Naomi BashkanskyはConduitのテレパシーへの賭けのためにOpenAIを離れた

Why it matters

Conduit is applying the data-and-scale strategy behind frontier AI models to neural interfaces, betting that a large cross-person dataset can turn lab-grade decoding into a wearable product.

Naomi Bashkansky (@NaomiBashkansky) は7月23日にOpenAIを辞任し、翌日Conduitに創設研究者として参加しました。彼女は最先端モデルのアライメントから、非侵襲的な脳記録をテキストに変換しようとするスタートアップへと移ったことになります。

Bashkanskyは8月5日のXでのスレッドでこの移籍を明かし、Conduitが「非侵襲的に人間の心を読み取る」モデルをトレーニングしていると記しました。8月4日に公開されたより長い記述では、この目標を「テレパシー」と呼び、数年以内に思考が人々がAIシステムとやり取りする主要な方法になると予測しました。

この移籍により、OpenAI出身の研究者が、言語モデルのスケーリングのプレイブックを脳—コンピュータ・インタフェースへ応用しようとする比較的攻撃的な試みの一つを率いることになりました。Conduitの賭けは、十分な人数から神経データを収集し、十分大きなモデルをトレーニングすることで、脳手術や各人ごとの大規模なキャリブレーションを必要とせずに新しいユーザーにも機能するデコーダーを生み出せる、というものです。

BashkanskyはOpenAIのアライメントチームでおよそ18か月を過ごしたと述べています。彼女のそこでの仕事には、OpenAIの内部AGIオンボーディングプレゼンテーション、同社のアライメント研究ブログ、そしてOpenAI FoundationのAI Resilience部門への助言が含まれていたと彼女は説明しています。彼女はワシントン州で育ちチェスに取り組んだ後、ハーバードでコンピュータサイエンスを学び、競技をやめる15歳になるまでにWoman International Masterのランクに到達しました。

その経歴は今回の転換の一端を説明します。Bashkanskyはハーバードの学生時代にGPT-3やNick Bostromの「Superintelligence」に触れて安全性研究からAIに入った人物です。Conduitでは、同じ人的制御の問題の別バージョンを追求しています：ますます能力を持つモデルに対して人々がより高帯域の指示を与えられるインタフェースです。

彼女はOpenAIの研究を、確立されたアーキテクチャによって制約された、より大きな技術的問題の狭い部分に対する作業だと表現しました。Conduitは、ニューラルエンコーダ、合成データ、マルチモーダル学習、データ効率にまたがるグリーンフィールドの問いを彼女に与えます。彼女はまた、共同創業者のRio PopperとClem von Stengelの存在が参加理由であるとも述べました。彼らはニューラルデコーディングがスケールによって改善するという前提でConduitを構築しています。

Conduit's dataset is the core asset

Conduitは2025年12月の技術投稿で、数千人の参加者から約10,000時間分の神経データと言語データを6か月間で収集したと述べました。参加者はカスタムのマルチモーダルヘッドセットを装着し、Conduitのサンフランシスコオフィスでの2時間セッション中にAIシステムと会話したりタイプしたりしました。

Conduitは神経記録を各参加者が出力したテキストや音声と対にしました。目標は、参加者が話したり打鍵したりする準備をしていたときの意味的内容を予測するモデルをトレーニングすることです。Conduitは、関連する神経ウィンドウは参加者の身体的反応が始まる前に終わると述べており、これは基になる考えを結果としての打鍵や発話から切り離すことを意図した設計です。

10,000時間という数値と、収集が世界最大の神経—言語データセットであるというConduitの主張は同社の断言です。Conduitは以前に見たことのない参加者を含むゼロショット予測の例を3件公開しましたが、査読付き論文での完全なモデル評価は公開していません。これらの例は逐語的な思考の文字起こしというよりは緩い意味的な一致を示していました。例えば「The room seemed colder」は「there was a breeze even a gentle gust」と予測されました。

Conduitは複数のプロバイダーのセンサーと3Dプリント部品を組み合わせて独自のヘッドセットを構築しました。同社によればトレーニング用ハードウェアは約4ポンドの重さで、日常使用向けというよりデータ密度のために設計されています。Conduitは、消費者向けの推論デバイスはより少ないセンサーとはるかに軽い形状が必要になるだろうと述べています。

このスタートアップのアプローチは人物間の一般化に中心を置いています。Conduitは参加者がデータセットを独占しないように各人のセッションを10回に制限し、収集セットアップを1日最大20時間運用していました。12月時点で、Conduitはモデルのトレーニングが同社の作業の95％以上を消費していると述べました。

Non-invasive decoding remains a hard technical problem

学術および企業の研究により、非侵襲的な記録から知覚された、想像された、あるいはタイプされた言語の一部を復元できることが示されています。2023年の Nature Neuroscience の研究では、fMRI記録から連続する言語の意味を再構成しましたが、この実験は3人の被験者を対象とし、各人の協力を要しました。

MetaのBrain2Qwerty研究は、参加者が暗唱したテキストをタイプしている間のEEGやMEG記録から文をデコードしました。2026年6月のアップデートでは、MEGという大型で高価な実験室機器を使って、9人のボランティアから各人10時間ずつ記録した約22,000文を用いてより新しいシステムをトレーニングしたと報告しています。

Conduitは、より広い参加者母集団、複数の神経センシング手法、そして言語モデルの事前知識が、管理された研究とウェアラブル製品の間の距離を埋めると賭けています。Bashkanskyによれば、Conduitの内部測定では予測品質がトレーニング時間の対数に対してほぼ直線的に改善していることが示されています。この結果は内部測定のままであり、Conduitは実用的なヘッドセットに使用すると見込むセンサー構成を特定していません。

Bashkanskyの短期的なビジョンは、完全な逐語転写ではなくノイズの多い意図から始まります。デコーダーは大まかなコマンドを推定し、AIモデルがユーザーの文脈や履歴を用いて不確実性を解決する、という案です。これにより最初の商用ターゲットは文字通りの「心を読む」ことよりも、AIエージェントの予測的制御に近くなります。

彼女の移籍により、ConduitはフロンティアAI研究所内で訓練を受け、高度なシステムに対して人間が制御を維持することに個人的に投資している研究者を迎えることになりました。同時に、彼女が参加して検証しようとしている技術的仮説に対するデッドラインも設定されます：Bashkanskyは数年以内に思考ベースのAIインタラクションが実用的になると予想していますが、Conduitの公的な証拠は依然として内部のスケーリング結果、大規模な独自データセット、そしていくつかのデモンストレーションにとどまっています。