AI 可能真的要学会「读心术」了。
只需要戴上一副脑电设备，随便看几张图片。哪张让你眼前一亮，哪张让你毫无波澜，甚至是那些连你自己都说不清楚的审美偏好，都可能被 AI 悄悄捕捉。
最近脑机接口研究公司 SabiResearch 发布了《ReinforcementLearningwithNeuralFeedback》，提出了一个新的强化学习的方法：RLNF（神经反馈强化学习）。
用脑电信号训练 AI 读懂偏好
以前 RLHF 是要人告诉 AI 什么是好的，而现在 RLNF 则试图通过人的脑电波来得到答案。
要了解一个人的审美喜好，最好的方法就是让他用语言来表述自己的感受，或者是通过量化统计表来进行测定。
这是 RLHF （人类反馈强化学习）经常采用的方法，研究者会把人对于模型结果的评价作为输入来训练奖励函数，并且用强化学习来提升人工智能的表现。
但是问题在于，人对于事物的好恶很难用分数来衡量。特别是审美上，「喜欢」或者「不喜欢」，并不一定代表真实的感受。
2026 年 10 月，脑机接口研究机构 Sabi Research 发布了《Reinforcement Learning with Neural Feedback》一文，并且提出了 RLNF（神经反馈强化学习）的概念，尝试通过 EEG（脑电图）捕捉人类的隐性偏好，将神经反应转化为 AI 可以学习的奖励信号。
如果说 RLHF 是吃了一道菜之后让顾客做一份满意度调查的话，那么 RLNF 就相当于在品尝的过程中根据顾客的身体反应来判断他的喜好。
为了验证这一想法，研究人员找来 5 名受试者，安排了一项简单的任务：看脸。
受试者看各种各样的人脸照片，然后给这些照片打分，从 1 到 7 分。同时研究者们也收集了被试者的脑电图以及眼动数据。
研究小组增加了一个受试者的数据采集数量、延长了面孔出现的时间并且着重研究了各个频率段上的脑电波活动。其中 Alpha 波是频率在 8 到 13 赫兹之间的脑电活动，和视觉注意力、信息加工等功能有关。
研究表明，在受到评分高的人脸图像刺激之后，两人的大脑后区的 Alpha 波功率会降低。比如受试者 05，在他给出的 50 张面孔里，有 33 张对应的后部 Alpha 波功率低于平均值，平均下降了 18.7%。
随后，研究团队结合脑电和眼部信号，训练针对每个人的偏好解码器，判断他们更可能给一张面孔高分还是低分。
结果显示，5 名受试者单次试验的 AUC 达到 0.62—0.76；平均 10 次试验的信号后，提升至 0.80—0.98。AUC 是用来评价区分能力的一个参数，0.5 就是随机猜中了，而数值越大表示效果越好。
这组结果意味着，即使一个人没有明确说出自己喜欢什么，他的脑电和眼部活动中，也可能已经留下了与个人偏好相关的线索，人们还没有说出口的喜好也可以从神经和生理上得到体现。
更重要的是，研究人员识别到的可能不只是「大家公认的好看」，而是「某个人眼中的好看」。
但是目前的试验只涉及了五位参与者，并且主要是为了检验人们对人脸审美的判断。脑电信号也会受注意力和眼球运动的影响，不能把某一种脑电变化简单地当作“喜欢”。
由「千篇一律」变为「千人千面」
打开短视频 App，算法会根据观看时长、点赞、划走等行为，判断你可能喜欢什么。
但是 Sabi 想要解决的问题并不是这样的，人工智能除了要了解大众的喜好之外，还要学会根据每个人的不同来制定他们自己的「个性」。
这就是生成式人工智能在后训练中所遇到的问题。
Sabi 在文章里提到，强化学习可以有效地提升模型的推理以及工具使用的水平，但是对于审美、语气、表达方式等等这些无法用数据来衡量的特点，奖励的设计就变得非常困难了。
当模型不断地获得群体偏好的奖励之后，输出就会慢慢趋向于大众更容易接受的风格，失去原有的多样性，并且最后变成千篇一律的「AI Slop」。
所以 RLNF 的重点并不是使人工智能去判断美与丑，而是在于把人的神经反馈变成奖励来训练模型，使它能够根据不同的用户喜好来创作出各种各样的作品。
研究者们首先用 ArcFace 的人脸模型把所有的面孔都变成了数字向量，然后把面孔特征和对应的神经反馈分数组合在一起。对每一个被试者来说，研究人员用 420 张带有神经反馈分数的参考面孔来创建个人奖励数据库。
之后，每产生一个新的面孔时，系统就会提取该人的特征，并从数据库里选出相似度最高的 40 个参考面孔进行加权计算来确定奖励金额。
这里有个重要细节，RLNF 并不是让用户一直戴着脑电设备，实时给 AI 生成的每一张图片打分。研究人员首先根据真实的神经反应来构建一个人工的奖励模型，然后把这个模型用来给新的生成结果打分。
有了奖赏之后，人工智能就可以做强化学习了。
Sabi 用 GRPO 强化学习的方法来对 FLUX.2 Klein 4B 图像生成模型做后训练。
一共进行了 5 轮，每一轮产生 32768 张训练图片，总共大约有 16.4 万张。
对于每一个受试者，研究人员都分别训练出两种类型的模型：一种是向喜欢的脸型方向优化，另一种则是向不喜欢的脸型方向优化。
最后，模型就真的改变了。
以 05 号受试者为例，在进行了五轮训练之后，朝着喜欢的方向进行优化的模型，在保留测试提示词上得到的神经反馈奖励提高到了 0.335 个标准化单位。
它意味着，模型不仅学会了获得更高的神经奖励，生成结果的变化也与受试者本人主动表达的喜好一致。
不过，AI 学会了个人偏好，也不代表万事大吉。
在一些实验的结果里，朝着不被喜欢的方向优化的模型会生成更加年长的面孔，女性会出现更多的皱纹以及比较瘦削的脸颊线条，而男性则更易产生皱纹与胡须。
研究人员通过在提示词中明确指定年龄，缓解了这种偏移。而当他们继续放大 LoRA 微调权重时，生成面孔的多样性又显著下降。
这意味着，从迎合大众平均审美转向学习个人品味，并不会自动解决 AI 内容同质化的问题。如果过度优化某种奖励，模型仍可能反复生成相似的结果。
让 AI 深度了解你
在 2025 年举办的红杉资本 AIAscent 活动中，OpenAI 首席执行官 SamAltman 提出了一个非常大胆的想法。他希望未来能有一种拥有万亿 Token 上下文的小型推理模型，容纳一个人几乎一生的信息。
在 Altman 描述的理想状态中，让 AI 记住足够多关于你的信息，从而更好地理解你。
Sabi 的研究从另外一个角度来看待这个问题。除了你所说的和做的之外，人工智能还可以根据生理信号来了解在面对各种各样的东西的时候你会产生什么样的感觉。
2025 年 9 月，Meta CEO 马克·扎克伯格发布了一款叫做 Meta Ray-Ban Display 的智能眼镜，并且还推出了一个叫做 Meta Neural Band 的手环来搭配使用。
它是用 EMG（肌电图）技术来实现的，即通过检测手腕处肌肉运动所产生的一系列电信号，并把这些微小的手指动作转换成点击和滚动等功能。
Meta 公布了有关该技术的研究人员有将近 20 万之多。它旨在使用户不需要经常拿出手机或者每次都去触碰屏幕就可以对数字设备进行操作。
Sabi 在文中还提出了一个更加富有想象力的想法。未来的可穿戴脑机接口可能会和摄像头、麦克风等等传感器一起使用，把人脑的活动跟外界的刺激联系起来。
比如说，在你听一首歌的时候，系统除了知道你听的是什么之外，还会试着去分析你在各个段落里产生的生理反应，并且慢慢建立起一个属于自己的音乐喜好模型。
不过，这仍属于未来应用设想。当前实验只有 5 名受试者，主要验证面孔审美，尚未证明可以持续识别音乐、文字等复杂偏好。
更深层的问题是隐私。
2024 年，NeurorightsFoundation 发布了大约一百页左右的报告来研究三十多家消费级神经技术公司所采取的数据保护措施。报告显示有 29 个企业可以接触到消费者的大脑信息，并且没有对这种接触进行任何有意义的限制。
但是当设备能够长时间的记录神经活动并且把它们和外界刺激联系在一起的时候，公司就可以得到另外一种更加敏感的数据了。
用户要做的除了决定是否分享神经数据之外，还要弄清楚这些数据可以用来推测出什么样的结论，并且是否能够拒绝再利用。
一个真正了解你的 AI，也必须让你拥有决定它可以了解多少的权利。
