Alvelda協助組織了一個研究項目，開發可植入人體的神經-電接口(neural-electrical interface)；他最近還創立了一家公司，其遠大目標是打造數字版本的海馬回(hippocampus)與小腦(cerebellum)。他在專題演說中表示，研究人員現在已經可以追蹤高達150萬個神經元中的訊號，也就是一只老鼠的整個大腦皮質：“我們能將一個影像放在老鼠面前，然后讀取老鼠的大腦運作程序…以著手解開實際的神經編碼。”

“信息在大腦中是如何被編碼，仍是未解之謎；也許那并不是一種訊號編碼或是切換(就像是今日計算機中所使用的)，而是基于多個訊號抵達一個共享頻道的相對時間；”Alvelda指出，神經信息論(neural information theory)的研究是從2009年左右展開。

而他也指出，今日的深度學習系統如Amazon的Alexa、IBM的Watson以及Facebook的卷積神經網絡(CNN)等相對較為孤立(siloed)，無法推廣至他們自己的領域之外：“我們的學習系統需要一個通用的、與感測和記憶整合相關的編碼。”

其他與會專家也同意，與大腦估計耗電僅30W、相當于GFlops等級運算的能力相較，今日的神經網絡相對較粗陋。曾參與設計Microsoft最近發表之Brainwave機器學習系統的資深計算機架構師Doug Burger表示：“大腦建立于我們只理解了一部份的運算模型上，所有這些深度學習方案都是朝著不同的方向前進。”

“我們需要突破性技術，回歸到生物性運算模型，或是投資其他新的模型、找到新的摩爾定律(Moore’s law)；”Burger在Hot Chips大會上接受采訪時表示：“生物性模型的優勢在于我們知道某一種已經存在的，但我們還不知道深度神經網絡有多少數字余量(digital headroom)。”

而Alvelda則認為，海馬回扮演的角色是大腦的積分器(integrator)，將子AI (sub-AIs)整合到元AI (meta-AIs)中；他創立的新公司Cortical.ai就是想打造這樣的系統。這家公司還很新，連總部辦公室都還沒有；其目標還包括打造模仿人腦的小腦之預測性系統。

“只在過去幾年內，我們就已經知道小腦擁有比人腦其他部份更多的神經元，所以小腦不只是用來做為運動控制的精細化；”他表示：“小腦與整個人腦相連，現在被認為有助于預測認知過程的未來狀態。”例如知道如何接住一顆球。

神經工程產業誕生

Cortical.ai的工作在很大程度上依賴Alvelda協助美國國防部高等研究計劃署(DARPA)展開的一項研究項目──神經工程系統設計(Neural Engineering System Design，NESD)；該項目是美國前任總統奧巴馬(Obama)的人腦計劃之一部份，目標是在三年內開發鏈接神經與電子的可植入式接口，期望可利用現有技術達成的方式，對人腦輸入較高質量的視覺與音頻數據，恢復用戶的視力與聽力。研究人員想要將透過光學鏈接，將視覺數據傳遞給大腦（來源：EE Times）

“所有讓這種接口可行的技術都有了，但卻是由不同的公司或大學主導掌控；”Alvelda表示，為了NESD項目，他拜訪了80個實驗室并主持了好幾場工作坊，而這項研究將可利用在廣泛的技術上，包括薄型化的CMOS電子探針數組、光子、生物兼容封裝，以及基礎神經科學。

“我們正在培植發展十分快速的神經工程產業，我們已經有幾百家機構以及數百位參與者──我們已經成功催生了一個新產業；”他指出，Tesla的創辦人Elon Musk還有一群包括Google在內的公司，在這個產業領域投資了約7億美元。

在NESD研究項目的基礎上，Alvelda表示新創公司Cortical.ai的目標是，讓思想突破肉身的限制而釋放，例如可以想象一種虛擬現實(VR)技術，能直接寫入人的感官；這種能力將帶來廣泛的影響：“如果電信業者與媒體能直接接觸你的思想、感情與感官，會是什么樣子？”他也曾經創辦過一家智能型手機廣播服務公司MobiTV。

Cortical.ai的愿景恐怕非常昂貴，但是Alvelda看好將AI系統結合在一起的潛力，期望將能提供“數字版本的同理心(empathy)”，也就是倫理與信任的基礎：“到時候AI會變得真正強大。”