2021年，马斯克旗下脑机接口公司Neuralink公布了一段猕猴玩电子游戏的视频。画面显示，猕猴先是操控金属杆将光标移至屏幕橙色方块处，然后脱离操作杆用意念玩起了电子乒乓球游戏。该技术一经展示，立刻引起了轩然大波。

难道黑客帝国中的场景就快要实现了吗？是不是我们也可以“机械飞升”，化身成为“赛博格”了呢？以后打游戏真的是从“有手就行”到“没手也可以的”了？甚至可以开始幻想“不带脑子上班”的可能性了。

那么，脑机接口有啥用？直接用脑子控制机器和用手控制有什么区别吗？

一、脑机接口究竟有什么用？

传统的字符输入是通过中枢神经系统、外周神经和肌肉通路，使肌肉产生动作，利用键盘向计算机输入字符，说人话其实就是“打字”。

但脑机接口（Brain-Computer Interface，BCI），我们就可以绕过外周神经和肌肉，让脑电信号直接向计算机输入字符。

打个比方，受试者首先在大脑中想象输入“您好”两个字，经EEG信号采集、预处理、特征提取，然后通过选择、特征解码，进一步形成输出指令，并在显示器上显示“您好”。此外，通过把结果和受试者的设想进行对比，进一步调整执行心理任务的策略，反馈优化BCI系统的解码精度。

图片来源：pixabay

这样一来，脑机接口成为了最直接地将大脑中的信息传递到外部设备的方式了。

BCI技术最初的目的，就是为一些失去肢体的残疾人，建立一个大脑直接与外部世界交流的渠道，以改善、提升他们的生活质量。

二、脑机接口的分类

依据不同的分类标准，可以将 BCI分为不同的种类。根据信号采集方式，可以分为无创式BCI（非侵入式）、微创BCI（半侵入式）和有创 BCI(完全侵入式)。

这三类的入侵程度就是指传感器植入到身体（主要是大脑）组织的开创程度而定，而他们各有优劣。

无创式 BCI 是将传感器放置在头皮上或与头皮有一定的间隔，在头皮上采集信号，对受试者大脑无创伤，如基于脑电信号、脑磁、功能磁共振成像、功能性近红外光等技术的 BCI。但是这种技术采集的精度和准确性较差。

微创式 BCI 指将传感器植入硬膜上/下，在皮层上采集信号，对受试者有轻微创伤，如基于皮质脑电图的BCI。

有创式 BCI 则是指将传感器植入大脑皮层，在皮层内采集信号，对受试者有较大创伤，如基于局部场电位的 BCI。半侵入式和完全侵入式的采集效果的因为直接作用于内部，所以受到的干扰波少精准度比较高。

根据BCI 编码/范式可分为单一范式BCI 和混合范式 BCI。根据信号流向，又可分为输出式、输入式和双向闭环 BCI……根据 BCI 系统是否要求用户做特定的心理活动或提供特定的外部刺激，可分为主动式、被动式和反应式 BCI。

虽然分类繁多，但是目的都是建立人脑与机器之间的连接。

2019年4月，加州大学旧金山分校的研究团队基于脑机接口技术设计了一种新型的神经解码器。该解码器能够通过提取大脑皮层活动，对发声器官的运动情况来实现语音合成。不仅如此，研究者进一步发现，即便是受试者“默读”句子，这样的解码方式也能够实现语音的合成。这表明该系统有望潜在应用于不能发出声音的人。这些研究成果展现出通过脑机接口技术帮助患者恢复口语交流能力的临床可行性，并发表在《Nature》上。

三、脑机接口的价值与隐忧

随后的2019年7月，该研究团队在同样的实验系统上展示了基于高密度皮质脑信号的模拟自然问答对话系统。通过对记录的脑信号进行分析，能够确定受试者何时在听、何时在说，并且能够预测所听或所说的是什么。由于特定的问题只可能对应特定的答案，所以在这一系统中，研究者根据解码后的问题来动态更新答案的先验概率，从而实现了更为准确地回答内容解码。该系统对于生成语音和感知语音的解码准确率分别高达61%和76% 。这一成果表明脑机接口技术可以在交互式对话环境中实时解码语音，对于无法交流的患者具有重要意义。

不仅如此，脑机接口在触觉、运动恢复和心理检测上也有着不错的应用前景。不过对此，很多人也担心输入式和双向闭环 BCI 会对人们的精神、情绪和运动造成一定伤害。比如是否会基于BCI技术开发跟踪和标识功能？ BCI 技术是否会用于审讯？是否会利用 BCI 技术动态监测被审讯人的大脑状态？

科学进步的同时，随之而来的伦理问题，也是科技进步路上需要解决的一道难题。

参考文献：

[1] 王继龙. 多类运动想象脑电信号识别方法研究及其在AR场景中的应用. 长春： 东北电力大学， 2021.

[2]李静雯， 王秀梅. 脑机接口技术在医疗领域的应用. 信息通信技术与政策， 2021, 2021(2): 87-91.

[3] Benabid A L, Costecalde T, Eliseyev A, et al. An exoskel⁃eton controlled by an epidural wireless brain –machineinterface in a tetraplegic patient: A proof-of-conceptdemonstration[J].TheLancet Neurology, 2019, 18(12):1112-1122.

[4] He Y, Eguren D, Azorín J M, et al. Brain-machine inter⁃faces for controlling lower-limb powered robotic systems[J]. Journal of Neural Engineering, 2018, 15(2): 021004.

文章由科普中国-星空计划（创作培育）出品，转载请注明来源。

作者：超离谱科技 科普团队

审核：陶宁 中科院生物物理所 副研究员

来源: 星空计划

内容资源由项目单位提供