在未來，你或許無需動一根手指就能使用智能手機或電腦。這是因為使之成為可能的技術(shù)——腦機接口(BCI)已經(jīng)取得了快速發(fā)展，它有可能讓人們用意念控制設(shè)備。
腦機接口的研究主要是為了幫助殘障人士，尤其是那些無法進行交流的人(https://www.embs.org/pulse/articles/breakthroughs-in-brain-implants/)。這項研究已經(jīng)取得了巨大的突破，例如最近的一項成果使得一名患有肌萎縮側(cè)索硬化癥(ALS，一種也被稱為盧伽雷氏癥的退行性疾病)的癱瘓男子能夠說話(https://www.nih.gov/news-events/nih-research-matters/brain-computer-interface-helps-paralyzed-man-speak)。腦機接口也被用于幫助截肢者控制機械臂。
IEEE高級會員Santhosh Sivasubramani表示：“腦機接口正在顯著改善醫(yī)療效果。它們?yōu)槎喾N病癥提供了新的治療選擇，包括幫助中風(fēng)幸存者重新獲得行動能力和獨立性。這些技術(shù)提高了許多人的生活質(zhì)量。”
基礎(chǔ)研究
1929年，隨著腦電圖(EEG)技術(shù)的發(fā)展，研究人員首次開始探索腦機接口這一概念(https://ieeexplore.ieee.org/document/10188493)。測量人類大腦電脈沖的能力讓一些人開始思考，是否有可能從這些電信號中解讀人們的意圖。20世紀(jì)60年代，研究人員進行的實驗表明，可以訓(xùn)練猴子和貓減緩它們的腦電波節(jié)奏以換取食物。這一系列研究引出了新的問題。如果動物能夠控制它們大腦中的電脈沖，那么這些脈沖能否被用于控制物體呢?
到1988年，這個問題的答案是肯定的。馬其頓斯科普里智能機器與生物信息系統(tǒng)實驗室的研究人員利用腦電圖儀(EEG)發(fā)出的信號控制了一個機械臂(https://ethw.org/Milestones:First_Robotic_Control_from_Human_Brain_Signals,_1988)。然而，發(fā)展并非一帆風(fēng)順。其他研究人員花了11年才重現(xiàn)這一壯舉。
腦機接口(BCI)的組成部分
一個腦機接口需要三個主要部分。首先，它需要一種獲取大腦信號的方式。其次，它必須對這些信號進行處理或者解讀。最后，它需要將信號發(fā)送到計算機或設(shè)備(如機械臂或輪椅)上，以實現(xiàn)某些操作。
大腦信號觀測
腦機接口最突出的形式依賴于非侵入性方法來測量電活動，通常是通過放置在頭皮上的傳感器。
最常見的腦機接口(BCI)使用非侵入性方法來測量大腦中的電活動。這通常是通過放置在頭皮上的傳感器來完成的。
非侵入性方法無法深入大腦，它們的信號可能不是很強，這可能會限制它們的有用性。但它們對患者來說通常更安全。
在過去20年里，也開發(fā)出了侵入性方法，這種方法需要通過手術(shù)將傳感器直接植入大腦。最著名的侵入性設(shè)備被稱為猶他陣列(Utah array)，它使用100個電極，深入大腦外層約1毫米。它推動了該領(lǐng)域的許多重要突破。
侵入性方法存在感染等風(fēng)險，因為它們使用一根穿過顱骨的電線來傳輸數(shù)據(jù)和電力。因此，這種方法并不十分常見。截至2023年，只有大約50人接受了神經(jīng)植入物(https://spectrum.ieee.org/synchron-bci)。
最近，出現(xiàn)了第三種選擇：微創(chuàng)植入物。這些植入物允許醫(yī)生通過顱骨上的小切口，甚至通過通向大腦的靜脈在大腦中放置電極。這種方法在降低侵入性腦機接口的醫(yī)療風(fēng)險的同時，還能提供比非侵入性腦機接口更好的信號質(zhì)量，從而達到了很好的平衡。
半導(dǎo)體行業(yè)的貢獻
腦機接口的快速發(fā)展依賴于其他領(lǐng)域的進步，例如半導(dǎo)體行業(yè)。
IEEE高級會員Eleanor Watson表示：“半導(dǎo)體制造技術(shù)如今正應(yīng)用于醫(yī)學(xué)領(lǐng)域，從而能夠制造出極小的電極。薄膜微電極陣列現(xiàn)在可以貼在大腦皮層表面而不穿透它，提供了一種侵入性更小的選擇。”
其他的進步包括利用人工智能改進腦機接口(BCIs)解讀大腦信號的方式。
人工智能在腦機接口(BCIs)中的作用
當(dāng)腦機接口(BCI)測量大腦中的一個信號時，它必須將該信號轉(zhuǎn)換為指令以控制外部設(shè)備。然而，這個過程并不容易。
一個原因是大腦通常同時在做幾件事情。例如，當(dāng)大腦發(fā)送信號來移動機械臂時，它可能也會發(fā)送眨眼或呼吸的信號。
人工智能(AI)越來越多地被用于幫助減少大腦信號中的額外“噪音”。但人工智能的作用不僅僅是減少噪音。它有助于從原始大腦信號中挑選出重要的模式，這對于理解用戶想要做什么至關(guān)重要。人工智能還通過分析這些模式對用戶的意圖進行分類。利用監(jiān)督學(xué)習(xí)，人工智能模型在大腦活動數(shù)據(jù)上進行訓(xùn)練，這樣它們就能學(xué)會準(zhǔn)確預(yù)測行為。
超越治療范疇?
雖然腦機接口研究的主要焦點是醫(yī)學(xué)應(yīng)用，但在不久的將來，這些技術(shù)也可能對其他領(lǐng)域產(chǎn)生影響。不過，該領(lǐng)域仍處于起步階段，這意味著用腦玩電子游戲的日子還很遙遠。
盡管如此，仍存在一些近期的益處。
Watson表示：“科學(xué)研究將受益匪淺，因為腦機接口在各種狀態(tài)和條件下提供了有關(guān)大腦功能的寶貴數(shù)據(jù)。在輔助技術(shù)領(lǐng)域，腦機接口可以幫助殘障人士更有效地與設(shè)備及其周圍環(huán)境互動。在改善人機交互方面也存在潛力，腦機接口可能提供控制計算機或其他設(shè)備的新方法，將我們的大腦與機器相連，也許還能提高我們的認(rèn)知能力、專注力和情緒。”
“盡管存在這些潛在的應(yīng)用，但很明顯，目前腦機接口(BCI)研究的重點仍然堅定地放在醫(yī)療和治療用途上，在現(xiàn)階段的發(fā)展中，其他潛在應(yīng)用屬于次要考慮因素。”
