在涉及到脑机接口的这个领域，跟耗资巨大、成果却寥寥无几的圣殿会不同，有着“他心通”的赵青，可以直接感知常人的思维活动，实时解析对方的想法，自然是突飞猛进。

本小章还未完，请点击下一页继续阅读后面精彩内容！

短短几个小时内，她就搓出了一枚微型玄冰芯片，初步实现了它与特定神经的并联交互，令数名实验者在加减乘除上的运算速度提升了上万倍，接近或达到了计算器的水平。

实际上，就是在读取数据信息后由芯片直接计算出结果，然后输出“告知”负责该工作的众多神经元，抢先报出答案，让大脑在几乎无意识的状态下就能“灵光一闪”，涌现出一串准确的数据。

不过想要嵌入更复杂的运算，就有些困难了。

因为不同的人在想到开根号、开平方这些在自然界中不太直接的计算、或者说较为抽象的概念，神经信号可能有着显着的差别，需要兼容多种模型，重新设计。

作为后天建立起来的思维模型，这跟自然界本就存在的运动神经信号的高度相似性截然不同，毕竟前者属于进化出来的高等智慧，承载着人类的想象力、创造力和逻辑思维能力，后者仅仅是动物天生就有的本能。

随着运算符号的复杂程度不断提升，模型数量很可能将呈指数级增长，不亚于为每一片独特的雪花量身定制一副手套，到了前沿数学、物理的领域，恐怕得采用数以千万计的仿生神经元才能进行正常的信息交互。

值得一提的是，这种速算能力的提升，最好凭借着“直觉”当场报出答案，这样准确率最高，倘若慢慢思考，尽可能地“深思熟虑”，反而会增加出错的可能，其背后隐藏着神经网络系统的基础机制。

随着时间的推移，抢先作答的芯片在众多神经元中的权重不断下降，它的结果很可能不被信赖，让其他“愚蠢”的神经元给出的错误答案占据上风，使得正解淹没在海量的无效信息中。

好在根据赵青的推测，当芯片屡屡给出最正确的答案后，神经元们也会逐渐增加对它的信任度，自动优化突触连接，让芯片的权重比变得更高，成为区域性中枢般的存在，化身为“领导者”。

至于向大脑植入外界知识的芯片，根据赵青的评估，目前还有很遥远的距离。

单个神经元允许传输一串数字，但并没有传输具体语言的功能，必须得由大量神经元合作完成，实际上，神经对语言的传输是以“句”而非“词”为单位，这也是文字顺序常常不影响阅读的原因。

而芯片并没有能力让周围的神经元共同聆听它难以理解的碎片化“方言”，且按照其设想的路径“一句句”重新拼合补全。

初步评估，需要在目标大脑的额叶区和颞叶区建立起极其复杂的网络连接，进行成千上万场细胞级精度的手术，除了赵青亲自动手，没有第二个人可以做到。

不过，赵青也提出了两种可能的解决方案：

一是利用新生儿大脑的可塑性，在其语言中枢尚未完全形成时植入芯片，让相关脑区在成长过程中逐渐适应并解析芯片中的知识信息；

二是参考那些无脑人实验的经验，将体外培养的、已经训练好的神经元与芯片组合体植入大脑，以绕过自然形成的语言障碍。

如果只是输入视觉神经信号，那无疑要容易得多，但这跟AR智能眼镜没有本质的区别，并未涉及到记忆这一过程，仅仅提供转瞬即逝的视觉信息，并不足以让大脑真正记住并理解这些信息。

不过，即便是玄冰芯片刚刚实现的简单计算功能，也足以对社会带来许多的改变，产生广泛而深远的影响，毕竟几乎所有的复杂运算，都建立在简单计算的基础上，其应用可谓无所不在。

比方说，它可以让小学生们在学习数学时无需进行繁琐的基础计算练习，并在往后的许多考试中或多或少地节约时间，加快社会培养学生的速度，缩短每一个人的教育周期。