Naomi Bashkansky 为 Conduit 的“心灵感应”押注离开 OpenAI

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) 在7月23日辞去了在 OpenAI 的职务，并在第二天加入了 Conduit，成为创始研究员，从前沿模型对齐工作转向一家试图将无创脑部记录翻译为文本的初创公司。

Bashkansky 在8月5日于 X 发布的线程 中披露了此举，写道 Conduit 正在训练模型以“无创地读取人类心智”。在8月4日发表的一篇较长说明中，她将目标称为“心灵感应”，并预测在几年内，思维可能成为人们与 AI 系统交流的主要方式之一。

此举使一名来自 OpenAI 的研究员处于将语言模型的扩规模式应用于脑机接口的更激进尝试之一的核心位置。Conduit 的赌注是：在足够多的人群中收集神经数据并训练足够大的模型，能够产出对新用户也有效的解码器，而无需脑部手术或对每个人进行大量校准。

Bashkansky 表示她在 OpenAI 的对齐团队工作了大约18个月。她在那里的工作还包括 OpenAI 的内部 AGI 入职演示、其对齐研究博客以及为 OpenAI Foundation 的 AI Resilience 部门提供咨询，根据她的说法。她在华盛顿州长大并参加国际象棋比赛，曾达到 Woman International Master 的等级，15岁停止参加比赛后在 Harvard 学习计算机科学。

这一背景解释了部分转变。Bashkansky 在 Harvard 读书时接触到 GPT-3 和 Nick Bostrom 的《Superintelligence》，由此进入了安全研究领域。在 Conduit，她追求的是同一人类控制问题的不同版本：一个接口，让人们能够以更高带宽命令日益强大的模型。

她将 OpenAI 的研究描述为在一个既定架构下对更大技术问题的狭窄部分进行工作。Conduit 为她提供了一套全新的问题，涵盖神经编码器、合成数据、多模态训练和数据效率。她还表示，加入的原因之一是联合创始人 Rio Popper 和 Clem von Stengel，他们围绕神经解码将随规模改进这一前提建立了 Conduit。

Conduit 的数据集是核心资产

Conduit 在一篇2025 年12月的技术帖子 中表示，六个月内已从数千名参与者那里收集了大约 10,000 小时的神经与语言数据。参与者在 Conduit 位于旧金山的办公室参加为期两小时的会话时佩戴定制的多模态头戴设备，与 AI 系统对话或打字。

Conduit 将神经记录与每位参与者产生的文本或音频配对。目标是训练模型以预测参与者准备说出或打字的语义内容。Conduit 表示，相关的神经时间窗口在参与者开始做出身体反应之前结束，旨在将潜在想法与随之而来的按键或言语区分开来。

10,000 小时这一数字以及 Conduit 声称该收集是全球最大神经—语言数据集的说法均为公司声明。Conduit 发布了三个涉及此前未见参与者的零样本预测示例，但尚未在同行评审论文中发布完整的模型评估。这些示例显示的是松散的语义匹配，而非逐字的思想转录。例如，“The room seemed colder” 被预测为 “there was a breeze even a gentle gust”。

Conduit 通过将多家供应商的传感器与 3D 打印组件结合起来，自行构建了头戴设备。公司表示训练用硬件重约四磅，设计侧重于数据密度而非日常使用。Conduit 表示，面向消费者的推理设备将需要更少的传感器和远轻得多的形态因素。

该初创公司的方法以跨人泛化为核心。Conduit 将参与者的参与次数上限设为10次，以防止重复访客主导数据集，并且其采集设置每天运行最长达20小时。到12月，Conduit 表示模型训练占用了其工作量的超过95%。

无创解码仍然是一个艰难的技术问题

学术界和企业界的研究已证明，无创记录可以恢复部分被感知、想象或打字的语言内容。2023 年的 Nature Neuroscience 研究 从 fMRI 记录中重建了连续语言的意义，尽管该实验只涉及三名受试者并且需要每个人的配合。

Meta 的 Brain2Qwerty 研究 在参与者打字记忆文本时，从 EEG 或 MEG 记录中解码出句子。2026 年6月的更新 在大约 9 名志愿者每人记录 10 小时、共计约 22,000 句的 MEG 数据上训练了一个更新的系统，MEG 是一种大型且昂贵的实验室仪器。

Conduit 押注于更广泛的参与者基础、若干神经感测方法和语言模型先验能弥合受控研究与可穿戴产品之间的距离。Bashkansky 表示，Conduit 的内部测量显示，预测质量相对于训练小时数的对数大致呈直线改善。该结果仍为内部测量，Conduit 尚未确定其期望在实际头戴设备中使用的传感器配置。

Bashkansky 的近期设想以有噪声的意图为起点，而非完美的转录。解码器可以推断出大致的命令，AI 模型则利用用户的上下文和历史来解决不确定性。这将使第一个商业目标更类似于对 AI 代理的预测性控制，而不是字面上的读心术。

她的加入为 Conduit 带来了一位在前沿 AI 实验室受训并亲自致力于让人类保持对高级系统控制的研究员。它也为她所加入并欲检验的技术论点设定了一个期限：Bashkansky 预计基于思维的 AI 交互将在未来几年内变得实用，而 Conduit 公共领域的证据仍主要由内部的扩展结果、一个大型专有数据集和少量演示组成。