夜雨聆风7月23日辞职，7月24日入职一天都没歇
这个叫Naomi Bashkansky的姑娘，前一天还在OpenAI研究怎么让AI更安全、更可控，后一天就钻进旧金山一间创业公司的地下室，给陌生人戴上四磅重的头盔，试图直接读取他们脑子里的想法。
她管这叫telepathy，心灵感应。
从棋盘到大脑：一个天才少女的三级跳
先说说她是谁
2003年出生，华盛顿州长大，5岁学棋，15岁已拿到国际女子大师（WIM）头衔和一堆北美青少年冠军。进哈佛读计算机科学后，课上碰见GPT-3，又读了Bostrom的《超级智能》，用她自己的话说，“那次经历让人清醒”。然后一头扎进AI安全，最终加入OpenAI对齐团队，干了大约一年半。
一年半在全球最顶尖的AI实验室里，日复一日研究如何驯服可能比人类更聪明的模型。然后她转身离开，隔天就去做了一件听起来比AGI还疯狂的事。
为什么？
“苦涩的教训”：把GPT的暴力美学，砸向你的颅骨
8月4日，Bashkansky在个人博客发了一篇长文，标题带着几分挑衅，《Why I'm leaving OpenAI to build telepathy》。
▲ 博客长文首屏，日期2026年8月4日，目录四节，从“什么是thought-to-text”讲到2035愿景
她把问题压缩成一个任务：输入是脑活动，输出是你正在想的文字。 本质上，这是监督学习
然后她搬出了AI圈那面著名的照妖镜，Rich Sutton的“苦涩的教训”（The Bitter Lesson）：别搞精巧算法，堆数据，堆算力，让模型自己学。 GPT是这么成功的，Whisper也是这么成功的。那么读脑呢？
“数据采集的规模，必须比学术界以往再大几个数量级。”
这就是Conduit在做的事
地下室里的一万小时
Conduit的联合创始人Rio Popper和CEO Clem von Stengel，在Bashkansky加入之前就已经干了一件学术界想都不敢想的事，在旧金山的一间地下室里，6个月采集了大约1万小时的神经-语言配对数据，覆盖数千名不同的人。
▲ Conduit 2025年12月的博客，详述数据采集流程与零样本解码案例
操作流程是这样的：在Craigslist上大量招人，每人最多约10次（刻意限制，追求人群多样性），签同意书，钻进隔音舱，戴上一个约四磅重的多模态头盔，里面塞满了EEG、fNIRS、超声等多种传感器，是团队自己买单模态设备拆解、3D打印重组的产物。然后对着屏幕说话、打字，跟大模型自由对话约两小时，报酬约50美元。
这条流水线一度每天运转约20小时。
当数据量跨过大约4000-5000小时的门槛后，拐点出现了：噪声的影响开始减弱。 精心搭建的电磁屏蔽、降噪措施，其边际收益在断崖式下降。模型开始在混乱中，从不同的人、不同的房间、不同的坐姿里学到可迁移的模式。
数据量淹没了噪声这正是bitter lesson在脑信号领域的翻版。
GPS式脑信号解码
但别误会Conduit现在还做不到逐字逐句地“听见”你的内心独白。
他们展示的零样本案例很能说明问题：受试者打出的原句是*“the room seemed colder”（房间似乎更冷了），模型解码出的却是“there was a breeze even a gentle gust”*（有微风，甚至轻拂）。字面完全不同，语义高度相似
Bashkansky用了一个精妙的类比：GPS。
城市里的GPS单点定位其实很不准，但叠上地图数据和导航算法，它就变得“惊人地准确”，你不需要厘米级定位，只要落在正确的道路上就行。同理，脑信号解码不需要完美复现原句，只要语义意图足够准确，再让大模型的语言先验去“扶正”，就已经可用了。
她坦率地自比：“我们还在GPT-2时代。” 但缩放律“看起来不错”，余弦相似度随数据小时数的对数近似直线上升。
这条曲线，足以促使她辞掉OpenAI。
2027、2030、2035：三幅让人坐立不安的画面
Bashkansky在长文里给出了三段时间切片，她称之为“乐观但高度plausible”：
2027年： 早上戴上头带，蓝牙连上电脑，打开编码助手。你看一眼图表、扫一段论文，脑中模糊的念头被Conduit模型解码，每隔约10秒自动发给AI agent拆分任务。 用户照常读东西、想事情、冲咖啡，系统在后台持续捕捉意图流，无需刻意默念指令。
2030年： AI公司开始直接对接Conduit的latent表征，传递文字难以描述的内容，比如你脑海中的一张画面。团队可能同时探索侵入式的“写”接口，在读取大脑信号之外，尝试向大脑写入。她用了一个让人脊背发凉的比喻，“能控制手臂，却失去了本体感觉”，形容只有读、没有写的怪异。
2035年： AI不再像一个“他者”，而像第六感与另一条肢体。 思考本身的速度和形态，因为人机融合而改变。
这三段描述的语气尤其让人不安一个23岁、曾专门研究AI安全的年轻研究者，写下这些时没有一丝犹豫。
争议袭来：“你不能把non-invasive贴上去就当没事”
帖子发出后，X上的反应堪称两极撕裂。
▲ 引发广泛讨论的帖子（原帖误写为"founder"，实际应为founding researcher）
乐观派画出了一条人类输入带宽的进化阶梯：打孔卡 → 键盘 → 搜索 → 问大模型 → 语音 → 直接从大脑输出。 有人说自己已经几个月不打字了，全靠语音指挥AI agent，认为模型能力早已不再构成瓶颈，人的输入速度才是。
高赞回复中有人直指术语陷阱：医学上的“非侵入”是指不用开颅、不用植入，但在隐私和心理的维度上，读取一个人的思维，怎么可能是“非侵入”的？ 你不能只是把“non-invasive”往前面一贴，就假装整件事在任何正常人的标准下都不算侵入。
而最扎心的一条评论指出了身份本身的讽刺：“你做过对齐，做过安全，结果博客里几乎不写伦理含义，只甩一个'non-invasive 😊'。”
镜像里的另一个“心灵感应”
有趣的是，Telepathy这个词已经被注册了，被Neuralink。 马斯克的脑机接口公司用它来命名面向瘫痪患者的意念控制产品：开颅手术、植入电极、无线传输、让用户用想法移动光标。
同一个词，两条完全相反的路径：
| 硬件 | ||
| 目标用户 | ||
| 核心瓶颈 |
Meta也没闲着他们的Brain2Qwerty项目用MEG（脑磁图）做打字解码，v2版本在约9人、每人约10小时的数据上达到了平均词准确率约61%，最佳受试者约78%。而且他们也观察到了同样的曲线，准确率随数据量近似对数线性增长。
▲ Meta Brain2Qwerty论文页，非侵入脑文本解码的公开学术标尺
大厂拿出论文和可复现指标，创业公司则强调速度与愿景。Conduit至今没有公布可复现的基准测试。 当评价标准从“逐字准确”滑向“语义可用”时，外部审计变得更难；在没有公开测试集的情况下，“语义可用”很容易沦为不可证伪的口号。
还有三个问题：然后呢？
技术兴奋退潮后，这个故事留下了三个灰色地带：
第一，同意的颗粒度 2小时实验室、签知情同意书、拿50美元走人，这是可控的。但当头带变成办公标配，全天候捕捉“模糊念头”并每10秒自动发给AI时，你还能说这是自愿的吗？雇主会不会说：不戴头带的人效率低30%？
第二，误报的代价 语音助手把“播放音乐”听成“打电话”，最多尴尬。但如果脑波解码把你“想想要不要辞职”误读成“立即提交辞呈”，然后agent自动执行了呢？ 在10秒自动发送的循环里，错误意图的执行速度可能快过纠正速度。
第三，数据一旦泄露 你的打字记录可以改密码，你的浏览记录可以清除。但神经-语言配对数据，你的脑波在想到特定语义时的模式，这东西没有“重置”键。它对广告、保险甚至更多领域的吸引力不言而喻。
Bashkansky的博客几乎没有展开这些。一个研究过对齐、思考过AI可能比人类更强大意味着什么的人，在谈到把AI直接接到人脑信号上时，选择了沉默。
也许这本身就足以让人警觉
从棋盘到对齐实验室，再到地下室的四磅头盔。23岁的Naomi Bashkansky正在下一盘很大的棋。只是这一次，棋子是你我的神经元，而棋局的规则，还没有人写好。