時值腦科學(xué)和人工智能兩大領(lǐng)域在過去幾十年各自都取得長足進(jìn)展后，逐漸走向融合的關(guān)鍵節(jié)點(diǎn)，腦機(jī)接口（brain-machine interface， BMI）技術(shù)已成為主流媒體和公眾熱議的高科技話題之一。它不僅可以繞過感官和肌肉，為大腦與外界互動提供全新的高通量信道，甚至無需借助語言而實現(xiàn)人與人之間高效的交流協(xié)作，這不僅使得意識讀寫、記憶移植成為可能，甚至通過意識上傳實現(xiàn)在數(shù)字世界中的永生等人類長久以來的夢想，也一步步走向現(xiàn)實，可能對人類文明的整體進(jìn)程產(chǎn)生顛覆性影響。

進(jìn)入21世紀(jì)以來，特別是在過去10年間，歷經(jīng)兩次寒冬的人工智能再度強(qiáng)勢崛起。其中，以深度學(xué)習(xí)為代表的人工智能應(yīng)用，在特征識別和知識存取等靜態(tài)封閉的復(fù)雜場景下，取得了傲人的成就，機(jī)器取代人類工作似乎不再遙不可及。但與此同時，我們必須清醒地看到，目前人工智能在機(jī)器人控制和自動駕駛等動態(tài)開放場景下的表現(xiàn)，還遠(yuǎn)不盡人意。包括硅谷鋼鐵俠馬斯克（E. R. Musk）在內(nèi)的很多有識之士，都認(rèn)為人和機(jī)器各有所長，而通過腦機(jī)接口實現(xiàn)人機(jī)融合，才是未來人機(jī)關(guān)系的終極解決方案。

近年來，腦機(jī)接口相關(guān)技術(shù)如雨后春筍般涌現(xiàn)，并不斷更新迭代，其商業(yè)化進(jìn)程也在Neuralink和臉書（Facebook）等科技巨頭的助推下不斷提速，使得意念控制物體等以前還是科幻的場景，正在實驗室中一步步變成現(xiàn)實[1]。但是，腦機(jī)接口這一復(fù)雜的系統(tǒng)工程要真正落地得到廣泛應(yīng)用，還需要神經(jīng)科學(xué)、數(shù)理科學(xué)、醫(yī)學(xué)、心理學(xué)、材料科學(xué)、計算機(jī)科學(xué)、機(jī)器人學(xué)、自動控制等多學(xué)科的通力協(xié)作，以及多個相關(guān)領(lǐng)域?qū)﹃P(guān)鍵問題的突破[2]。

毫不夸張地說，我們的大腦是宇宙中已知最復(fù)雜神秘的系統(tǒng)，是一切人類文明的源泉，也是人類征服自然、改造世界不可替代的物質(zhì)基礎(chǔ)。在探索腦的奧秘這一自然科學(xué)最后堡壘的征途初期，卡哈爾（S. Cajal）提出神經(jīng)元（又稱神經(jīng)細(xì)胞）是神經(jīng)系統(tǒng)的基本結(jié)構(gòu)單元，而高爾基（C. Golgi）則認(rèn)為神經(jīng)元之間需要通過連接形成網(wǎng)絡(luò)來行使其功能，不承認(rèn)卡哈爾發(fā)現(xiàn)的神經(jīng)元。盡管他們分享了1906年諾貝爾生理學(xué)或醫(yī)學(xué)獎，但最終誰也沒能說服誰，歷史卻證明他們都是正確的！人和靈長類的大腦由數(shù)以十億計的神經(jīng)元組成，而每個神經(jīng)元又通過數(shù)以千計的突觸與其他神經(jīng)元形成錯綜復(fù)雜的連接。每個神經(jīng)元整合上游神經(jīng)元的輸入，產(chǎn)生并輸出脈沖形式的動作電位發(fā)送給其他神經(jīng)元，進(jìn)而形成龐大的網(wǎng)絡(luò)來工作。腦圖譜研究又把大腦分為成百上千個皮層和皮層下腦區(qū)，認(rèn)為它們分別行使不同的功能。今天雖然我們比較詳盡地了解了腦的組織結(jié)構(gòu)，但對它工作機(jī)制的認(rèn)識還非常膚淺，根本原因在于腦是一個由數(shù)以億計的神經(jīng)元通過復(fù)雜精巧連接而成的多層次非線性動力系統(tǒng)。我們的感知與認(rèn)知、決策與運(yùn)動、學(xué)習(xí)與記憶、語言與意識、情感與推理、智能與創(chuàng)新等諸多高級功能，都是由大量神經(jīng)元相互作用后涌現(xiàn)出來的整體動力學(xué)行為。換言之，腦的智能絕非許多神經(jīng)元個體行為的簡單疊加，而是由多個包含大量神經(jīng)元的子系統(tǒng)高度協(xié)作的結(jié)果。因此，能夠安全、長期、穩(wěn)定地記錄高通量神經(jīng)元群體活動信號，是實現(xiàn)腦機(jī)接口的第一步，這就是神經(jīng)界面（neural interface）技術(shù)。

按照神經(jīng)信號的獲取途徑，腦機(jī)接口主要分為非侵入式和侵入式兩大類。起步較早的是非侵入式腦機(jī)接口，它通常是通過放置于頭皮上的電極來記錄腦電（electroencephalogram， EEG）信號，并對其進(jìn)行解碼來實現(xiàn)的。早在1924年，德國醫(yī)生貝格爾（H. Berger）發(fā)明了腦電圖。1973年，美國科學(xué)家維達(dá)爾（J. Vidal） 首次提出腦機(jī)接口（brain-computer interface， BCI）概念[8]。但直到20世紀(jì)末，在計算機(jī)廣泛普及和算力提升后，實時解碼復(fù)雜腦電信號才成為可能。目前，盡管以P300、運(yùn)動想象（motor imagery， MI）和穩(wěn)態(tài)視覺誘發(fā)電位（steady-state evoked potentials， SSVEP）等范式為代表的非侵入式腦機(jī)接口的通信速率比較低，但得益于其穩(wěn)定性和低性價比，已開始走出實驗室應(yīng)用于環(huán)境控制和目標(biāo)識別等多個場景。除腦電信號外，非侵入式腦機(jī)接口也可基于腦磁圖、超聲成像、功能近紅外光譜和功能性核磁共振等其他信號。2014年，在巴西世界杯開幕式上，身披外骨骼“戰(zhàn)甲”的高位截癱青年開球動作，就是利用非侵入式腦機(jī)接口完成的。雖然這些信號的采集相對方便且無創(chuàng)，但面對大腦復(fù)雜的信息處理系統(tǒng)，隔著顱骨和頭皮進(jìn)行信號讀取和神經(jīng)調(diào)控，未免有點(diǎn)隔靴搔癢，導(dǎo)致它們能夠解碼和傳輸?shù)男畔⒎浅Ｓ邢蕖Ｒ虼?，近年來非侵入式腦機(jī)接口的發(fā)展趨勢已逐漸達(dá)到平臺期，而侵入式腦機(jī)接口異軍突起，豎立了一個又一個里程碑。

侵入式腦機(jī)接口往往通過神經(jīng)外科手術(shù)，將電極等傳感設(shè)備植入顱內(nèi)甚至大腦皮層里，采集高時空分辨率和信噪比的神經(jīng)活動信號，并將其傳出進(jìn)行解碼。記錄的神經(jīng)電活動信號主要有動作電位脈沖（spike）、局域場電位（local field potential， LFP）和皮層腦電圖（electrocorticography， ECoG）等。由于開顱手術(shù)和植入器件的過程中，不可避免會造成組織損傷和排異反應(yīng)，因此，侵入式腦機(jī)接口的器件植入、手術(shù)過程和解碼算法等，往往需要在獼猴等動物身上試驗成功后，才能轉(zhuǎn)到人體上。

神經(jīng)元是大腦處理信息的基本單元，它發(fā)放的動作電位脈沖直接攜帶了每個神經(jīng)元輸出信號，是腦機(jī)接口最為理想和可靠的信息源。而感覺、認(rèn)知和運(yùn)動等相關(guān)信息在大腦中往往是通過大量神經(jīng)元以群體活動方式編碼的，同時記錄大量神經(jīng)元的群體電脈沖活動信息就至關(guān)重要。有趣的是，從1969年美國科學(xué)家菲茲首次利用單個神經(jīng)元發(fā)放的電信號控制一個儀表盤，實現(xiàn)了最原始版本的侵入式腦機(jī)接口以來，實驗室環(huán)境中可同時記錄和解碼的神經(jīng)元數(shù)目的增速也大致服從廣義的“摩爾定律”，即每六七年翻一番。到2021年，馬斯克的Neuralink公司已能在一只名為“帕格”（Pager）獼猴身上通過在其腦內(nèi)植入的Neuralink設(shè)備，實現(xiàn)1024道神經(jīng)信號的長期穩(wěn)定記錄，可以讓它在沒有游戲操縱桿的情況下，僅用大腦意念方式就可以控制一臺電腦，玩轉(zhuǎn)“MindPong”游戲（一款模擬兩人玩兵乓球的電子游戲）。除了能記錄大量神經(jīng)元的群體活動，還要盡量保證記錄界面在機(jī)械和化學(xué)特性上與腦組織間的生物兼容，以減少炎癥、膠質(zhì)細(xì)胞激活和細(xì)胞凋亡等排異反應(yīng)。開發(fā)在生物安全材料基礎(chǔ)上的柔性高密度電極陣列，并通過微創(chuàng)手術(shù)植入以實現(xiàn)能長期穩(wěn)定地記錄信號等一系列工作，需要神經(jīng)外科、電生理、納米科學(xué)、微電子、生物材料等多學(xué)科的交叉和合作才能完成。

從大腦記錄到的神經(jīng)信號必須經(jīng)過合適的解碼才能驅(qū)動外部裝置。以腦控神經(jīng)假肢為例，過去幾十年來，幾代神經(jīng)科學(xué)家都以獼猴為模式動物研究神經(jīng)解碼和假肢控制算法，假設(shè)皮層神經(jīng)活動與運(yùn)動參數(shù)存在固定的映射關(guān)系，建立表征模型，再通過解碼神經(jīng)信號來調(diào)整機(jī)械手狀態(tài)，實現(xiàn)運(yùn)動控制。但是這種解碼框架不僅理論上過于簡化，實踐中經(jīng)常使整個運(yùn)動過程非常緩慢且不流暢，遠(yuǎn)不能滿足對人工假肢實現(xiàn)快速靈活控制的需求。

近年來以獼猴為主要模式動物的運(yùn)動神經(jīng)科學(xué)的大量研究表明：①運(yùn)動皮層神經(jīng)元高度復(fù)雜、動態(tài)化，且與運(yùn)動參數(shù)間無固定映射關(guān)系；②整套運(yùn)動程序是由復(fù)雜皮層網(wǎng)絡(luò)經(jīng)動態(tài)演化后，以前反饋方式生成，即高等動物每次啟動運(yùn)動之前，整個程序往往已事先規(guī)劃好，不需要依賴反饋信號執(zhí)行；③運(yùn)動執(zhí)行通過包括脊髓回路在內(nèi)的多層次生成式網(wǎng)絡(luò)實現(xiàn)。換言之，從皮層記錄到的神經(jīng)信號本質(zhì)上是一種高層次指令，它們通過作用于脊髓內(nèi)的復(fù)雜神經(jīng)回路，才能調(diào)動支配多塊相關(guān)肌肉協(xié)調(diào)收縮舒張來轉(zhuǎn)動關(guān)節(jié)產(chǎn)生肢體運(yùn)動。

解碼算法大致分為判別式算法和生成式算法兩種。成功解碼神經(jīng)信號的關(guān)鍵在于真正理解大腦的神經(jīng)編碼原理。如前所述，腦功能的產(chǎn)生不是基于大量神經(jīng)元個體行為的簡單疊加，而是來自多個高度復(fù)雜神經(jīng)網(wǎng)絡(luò)子系統(tǒng)通過非線性相互作用而涌現(xiàn)出來的結(jié)果。從數(shù)學(xué)的第一性原理上講，高維和時變的神經(jīng)活動與行為輸出之間不是簡單的函數(shù)對應(yīng)關(guān)系，而是一種泛函映射。這是基于如深度學(xué)習(xí)等靜態(tài)網(wǎng)絡(luò)的傳統(tǒng)分類或者回歸的判別式解碼算法在腦機(jī)接口中表現(xiàn)差強(qiáng)人意的一個根本原因。所以，在對神經(jīng)行為大數(shù)據(jù)集合進(jìn)行深度分析的基礎(chǔ)上，建立和訓(xùn)練以多層次生成網(wǎng)絡(luò)為基礎(chǔ)的新型神經(jīng)控制模型和解碼算法，最終達(dá)到利用神經(jīng)信號快速生成指令實現(xiàn)自主靈活的假肢控制，需要神經(jīng)生理學(xué)、計算模型、行為學(xué)、計算機(jī)科學(xué)、芯片技術(shù)等領(lǐng)域進(jìn)行深度的交叉和融合研究。

神經(jīng)信號解碼后輸出的指令必須通過控制特定的外界裝置，才能最終實現(xiàn)與物理世界的交互。以運(yùn)動假體為例，其大范圍的應(yīng)用還必須要在物理空間中實現(xiàn)對機(jī)械臂等真實對象的靈活控制。與屏幕上可任意轉(zhuǎn)向變速的純比特域內(nèi)的光標(biāo)不同，物理世界中機(jī)械臂的運(yùn)動必須考慮到轉(zhuǎn)動慣量和多關(guān)節(jié)耦合等復(fù)雜因素。目前，腦機(jī)接口框架中，對外部物體的控制大體可分為同步式和異步式兩類。其中，同步式控制依賴于外部時鐘，在預(yù)設(shè)時刻解碼神經(jīng)信號，同步驅(qū)動外部物體；而異步式控制中不需要外部觸發(fā)信號，解碼算法連續(xù)輸出控制信號，不斷調(diào)整外部物體運(yùn)動。無論是同步式，還是異步式控制，只有具備仿生特性的機(jī)電介質(zhì)才能保證響應(yīng)神經(jīng)系統(tǒng)對其的靈活柔順控制。

神經(jīng)系統(tǒng)是通過多塊肌肉組合以一定時序收縮來控制身體運(yùn)動的，其控制的柔順性和靈活程度，遠(yuǎn)超目前由電機(jī)和齒輪為主的機(jī)械控制。以肌肉為例，目前沒有任何一種人工材料可以媲美生物肌肉的特性——能在20～30毫秒的瞬間產(chǎn)生達(dá)幾百牛頓且精確可控的拉力。相比之下，目前基于機(jī)器人操作系統(tǒng)實現(xiàn)腦機(jī)接口控制的機(jī)械臂要笨拙和低效得多。因此，通過新型材料或者體外培養(yǎng)肌肉細(xì)胞等技術(shù)制造出真正具備仿生特性的運(yùn)動假體，讓大腦通過神經(jīng)可塑性學(xué)習(xí)達(dá)到靈活控制，進(jìn)而實現(xiàn)人機(jī)合一的神經(jīng)機(jī)器人，需要神經(jīng)科學(xué)、柔性材料學(xué)、力學(xué)、機(jī)器人學(xué)和智能控制等學(xué)科的通力協(xié)作。

仿生物理假肢的柔順控制不可能只依賴于傳輸相對緩慢的視覺信號，神經(jīng)信號控制的假肢要走向臨床應(yīng)用，必須引入體感反饋。這需要在生成指令的基礎(chǔ)上，在機(jī)械手上引入觸覺傳感器，并將其編譯成神經(jīng)電刺激信號，反向刺激大腦體感皮層，實現(xiàn)雙向閉環(huán)控制，進(jìn)而實現(xiàn)感知替代、神經(jīng)調(diào)控甚至疾病干預(yù)。2017年，美國凱斯西儲大學(xué)的研究人員通過解碼皮層植入電極陣列記錄到的神經(jīng)信號，對殘疾人的手臂肌肉進(jìn)行功能性電刺激，使得脊髓損傷的殘疾人能通過意念控制原本失控的手臂給自己喂食。匹茲堡大學(xué)的科學(xué)家通過植入式腦機(jī)接口操控機(jī)械手產(chǎn)生多種不同手勢，以基本滿足日常生活中可能需要的抓取功能，并通過安置在機(jī)械手上的傳感器反饋回來的微小電流刺激體感皮層，以達(dá)到恢復(fù)高位截癱患者手部觸覺的目的，進(jìn)而實現(xiàn)腦機(jī)接口的閉環(huán)控制[6]。

由于人口老齡化問題越來越嚴(yán)重，許多人罹患癱瘓、退行性神經(jīng)疾病或精神疾病，生活質(zhì)量受到嚴(yán)重威脅。腦機(jī)接口技術(shù)可以修復(fù)、改善，甚至代償受損部分的神經(jīng)系統(tǒng)功能以幫助患者。例如，它可以幫助喪失語言或運(yùn)動能力的患者實現(xiàn)語言文字輸出或神經(jīng)假肢的控制，或者幫助失明或耳聾患者重建視聽覺；針對患有因腦卒中等引起的有運(yùn)動障礙的病患，通過該技術(shù)控制外骨骼或功能性電刺激自身肢體，可改善部分喪失的運(yùn)動功能以完成康復(fù)；針對癲癇、帕金森病及重度抑郁癥等患者，基于該技術(shù)的閉環(huán)刺激也可大大改善癥狀。此外，腦機(jī)增強(qiáng)技術(shù)還提供了更多對未來的展望，如外骨骼等“外掛設(shè)備”可能增強(qiáng)健康人的體力與智力，通過腦—機(jī)—腦連接，突破人際語言交流信道帶寬的限制，實現(xiàn)心靈感應(yīng)乃至記憶移植等目前被認(rèn)為是科幻的場景。

雖然腦機(jī)接口研究已從清醒猴實驗走進(jìn)臨床階段，并成功應(yīng)用于少數(shù)患者身上，完成了關(guān)鍵的概念驗證性工作，但實現(xiàn)大范圍應(yīng)用的道路依然漫長。正如人類歷史上所有顛覆性技術(shù)都需要堅實的科學(xué)基礎(chǔ)一樣，腦機(jī)接口的真正突破必然依賴于對大腦工作原理的深刻理解；它直接面對的核心神經(jīng)科學(xué)問題，就是神經(jīng)編解碼和與外界信息的交互機(jī)制，其突破口是揭示運(yùn)動神經(jīng)控制的基本原理。因此，靈長類千百萬年進(jìn)化而來的精巧的運(yùn)動控制系統(tǒng)，就是我們探索腦與外界信息交互機(jī)制的天然“腦機(jī)接口”系統(tǒng)，不理解大腦如何控制身體的神經(jīng)機(jī)制，就不可能真正實現(xiàn)大腦對外界物體的靈活控制。

此外，腦機(jī)接口和人工智能一樣，在發(fā)展過程中必然會面臨社會倫理方面的挑戰(zhàn)。腦機(jī)之間的直接通信和人機(jī)之間的真正融合，也必然會導(dǎo)致人—機(jī)之間關(guān)系和界限的模糊與混亂，乃至法律和倫理上的嚴(yán)重危機(jī)。

所有這些問題的解決不僅限于科技界，還需要全社會來共同積極地面對，并做出長期不懈的努力。

[1]Lebedev M A， Nicolelis M A L. Brain-machine interfaces： from basic science to neuroprostheses and neurorehabilitation. Physiol Rev， 2017， 97： 767-837.

[2]Bensmaia S J， Miller L E. Restoring sensorimotor function through intracortical interfaces： progress and looming challenges， Nat Rev Neurosci， 2015，15： 313-325.

[3]Hochberg L R， Serruya M D， Friehs G M， et al. Neuronal ensemble control of prosthetic devices by a human with tetraplegia. Nature， 2006， 442： 164-171.

[4]理查德·安德森.用意念操控機(jī)器. 王天威， 崔翯， 譯校. 環(huán)球科學(xué)， 2019， 5.

[5]Anumanchipalli G K， Chartier J， Chang E F. Speech synthesis from neural decoding of spoken sentences. Nature， 2019， 568： 493–498.

[6]Flesher S N， Downey J E， Weiss J M， et al. A brain-computer interface that evokes tactile sensations improves robotic arm control. Science， 2021，372：831-836.

[7]Willett F R， Avansino D T， Hochberg L R， et al. High-performance brain-to-text communication via imagined handwriting. Nature，2021， 593： 249-254.

[8]Wolpaw J R， Wolpaw E W著. 腦—機(jī)接口： 原理與實踐. 伏云發(fā)，等譯. 北京： 國防工業(yè)出版社， 2017.

[9]Wang T， Chen Y， Cui H. From parametric representation to dynamical system： shifting views of motor cortex in motor control. Neurosci Bull， 2022， 38 ： 796–808.

關(guān)鍵詞：神經(jīng)界面 神經(jīng)解碼 神經(jīng)控制 神經(jīng)反饋 ■