腦機接口概論

時值腦科學和人工智能兩大領(lǐng)域在過去幾十年各自都取得長足進展后，逐漸走向融合的關(guān)鍵節(jié)點，腦機接口（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程產(chǎn)生顛覆性影響。

進入21世紀以來，特別是在過去10年間，歷經(jīng)兩次寒冬的人工智能再度強勢崛起。其中，以深度學習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，目前人工智能在機器人控制和自動駕駛等動態(tài)開放場景下的表現(xiàn)，還遠不盡人意。包括硅谷鋼鐵俠馬斯克（E. R. Musk）在內(nèi)的很多有識之士，都認為人和機器各有所長，而通過腦機接口實現(xiàn)人機融合，才是未來人機關(guān)系的終極解決方案。

近年來，腦機接口相關(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、數(shù)理科學、醫(yī)學、心理學、材料科學、計算機科學、機器人學、自動控制等多學科的通力協(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年諾貝爾生理學或醫(yī)學獎，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)，但對它工作機制的認識還非常膚淺，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)。我們的感知與認知、決策與運動、學習與記憶、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，美國科學家維達爾（J. Vidal） 首次提出腦機接口（brain-computer interface， BCI）概念[8]。但直到20世紀末，在計算機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)境控制和目標識別等多個場景。除腦電信號外，非侵入式腦機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)，隔著顱骨和頭皮進行信號讀取和神經(jīng)調(diào)控，未免有點隔靴搔癢，導(dǎo)致它們能夠解碼和傳輸?shù)男畔⒎浅Ｓ邢?。因此，近年來非侵入式腦機接口的發(fā)展趨勢已逐漸達到平臺期，而侵入式腦機接口異軍突起，豎立了一個又一個里程碑。

侵入式腦機接口往往通過神經(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，是腦機接口最為理想和可靠的信息源。而感覺、認知和運動等相關(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械和化學特性上與腦組織間的生物兼容，以減少炎癥、膠質(zhì)細胞激活和細胞凋亡等排異反應(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、微電子、生物材料等多學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)整機械手狀態(tài)，實現(xiàn)運動控制。但是這種解碼框架不僅理論上過于簡化，實踐中經(jīng)常使整個運動過程非常緩慢且不流暢，遠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動神經(jīng)科學的大量研究表明：①運動皮層神經(jīng)元高度復(fù)雜、動態(tài)化，且與運動參數(shù)間無固定映射關(guān)系；②整套運動程序是由復(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。這是基于如深度學習等靜態(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接口中表現(xiàn)差強人意的一個根本原因。所以，在對神經(jīng)行為大數(shù)據(jù)集合進行深度分析的基礎(chǔ)上，建立和訓練以多層次生成網(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、計算模型、行為學、計算機科學、芯片技術(shù)等領(lǐng)域進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)的光標不同，物理世界中機械臂的運動必須考慮到轉(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)整外部物體運動。無論是同步式，還是異步式控制，只有具備仿生特性的機電介質(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動的，其控制的柔順性和靈活程度，遠超目前由電機和齒輪為主的機械控制。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)生達幾百牛頓且精確可控的拉力。相比之下，目前基于機器人操作系統(tǒng)實現(xiàn)腦機接口控制的機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)肌肉細胞等技術(shù)制造出真正具備仿生特性的運動假體，讓大腦通過神經(jīng)可塑性學習達到靈活控制，進而實現(xiàn)人機合一的神經(jīng)機器人，需要神經(jīng)科學、柔性材料學、力學、機器人學和智能控制等學科的通力協(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。匹茲堡大學的科學家通過植入式腦機接口操控機械手產(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，并通過安置在機械手上的傳感器反饋回來的微小電流刺激體感皮層，以達到恢復(fù)高位截癱患者手部觸覺的目的，進而實現(xiàn)腦機接口的閉環(huán)控制[6]。

由于人口老齡化問題越來越嚴重，許多人罹患癱瘓、退行性神經(jīng)疾病或精神疾病，生活質(zhì)量受到嚴重威脅。腦機接口技術(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，腦機增強技術(shù)還提供了更多對未來的展望，如外骨骼等“外掛設(shè)備”可能增強健康人的體力與智力，通過腦—機—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為是科幻的場景。

雖然腦機接口研究已從清醒猴實驗走進臨床階段，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)都需要堅實的科學基礎(chǔ)一樣，腦機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)科學問題，就是神經(jīng)編解碼和與外界信息的交互機制，其突破口是揭示運動神經(jīng)控制的基本原理。因此，靈長類千百萬年進化而來的精巧的運動控制系統(tǒng)，就是我們探索腦與外界信息交互機制的天然“腦機接口”系統(tǒng)，不理解大腦如何控制身體的神經(jīng)機制，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)。腦機之間的直接通信和人機之間的真正融合，也必然會導(dǎo)致人—機之間關(guān)系和界限的模糊與混亂，乃至法律和倫理上的嚴重危機。

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.用意念操控機器. 王天威， 崔翯， 譯校. 環(huán)球科學， 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 ■