AI不用你点赞，直接读脑电波学你喜欢什么

刷短视频时，手指划走的动作就是在告诉算法“我不喜欢这个”。现在有团队把这个反馈环节直接接到了大脑上。

@rahulchhabra07 公布了一套叫 RLNF（强化学习+神经反馈） 的训练方法：不用人手动打分、不用点赞点踩，直接从脑电信号里读出偏好，拿来训练AI。演示里最直观的例子是一张人脸照片，被试盯着看的时候，AI会根据脑电波实时把脸改成“对这个人来说更好看”的版本。

要理解这件事为什么不一般，得先看现在AI是怎么学“人类喜欢什么”的。过去主流做法叫 RLHF（基于人类反馈的强化学习）：AI做一个回答，人在旁边标“这个好、那个差”，模型慢慢对齐人的口味。这套流程的瓶颈很明显——人要花大量时间标注，而且人说出来的偏好，未必等于真实的偏好。

RLNF把中间这一步省掉了。@rohit4verse 点出了关键：“最疯狂的突破不是读心，而是把大脑本身变成奖励函数。” 也就是说，AI不再等你表态，而是直接解码你看到某样东西时大脑的反应。

这条推文在X上拿到了14.3万次浏览、265个赞，评论区的情绪分成两派。

@cgtwts 的反应很直接：“我们真的在靠近能读心的AI。”

@itsolelehmann 则往另一个方向想：“这简直是多巴胺成瘾的最终Boss——现在TikTok还得靠你点没点赞来猜你喜欢什么，以后它直接读你大脑觉得什么有吸引力。”

@andruyeung 想得更远：“这技术走得太远了，我好奇离纯靠脑信号跟设备交互还有多远。”

@omarsar0 从研究角度评价：“就像直接从大脑里拿偏好数据。”

这件事离普通人的生活其实没那么远。现在的推荐算法、AI聊天助手，本质上都在做同一件事——猜你喜欢什么，然后不断调整。区别是，过去它靠你点没点赞、停了几秒、划走还是看完。如果脑电信号真的能稳定解码偏好，这套“猜”的逻辑会被彻底改写。

但风险也跟着来了。神经技术本身已经被指出存在读取隐藏思想的可能，伴随伦理和监管问题。而AI训练还有一条铁律叫“垃圾进、垃圾出”——如果脑电信号里带了偏见，模型学出来的偏好也会带着偏见。

一个还没人回答的问题是：当AI能直接从大脑里读出“喜欢”，我们还能假装自己不喜欢吗？