上次是馬斯克Neuralink公司實現(xiàn)了猴子用意念控制光標打游戲。這次，斯坦福大學、霍華德休斯醫(yī)學研究所（HHMI）、布朗大學等團隊用BCI實現(xiàn)了癱瘓患者將腦中的“筆跡”轉化成屏幕字句。

“這項研究代表了BCI和機器學習技術發(fā)展的重要里程碑，相關研究正在揭示人腦如何控制像通訊這樣復雜的過程，為改善神經(jīng)損傷和癱瘓者的生活提供了重要基礎?！泵绹鴩⑿l(wèi)生研究院腦科學計劃主任約翰恩蓋博士在接受媒體采訪時說道。

研究人員開發(fā)了一種皮質內BCI，首次對癱瘓患者書寫字母相關的神經(jīng)信號進行遞歸神經(jīng)網(wǎng)絡解碼，然后在電腦屏幕上實時顯示這些字母的打字版本。

相關研究以《通過手寫實現(xiàn)高性能意識文本轉換》為題發(fā)表在《自然》，并且登上《自然》封面。該研究為BCI開辟了一種新方法，并證明了癱瘓患者在神經(jīng)麻痹多年后仍可實現(xiàn)精準解碼、快速、靈巧運動。

首次實現(xiàn)解碼手寫“筆跡”

該研究論文作者之一、HHMI研究員克里希納謝諾伊在接受媒體采訪時表示，“此次研究的最大的創(chuàng)新是首次破譯了與手寫筆跡有關的大腦信號，可以讓癱瘓患者不用手也能快速打字?！?/p>

據(jù)了解，該團隊的研究參與者是一位65歲的截癱患者，其手因脊髓損傷而癱瘓。通過使用該BCI技術，其字母輸入在線原始精度為94.1%，離線通用精度為99%以上。

那么，該技術是如何做到“解讀”大腦信號的呢？

該技術的作用原理是“兩個微小的植入電極陣列將控制手和手臂的大腦區(qū)域信息傳遞給相關算法”，該算法將其轉換為出現(xiàn)在屏幕上的字母。

首先，要求參與者復制屏幕上顯示的字母，其中包括26個小寫字母以及一些標點符號：“>”用作空格，“”用作句號。同時，植入的電極記錄了大約200個體神經(jīng)元的大腦活動，這些神經(jīng)元在大腦“寫”每個個體特征時反應不同。

經(jīng)過一系列培訓后，BCI的計算機算法學習了如何識別與單個字母相對應的神經(jīng)模式，從而使參與者可以”編寫”以前未打印過的新句子，并且計算機可以實時顯示字母。

斯坦福大學HHMI研究科學家弗蘭克威利特博士在接受媒體采訪時說：“這種方法是對現(xiàn)有通訊BCI的顯著改進，后者依賴于使用大腦在屏幕上移動光標來‘鍵入單詞。嘗試寫每個字母會在大腦中產(chǎn)生獨特的活動模式，使計算機更容易以更高的準確性和速度來識別所寫的內容?！?/p>

其實，該技術的底層算法邏輯與siri有相似之處。例如，問siri“今天天氣如何”，Siri經(jīng)多次系統(tǒng)訓練、識別、解讀，最后做出反應。

簡單來講，首先提取腦電波信號，然后生成可視化圖像處理，再對可視化的圖像對應進行信號識別。

密西根州立大學生物醫(yī)學工程系助理教授李金星表示，原始的可視化圖像并不代表就是最后識別的結果，研究人員通過一系列訓練，不斷對信號進行修正和改善。識別的精準度從試驗初期的30%提升到了99%。

李金星認為，該技術最大的突破是首次實現(xiàn)了用腦電波手寫打字。他進一步解釋，“實現(xiàn)手寫字母的輸出是對非常靈巧的動作的解碼，用戶在想象字母的手寫筆跡時，腦電波的信號比移動光標更加豐富，因此也更加精準?！?/p>

除此之外，該技術還具有輸入速度快、使用靈活的優(yōu)點。

速度快

華中科技大學AI與自動化學院腦機接口與機器學習實驗室主任伍冬睿表示，該技術輸入速度是一大進步，可接近正常人在智能手機的打字速度。研究中試驗者輸入速度是90字符/分鐘，而正常人在智能手機的打字速度是115字符/分鐘。

目前，基于頭皮腦電（EEG）的P300或運動想象范式的文字輸入速度約為1個字符-5個字符/分鐘，穩(wěn)態(tài)視覺誘發(fā)電位（SSVEP）范式的速度可達60字符/分鐘。植入式腦機接口系統(tǒng)可控制二維光標移動來輸入文字，但是速度不超過40字符/分鐘。

使用靈活

穩(wěn)態(tài)視覺誘發(fā)電位輸入速度雖然也比較快，但是需要顯示器，而且用戶要非常專注地注視顯示器上閃爍的字符，而且眼睛被完全占用，也易疲勞。

一般來說，其輸入速度（即每個字符閃爍多長時間）也是系統(tǒng)預先設置好的，而不是由用戶自主控制的。

“該技術可以讓用戶自己控制輸入速度，無需其他外在設備配合，也可以把眼睛完全解放出來，因此更為靈活?！蔽槎Ｕf。

該技術雖然優(yōu)勢明顯，但是在使用時還有一些困難需要克服。例如，怎樣識別2和z這種非常相近的字符。

伍冬睿認為，解決該問題的的途徑可考慮以下兩點：

首先，對于比較相近的字符，可以設計一些替代字符。比如，論文中提出了優(yōu)化的字符，讓字符間差異盡量大一點，以更容易區(qū)分。如果2被設計成類似“n”的形狀，就很容易與z區(qū)分。

其次，結合上下文區(qū)分相近字符。比如，字母z的前后一般是其他英文字母，而2的前后可能是其他數(shù)字或空格。借助這些上下文信息，也有助于區(qū)分這兩個字符。

未來BCI有望實現(xiàn)更快、更精準

據(jù)媒體報道，研究團隊下一步將嘗試新系統(tǒng)，將手寫輸入文本作為新系統(tǒng)的一部分，該系統(tǒng)還包括點擊導航，類似于當前智能手機上使用的導航，包括嘗試語音解碼。

腦陸科技合伙人、AI算法負責人馬鵬程認為，BCI意念打字可落地的方向與目標群體可明確分為兩類：

第一類是針對有運動障礙的群體，通過腦機接口設備的輔助，利用意念打字功能實現(xiàn)與外界無障礙交流與溝通，解決核心的通信與控制問題;

第二類是正常人群的高效交互工具需求，意念打字成為與文本輸入、語音輸入并行的新的交互方式，或許會成為社會變革、推動下一輪技術革命最重要的導火索。

而該研究想要進一步落地發(fā)展，從技術角度，還需要不斷完善。

該研究目前只在一位用戶上實驗成功，能否推廣到更多用戶還需要進一步驗證。

實際上，該研究中的T5用戶是之前實驗中3個用戶中效果最好的用戶，所以被用來做這個實驗?！叭绻渌脩粢矃⑴c本實驗的話，可能效果會差一些?！蔽槎Ｕf。

李金星表示，該技術的未來研究需要考慮個體差異性。每個人的腦電波信號可能不太一樣，所以，未來需要深度學習和技術數(shù)據(jù)不斷升級以及更多的臨床案例研究。

字符精準度需進一步提升

本研究使用了26個英文字符和5個特殊字符，共31個字符?！皩嶋H中常用的字符比這些要多，比如10個數(shù)字就沒有被考慮進去。更大的字符集應該會降低準確度?！蔽槎Ｕf。

實現(xiàn)輸入的復雜功能

當前實驗不管結果對錯，用戶都繼續(xù)輸入。而正常的文本編輯中，用戶需要糾正錯誤。如何實現(xiàn)光標跳轉、刪除、插入等更復雜的功能，是需要進一步考慮的問題。

腦電信號易用性的提升

腦電信號并非平穩(wěn)，該系統(tǒng)每次使用前需要重新校準，會花費用戶的時間和精力。該技術需要更好的算法以縮短甚至消除校準，提高易用性。

提高電極質量，降低手術風險

該技術需要精密手術植入式電極，但是因為人體排異反應，該類電極并非一勞永逸，使用一段時間后信號質量會下降，需要重新植入，增加了手術風險和用戶花費?！疤岣唠姌O質量，降低排異反應，對該技術大規(guī)模應用是非常重要的?！蔽槎１硎尽?/p>

設備的小型化與無線。設備小型化和無線化將有利于用戶運動、操作的便利性。

伍冬睿認為，未來三到五年，隨著電極壽命、靈敏度和密度的進一步提高，以及解碼算法的進一步發(fā)展，該技術有望更快、更準確。

談及產(chǎn)業(yè)化落地，馬鵬程表示，以我們在各行業(yè)AI+BcI的大規(guī)模實際應用經(jīng)驗角度來看，AI結合腦機接口技術（侵入式及非侵入式）實現(xiàn)意念打字，在構建高質量的大規(guī)模模型訓練數(shù)據(jù)集后，結合實際的意念打字需求的使用場景進行產(chǎn)品設計。“我認為，應該能很快研發(fā)出可實際應用的腦機意念打字產(chǎn)品。未來產(chǎn)業(yè)化的速度有可能超出我們所有人的想象。”

如果未來腦機接口技術成熟，將會怎么樣呢？

李金星表示，短期來看，腦機接口的下一個突破也許會在非侵入的輸入技術發(fā)展，通過腦刺激將外界信號傳遞給大腦，從而實現(xiàn)對神經(jīng)系統(tǒng)損傷疾?。ㄈ缗两鹕?、癲癇等）以及心理疾?。ㄈ缫钟舭Y、自閉癥等）的緩解作用。

他認為，從長遠來看，也許人類只需要大腦而存在，可能會真正實現(xiàn)

“人機共融”。