率达到约78%，被称为接近以往需手术植入才能达到的精度。
▲ Meta AI博客：Brain2Qwerty，从脑波到文字的非手术路径
两者走上了不同路线：Brain2Qwerty采用受控的学院派实验，包括打字任务、公开论文、开源代码；Conduit则推进硅谷式的数据飞轮，从工业规模采集转向自由对话和产品愿景。它们依赖同一组条件：噪声神经信号 + 强大的语言先验 = 可突破的解码精度。
最后的问题
Bashkansky在博文结尾写道：她现在happily working on a problem she is obsessed with。
一个二十三岁的前国际象棋神童、前AI对齐研究员，坐在旧金山某栋建筑的地下室里，用3D打印的头戴设备、Craigslist上招来的受试者和一条还在GPT-2阶段的扩展曲线，尝试让人类在2035年用意念交流。
这听起来像疯了但如果你把时间拨回到2019年，告诉任何人“三年后AI可以写诗、编代码、通过律师资格考试”，他们的反应大概也是同一个表情。
科技史上许多宏大的尝试，在成功之前都像疯话。
最后的问题是：当机器真的能读取你的想法时，你准备好了吗？
