将脑机接口设备以各种形式植入大脑，在先进算法的支持下，将其电信号转化为各种设备的控制输入以控制体外装置，从而治疗一些疑难疾病，被视为脑机接口一个极具潜力的前景。    

尽管脑机接口在“脑控机械臂”的领域取得了很大进展，但由于现有的系统每天都要重新设置和校准，它们还不能进入大脑的自然学习过程。这就像让一个人从头开始一遍又一遍地学习骑自行车。每天都要开始这一过程，则会严重限制可实现的控制水平。甚至可能需要数小时才能掌握脑机接口设备的控制权，这令参与者有时不得不完全放弃。

现在，加州大学旧金山分校威尔神经科学研究所（UCSF Weill Institute for Neurosciences）的研究人员突破了这一局限，开发出的让大脑和机器学习系统随着时间推移建立稳定“伙伴关系”的“即插即用”技术，能够帮助瘫痪个体学习使用大脑活动控制计算机光标，而无需每天进行大量的培训。加州大学旧金山分校神经学系副教授、研究资深作者、医学博士 Karunesh Ganguly 说，“让人工学习系统适应大脑复杂的长期学习模式，这在瘫痪患者身上是前所未有的。”

这项“即插即用”的技术是脑机接口领域一个重大突破，为脑机接口使用的持续性和便捷性提供了帮助，其研究已发表在影响因子为36.558的杂志《自然生物技术》上。

图1 “即插即用”研究在《自然生物技术》杂志上发表

在这项最新研究论文中，Ganguly 的团队在获得批准情况下，记录了在四肢瘫痪患者身上使用 ECoG 电极阵列的情况，以测试其作为长期、稳定的 BCI 植入物的安全性和有效性，证明 ECoG 电极阵列在脑机接口应用中的价值。

ECoG 电极阵列

皮层脑电图（ECoG）阵列包括一个便利贴大小的电极垫，通过手术放置在大脑表面。它们可以长期、稳定地记录神经活动，并已被批准用于癫痫患者的癫痫发作监测。

图2 EcoG阵列设备

该试验旨在测试受试者使用 ECoG 阵列来让瘫痪患者控制假肢手臂和手，不过在这篇新论文中，参与者使用植入物实现的是控制屏幕上的电脑光标。

图3 受试者训练

“即插即用”的脑机接口

研究人员利用机器学习将 ECoG 电极记录的大脑活动与用户所需的光标移动相匹配。最初，研究人员遵循每天重置算法的标准做法。受试者首先想象特定的脖子和手腕动作，同时看着光标在屏幕上移动。渐渐地，计算机算法开始自我更新，使光标的运动与由此产生的大脑活动相匹配，有效地将光标的控制权转交给用户。

由于用户每天都要开始这个过程，就会给在可以达到的控制水平上设置一个严格的限制。因为掌握设备的控制可能需要几个小时，有时参与者甚至不得不完全放弃。

然后，研究人员切换到允许算法继续更新以匹配参与者的大脑活动，而不用每天重新设置它。他们发现，大脑信号和机器学习增强算法之间的持续相互作用，会在许多天内导致性能的持续改善，很快参与者就能够立即达到顶级水平的表现。

研究人员表示，随着时间的推移，参与者的大脑能够放大神经活动模式，它可以利用 ECoG 阵列最有效地驱动人工接口，同时消除不太有效的信号，而这一过程很像大脑学习复杂任务的过程。

他们还观察到，参与者的大脑活动似乎形成了一种根深蒂固的、一致的大脑“模式”来控制脑机接口，这种情况在日常的重置和重新校准中从未发生过。经过几周的持续学习，当界面重新设置时，参与者迅速重新建立起控制设备的相同的神经活动模式——有效地将算法重新训练到原来的状态。

“一旦用户建立了控制界面的解决方案的持久记忆，就不需要重新设置，”Ganguly 说。“大脑很快就会汇聚到同一个解决方案上。”

经过足够的研究，研究人员发现他们实际上可以关闭该算法的自动更新功能，参与者可以简单地每天开始使用界面，而不需要再培训或重新校准。在没有再训练的 44 天里，即使不进行任何日常校准，性能也不会下降，参与者甚至可以连续几天不练习，性能也几乎没有下降。

Ganguly 说：“我们需要设计出一种技术，它不会被束之高阁，而是能够切实改善瘫痪患者的日常生活。”尽管ECoG 阵列的敏感度比传统植入物低，但其长期稳定性弥补了这一缺陷。他还表示，他将基于 ECoG 记录的稳定性对于更复杂的机器人系统（如假肢）的长期控制作为下一步研究的关键目标。

参考链接

https://www.ofweek.com/ai/2020-09/ART-201721-8140-30457367.html