作者：郑予东

图 1 在电影《阿凡达》中，主人公的意念与阿凡达的身体进行连接

脑机接口（BCI），又名脑机融合感知或大脑端口，是在人或动物脑（或者脑细胞的培养物）与外部设备间建立的直接连接通路，通过解码人类思维活动过程中的脑神经活动信息，构建大脑与外部世界的直接信息传输通路，在神经假体、神经反馈训练、脑状态监测等领域有广泛的应用前景。简单说，就是实现用意念控制机器。这意味着人与机器的主要交互方式，除了手工输入，以及近几年兴起的人工智能语音交互之外，还可以直接通过大脑向机器发指令。像电影《阿凡达》（见图1）中所展现的主人公利用意念操控阿凡达，实际上就是脑机接口技术，这是指在人脑与计算机等外部设备之间建立直接的连接通路。通过对于脑电信息的分析解读，将其进一步转化为相应的动作，这就是用“意念”操控物体的基本原理。

脑机接口的研究对运动、感觉等能力受损的群体具有非常重要的意义。近年来，强大的深度学习技术也被应用到脑机接口研究中，脑机接口也成为深度学习研究者的另一重要研究方向。现有的脑机接口一般分为侵入式接口和非侵入式接口。随着深度学习技术的迅猛发展，越来越多的研究者也开始尝试用神经网络进行脑机接口研究，其中既有对侵入式接口的研究，也包含对非侵入式信号的解码。侵入式脑机接口主要用于重建特殊感觉（例如视觉）以及瘫痪病人的运动功能。这类脑机接口通常需要植入到大脑皮层，因此信号质量较高。

2020 年 1 月份，《Science》杂志上发表了一项关于利用大脑信号进行语音合成的研究。研究人员选取了 5 位癫痫病患者作为研究对象，通过手术在其听觉皮层上植入电极（见图 2）。他们将电极输出的数据转换成计算机生成的语音，然后使用神经网络将其重建为人类能够听懂的单词和句子。这一研究对于失语者等无法自主发声的群体有着非常重要的意义。2020 年 5 月份，麻省理工学院的 3 位科学家也发表了一份利用深度学习进行脑机接口研究的成果，他们成功地用自己创建的人工神经网络控制了猴子大脑皮层的神经活动。研究者利用从神经网络模型中获得的信息，创建了特定的非自然图像（见图 3），然后将这些图像展示给实验中的猴子，结果发现，这些图像可以强烈激活他们选择的特定脑神经元。该实验表明，人类利用自己创建的人工神经系统成功控制了真实神经系统的活动。

图 2 用于治疗癫痫的 RNS 系统装备示意图

图 3 麻省理工学院的科学家用计算机生成的特定图像，这些图像与自然图像存在很大的差异

以上两种脑机接口研究都属于侵入式的。这种方式虽然信号质量较高，但也存在一些问题，如容易引发免疫反应和愈伤组织（疤痕），进而导致信号质量的衰退甚至消失。因此，如果能借助非侵入式方式（如脑电图）创建脑机接口可能会更加安全。

脑电图是一种利用电极记录大脑活动的非侵入式技术，但大脑活动和脑电图信号之间的关系非常复杂，如何“解码”成为困扰研究者的一大难题。2015 年，Kaggle 举办了一场关于脑电图（EEG）数据识别的竞赛，旨在检测 EEG 模式对应的特定手臂和手势动作，如抓取或提起物体。在以不同的方式预处理数据之后，参赛者需要设计一个神经网络来执行这种分类。这一研究领域的最终目标是开发平价、实用的假肢装置，通过大脑控制假肢，帮助截肢者恢复轻松进行基本活动的能力。类似的技术也可以应用于读取肌肉电信号，从而通过分析激活的肌肉来解码人试图执行的运动类型。

总而言之，脑机接口是一个非常前沿的科技话题，在这个领域，有定论的事实实在少之又少，科学界关于脑机接口的意见也难以统一。从目前看来，Neuralink 公司在脑机接口技术上的探索很有价值，但该技术是否能在短期内被大规模应用还要画上一个问号，毕竟能被识别的神经元信号还很有限，而且它还是个侵入式设备，大部分人应该不会想让自己的脑袋里多一个设备。人类在前沿科学领域的探索就像是摸着石头过河，也像是在黑夜中摸索着前行，我们不知道正确的路在哪个方向，但这不正是科学的魅力所在吗？