2023年元月30日 星期二， 晴 -15/-1。

零

治愈癌症是多年来人们的期盼，每有一点进步都会引来瞩目。当然每次都又以失望结束，并达不到想要的结果，集小胜以获得大胜，以时间换空间，看来任何重大问题不是一夜产生的，解决起来也不是一蹴而就的。

脑机接口不是我们这些科盲网盲可以理解的，至少不可以有参与的角色给我们。外行看个热闹开开眼可以，不要多嘴多舌，也不需要提供什么见解，只会添乱不会添彩的我们自觉地靠边站站，不要挡道添乱，要有自知之明，尽量跟上即可。

音乐艺术是最有感染力的艺术门类，喜爱者无数，雅俗共赏，一旦飞入寻常百姓家，人人都可以略施小技成就音乐创作，阳春白雪瞬间成为下里巴人，这是音乐的兴盛还是衰败，拭目以待。

一

人造DNA！癌症突破性治愈方式被发现。

东京大学的医学家找到了治愈癌症的突破性进展，那就是人造DNA。

东京大学的研究人员利用人工DNA在抗击癌症方面取得了突破性进展。在实验室测试中，该方法有效地针对并摧毁了人类宫颈癌和乳腺癌细胞以及小鼠的恶性黑色素瘤细胞。

该团队设计了一对化学合成的DNA，形状像发夹，专门用于杀死癌细胞。当注射到癌细胞中时，这些DNA对附着在某些癌症中过度产生的微RNA（miRNA）分子上。

这些DNA对附着在miRNA上后，解开并结合，形成更长的DNA链，激活了免疫反应。这种反应不仅消除了癌细胞，而且还阻止了癌症的继续生长。这种创新方法有别于传统的癌症药物治疗，希望能开创药物开发的新时代。

癌症是一种影响到全球数百万人的疾病。癌症是死亡的主要原因之一，2018年大约有960万人死亡。据估计，五分之一的男性和六分之一的女性在其一生中会患上癌症。

"这项研究的结果对医生、药物发现研究人员和癌症患者来说是个好消息，因为我们相信它将为他们提供药物开发和用药政策的新选择。下一步，我们将以这项研究的结果为目标进行药物研发，并详细研究药物的功效、毒性和潜在的给药方法"。

在提供治疗方法之前，这项研究仍有许多步骤要走，但该团队对核酸在新药发现方面的好处充满信心。

二

脑机接口技术又有突破性进展，马斯克合伙人研制大脑“第七层”。

进入2023年，作为科技最前沿的脑机接口技术仍处于资本风口。美国脑机接口公司Precision Neuroscience近日在其网站上公布最新科研进展，称该公司正在开发一种新的设备，旨在构建大脑人工皮层，以帮助瘫痪患者使用神经信号来操作数字设备。

Precision公司由马斯克脑机接口公司Neuralink的另外两名联合创始人Michael Mager和Benjamin Rapoport共同创立，该公司本周还宣布了新一轮超过4000万美元的B轮融资。

人类大脑皮层由六个细胞层组成，Precision的科学家和工程师所做的工作是在六层细胞表面再人工构建“第七层”皮质接口，以一种“半侵入性”的方式植入大脑中。公司称这意味着患有渐冻人症（ALS）等严重退行性疾病的患者将重新获得通过移动光标、打字甚至用意念的方式访问社交媒体与外界交流的能力。

与目前市场上从事脑机接口设备研发的企业相似，Precision公司研制的“第七层”设备本质上而言是一个柔性电极阵列，但它的特点在于超薄，厚度仅有头发丝的五分之一，与大脑表面贴合后而不易损坏脑组织。

这种半侵入式的植入设备介于深度脑植入与外部脑刺激设备之间。好处是可以减少侵入性外科手术对大脑的伤害（手术创口不到1毫米），同时对大脑信号提取的精准度要高于外部连接设备；但缺点是由于该设备是贴附在大脑表层，能够处理的大脑信号仅限于大脑皮层信号，无法提取大脑深层的控制记忆、情绪等高级认知的信号。

据公司介绍，Precision已成功使用“第七层”设备解码了动物的神经信号，未来几个月内有望获得美国FDA批准，在人体上测试该技术。

复旦大学光电研究院研究员宋恩名1月28日在接受第一财经记者电话采访时表示：“该类半侵入式的脑机接口产品优势体现在超薄的柔性结构与微创式手术安全性，其脑电信号的处理能力也受益于高精度技术和材料科学方面的突破。但任何植入大脑的设备在伦理方面都会面临巨大的挑战，生物本体大脑容易受到产品泄漏电流的潜在危害，因此在安全性和有效性方面都有待进一步的验证。”

在谈到柔性脑机接口产品面临的技术挑战时，宋恩名告诉第一财经记者：“理想的柔性材料应该具备两方面的特性，一是超薄柔软，这样能够避免对脆弱脑组织的损伤；二是要性能稳定，能够防止脑脊髓液的渗透以及材料植入后容易出现的滑移。”

宋恩名向第一财经记者介绍称 ，目前脑机接口公司研发的植入式柔性电极采用大多是金或者铂等金属导体，相应的柔性电子封装容易出现漏电问题，在应用安全性方面存在风险，而且在脑电信号采集方面信噪比较低。宋恩名团队提出了一种集成化硅基晶体管阵列的高通量脑机接口柔性电极，有望实现更长期的脑电信号记录。

“植入式脑机接口的微电极阵列可以让高时空精度脑电传感成为可能，而大规模硅薄膜晶体管可以实现高密度脑电信号放大功能。”宋恩名对第一财经记者表示。他还表示，团队正在研究一种生物兼容性更好的硅基可降解脑机接口系统，以优化脑机接口的信噪比以及解决植入失效后被取出所带来的二次手术风险。

大脑研究在很多方面都是现代医学的下一个前沿，而2023年也有望成为神经技术的“分水岭之年”，该领域从技术和资金方面都出现了积极势头。在国内，深圳脑科学技术公司应和脑科学近日宣布完成超亿元天使轮融资；在全球，除了Precision公司之外，脑机接口公司Synchron也于去年12月宣布获得7500万美元C轮融资。

三

Google：我能把文本变成音乐，但这个 AI 模型不能对外发布！

人工智能的春天已至，未来属于 AIGC。继业界出现 ChatGPT、Stable Diffusion 2.0、VALL-E 等聊天、图像、文本生成声音等模型之后，Google 最新带来了一种新的人工智能系统，让 AI 发力音乐圈，该系统可以在给定文本描述的情况下自动生成任何类型的音乐，为此，Google 还取了一个言简意赅的名字——MusicLM。

不过，值得注意的是，因为担心该系统存在一些潜在风险，Google 当前虽然已经研发了该系统，但暂时还没有对外公开发布它的计划。

MusicLM 的神奇之处

只闻其声不见其人，也为 MusicLM 带来了一些神秘感。不过，近日，Google 发布了一篇《MusicLM: Generating Music From Text》学术论文，揭开了 MusicLM 的面纱。

据论文介绍，MusicLM 是一个从文本描述中生成高保真音乐的模型，它将有条件的音乐生成过程描述为一个层次化的序列到序列的建模任务，其生成的音乐频率为 24kHz，在几分钟内保持一致。

层次化的序列到序列的建模任务

在业界，MusicLM 并不是第一个 AI 音乐生成器，也正如外媒 TechCrunch 指出的那样，此前 Google 推出的 AudioML 和 OpenAI 的 Jukebox 等项目都已经实现了音乐生成功能，那么，MusicLM 到底特别在哪里？

其实，MusicLM 的与众不同主要体现在以下几点：

1MusicLM 的训练数据无可比拟

上述提到的几种模型往往由于技术限制和有限的训练数据，无法制作出作曲特别复杂或高保真度的歌曲。

相比之下，MusicLM 是在 280，000 小时的音乐数据集上进行了训练而成，由此可以帮助模型本身创造出令人称奇的多样性、深度的音乐。

2MusicLM 可以直接根据文本提示生成长达几分钟的音乐片段

只要提供一段描述，MusicLM 模型可以文本自动生成符合场景的音乐，譬如提供的描述如下：

雷鬼舞曲和电子舞曲的融合，具有太空般的、另一个世界的声音。诱发在太空中迷失的体验，音乐将被设计为唤起一种奇迹和敬畏感，同时又是可舞蹈的。

自动生成的音乐如下：

3MusicLM 模型还可以基于已有的旋律转换为其他乐器，甚至模拟人声

除了以上，Google 研究人员表明，MusicLM 还可以建立在现有的旋律之上，即无论是哼唱、演唱、吹口哨还是在乐器上，MusicLM 都可以继续创建音乐。

与此同时，根据官方提供的示例显示，MusicLM 模型能够按顺序编写多个描述（例如“冥想时间”，“醒来时间”，“跑步时间”，“100% 给予时间”），并创建一种以“故事”或长达几分钟的叙事为背景的旋律，这种非常适合电影配乐。

譬如，想要一个以下叙事内容的背景音乐：

电子游戏中播放的歌曲 （0：00-0：15）

在河边播放的冥想歌曲（0：15-0：30）

火 （0：30-0：45）

烟花 （0：45-0：60）

MusicLM 在理解了文本内容之后，生成的旋律如下所示：

MusicLM 也能通过图片和文本描述的组合进行指导，或生成由特定类型的乐器“播放”的音频。甚至可以设置 AI “音乐家”的经验水平，系统可以创作受地点、时代或要求启发的音乐（例如锻炼的励志音乐）等等。

基于以上，很多网友在了解论文以及通过示例观摩之后，给予了高度评价：

哇，这对我来说比 ChatGPT 还有吸引力。

我会说，谷歌几乎解决了音乐生成问题。

Google 研究员表示，「实验表明，MusicLM 在音频质量和对文本描述的遵守方面都优于以前的系统。」

MusicLM 的不足

不容忽视的是，MusicLM 还有一个强大之处就是可以模拟人声。

不过，MusicLM 当前还并不是一个成熟的模型，就以模拟人声为例，虽然它可以正确处理声音的音调，但是质感还存在一个问题。此外，很多自动生成的“歌词”有些含糊不清，也许有点像某人在哼歌，也许好像在听英文歌，但实际上或许并非如此，听众甚至会一度怀疑自己的耳朵听到的究竟是什么。

Google 的担忧

整体而言，这些由 AI 生成的歌曲听起来像是人类艺术家可能创作出来的，普通听众往往难以分辨到底是 AI 创作还是人类创作。

或也正是基于这一方面的考虑，Google 在开发这款模型之际也犹豫了，在论文中，其表示，“我们目前没有发布该模型的计划”。

具体原因和此前面对 ChatGPT 强大的竞争压力时，Google 谨慎的态度一样，其担心像 MusicLM 这样的模型将会带来许多道德挑战，包括将训练数据中的受版权保护的材料合并到生成的歌曲中。

在一项实验中，Google 研究人员发现系统生成的音乐中约有 1% 是直接从其训练的歌曲中复制的，这个阈值显然足以阻止他们以当前状态发布 MusicLM 这款模型。

“我们承认与用例相关的创意内容可能有会被盗用的风险，”该论文的共同作者写道，“我们强烈强调，未来需要开展更多工作，以应对与音乐创作相关的这些风险。

不过，Google 也表示，它正在公开发布一个包含 5500 个音乐文本组成的数据集 MusicCaps，其中有人类专家顾问提供丰富的文本描述，有助于训练和评估其他音乐 AI。也许在不久的将来，待 Google 摸出合适的道路，我们可以真正地一见 MusicLM 的风采。