脑机接口:挑战在于非侵入地准确读取脑内信号,又如何传回脑内( 二 )


在过去的十年里 , 人类对兼具复杂性、先进性的算法及系统的开发 , 使得开发真正的脑机器接口成为可能 , 而对检测大脑信号方法的改进正在创造更高质量、更详细的数据 。 在人工智能和机器学习的支持下 , 更先进的分析处理能力将有助于更好地解释信号 , 同时 , 其他技术的改进使大脑数据能够更精确地转换为动作 。 这让脑机接口在几个领域产生影响 , 包括与人类健康息息相关 , 用来恢复听觉或视觉的神经假肢等 。
麦肯锡《The Bio Revolution Report》研究显示 , 在接下来的 10 到 20 年中 , 脑机接口产业在全球范围内每年直接产生的经济规模可达 700~2000 亿美元 。
神经功能修复将人类神经系统与计算机连接起来 , 从而通过提供对假肢的控制 , 以恢复失去的感觉功能 。 其中 , 耳蜗听觉植入设备的发展较为成熟 , 自 20 世纪 80 年代后期以来就已被使用 。 同时上述技术也处于不断改进的过程中 , 包括更复杂的听觉信号处理分析以提高对声音和语言的识别能力等 。
在过去的 20 年里 , 仿生视觉有了长足的发展 。 例如 , SecondSight 公司开发了一种名为 Argus II 的视网膜植入物 , 该植入物已经恢复了患者的感知功能 , 包括辨别形状、感知光线 , 在某些情况下 , 患者甚至可以获得阅读书籍等印刷品的能力 。 该项技术已经获得欧盟和美国 FDA 的批准 , 目前已广泛应用于临床 。
对于失去四肢、或四肢完整但因神经系统损伤而失去控制的患者 , 用于运动控制的神经假肢已经取得了重大进展 。 现在 , 研究人员正在开发神经假肢 , 从病人大脑中植入的芯片接收信号 。 此外 , 先进的运动控制神经假肢正在开发中 , 可以将假肢的信息直接输入大脑 , 创造一种触觉 , 从而更好地控制运动 。
脑机接口:挑战在于非侵入地准确读取脑内信号,又如何传回脑内
本文插图

(来源:麦肯锡 The Bio Revolution Report)
虽然最先进的脑机接口技术正广泛应用于医疗保健领域 , 但研究表明 , 其中许多应用方向仍不太可能在未来十年内实现商业化 。
出现上述情况的根本原因是脑机接口技术所面临的挑战仍未得到解决 。
“对于整个领域来说 , 每一项具体功能的实现都有正在面临的挑战”
“脑机接口”( BCI)的定义 =“脑”+“机 “+“接口” 。 是一种连接大脑和外部设备的实时通信系统 。 BCI 系统可以把大脑发出的信息直接转换成能够驱动外部设备的命令 , 并代替人的肢体或语言器官实现人与外界的交流以及对外部环境的控制 。 换言之, BCI 系统可以代替正常外围神经和肌肉组织 , 实现人与计算机之间或人与外部环境之间的通信。 可见“把大脑发出的信息直接转换成能够驱动外部设备的命令” 是脑机接口系统的工作重点 。
以神经假肢为例 , 了解人的大脑如何控制肢体的运动是研究基础 。 李金星谈到 , 人脑的运动皮层是发起运动行为的司令部 , 把运动皮层的神经信号转化成电信号 , 并控制肌肉运动是神经假肢的作用原理 。 其中 , 发出的神经信号是脉冲信号 , 但肌肉发力的大小是幅度信号 , 重点就在于如何读取 “脉冲信号” 并通过算法转化为精确的“幅度信号” 。 “如果要制造人工神经控制肌肉运动 , 需要把运动皮层的信号给读取出来 , 转化为不同大小的电信号去精确的刺激每一块肌肉 , 并根据实际环境调整动作 , 才能产生可控的运动行为 。 ”
上述步骤分为四个模块:信息采集、信息分析、再编码、反馈 , 每一个部分都有属于自己的研发重难点 。
就信息采集而言 , 从目前的研究水平来看在评估某种信息采集手段优劣时需要考虑三个方面的标准:规模——可以记录多少神经元;分辨率——这个工具接收到的信息的细致程度 。 这里所说的分辨度可以分成两种:空间上的分辨率(能否细致记录单个神经元的触发情况)和时间上的分辨率(能否确定你所记录的活动的确切发生时间) 。


推荐阅读