Popular science work
這一科研成果的發(fā)布，再次將“腦機(jī)接口”這一熱詞納入公眾視線，引發(fā)了大眾尤其是特殊人群對(duì)“人機(jī)對(duì)話”的無(wú)限憧憬和熱切期待。
科幻場(chǎng)景成為現(xiàn)實(shí)
“‘手寫(xiě)腦機(jī)接口’技術(shù)從各個(gè)環(huán)節(jié)增強(qiáng)了‘打字’的準(zhǔn)確度和加速度，讓很多科幻大片中才有的場(chǎng)景變?yōu)楝F(xiàn)實(shí)。”近日，哈爾濱工業(yè)大學(xué)儀器科學(xué)與工程學(xué)院生物體傳感技術(shù)課題組曹天傲博士在接受記者采訪時(shí)表示。
提到“腦機(jī)接口”技術(shù)的應(yīng)用，人們常常想到史蒂芬·威廉·霍金——科學(xué)界神一般存在的物理天才。有誰(shuí)能想象到，“漸凍癥”讓其只靠著唯一能動(dòng)的雙眼和3根手指與外界聯(lián)系，艱難地描繪他的偉大物理學(xué)夢(mèng)境。在許多科學(xué)家的幫助下，霍金也曾嘗試過(guò)一段時(shí)間的“眼動(dòng)追蹤技術(shù)”和“腦電波識(shí)別術(shù)”，但都因不習(xí)慣以及疾病逐步惡化而放棄。
如果在今天，“手寫(xiě)腦機(jī)接口”技術(shù)有望讓像霍金一樣癱瘓、失語(yǔ)的患者“恢復(fù)”快速精細(xì)的動(dòng)作，靠著意念快速打字交流，從而重新找回聯(lián)系外界的“路徑”。
腦機(jī)接口連通“信息孤島”
人的大腦，無(wú)時(shí)無(wú)刻不進(jìn)行著各種各樣的復(fù)雜神經(jīng)活動(dòng)，大腦就是“司令部”，發(fā)出最原始的第一手信息，肢體則是下屬各個(gè)“兵團(tuán)”，負(fù)責(zé)執(zhí)行大腦的命令，完成對(duì)應(yīng)的任務(wù)。
曹天傲表示，正常人可用各種方式向周圍的人表達(dá)其心意，但是癱瘓患者、失語(yǔ)病人以及其他各種各樣表達(dá)有困難的群體卻很難做到，他們猶如被流放到了“信息孤島”上。“腦機(jī)接口技術(shù)，即通過(guò)直接探究大腦運(yùn)轉(zhuǎn)時(shí)內(nèi)部的神經(jīng)細(xì)胞簇的活動(dòng)，從源頭上獲知‘司令部’發(fā)出的最原始的第一手信息，其原理是不同的思想活動(dòng)對(duì)應(yīng)不同的神經(jīng)細(xì)胞簇的活動(dòng)。只要能識(shí)別出神經(jīng)細(xì)胞的放電模式，就能判斷出對(duì)應(yīng)的思想活動(dòng)軌跡，實(shí)現(xiàn)對(duì)被試者大腦活動(dòng)的破譯工作。”
在此之前，腦機(jī)接口技術(shù)已經(jīng)成功幫助癱瘓患者做簡(jiǎn)單的動(dòng)作。繼馬斯克公司在今年4月向公眾展示猴子用意念玩游戲后，腦機(jī)接口研究便被癱瘓病人寄予了更大期望。當(dāng)前，最新的專門用于打字的腦機(jī)接口技術(shù)更為靈活，使癱瘓病人的打字交流速度明顯加快，且無(wú)須視覺(jué)提示，不占據(jù)用戶的視覺(jué)注意力，對(duì)大腦損害小。
用腦信號(hào)打字不再是夢(mèng)
曹天傲表示，該技術(shù)首先選取了植入大腦的微型電機(jī)陣列，保障了腦電信號(hào)的采集質(zhì)量及其豐富性。“腦電信號(hào)是大腦中多個(gè)神經(jīng)細(xì)胞活動(dòng)的外在表現(xiàn)，且信號(hào)質(zhì)量隨著遠(yuǎn)離神經(jīng)細(xì)胞簇而降低。針對(duì)‘打字’這項(xiàng)艱巨的任務(wù)，非侵入式的表面頭皮腦電信號(hào)無(wú)法滿足要求。而微型電機(jī)陣列好比國(guó)際象棋的棋盤，在用戶想象要寫(xiě)的字母時(shí)，植入大腦的電極可以捕捉和測(cè)量許多神經(jīng)元的電活動(dòng)，更加精確地落實(shí)大腦‘司令部’的詳細(xì)指令，以滿足‘打字’的要求。”
曹天傲解釋說(shuō)，腦電信號(hào)采集并去除噪聲后，需要解碼其中包含的“打字”內(nèi)容。研究人員用人工智能模型學(xué)習(xí)神經(jīng)活動(dòng)和真正寫(xiě)字時(shí)手指活動(dòng)的映射關(guān)系，針對(duì)特定的手指活動(dòng)對(duì)應(yīng)特定的字符，從遞歸神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)每個(gè)字母產(chǎn)生的神經(jīng)活動(dòng)模式，并分析這些活動(dòng)模式在多個(gè)試驗(yàn)中的關(guān)系，利用降維手段生成聚類圖。算法會(huì)用此信息預(yù)測(cè)當(dāng)前試驗(yàn)中參與者所想象的字母，并將相關(guān)預(yù)測(cè)轉(zhuǎn)換為印刷輸出。然后再用一個(gè)語(yǔ)言模型（通過(guò)前幾個(gè)字符預(yù)測(cè)下一個(gè)字符）對(duì)輸出的初始結(jié)果進(jìn)行校正，使最終屏幕上呈現(xiàn)的結(jié)果（文字）更加精準(zhǔn)。
來(lái)源：科普時(shí)報(bào)
