脑机接口的研究进展到什么程度了？ 第1页

虽然我不是这个领域的专家，但是作为程序员，我非常喜欢脑科学相关的知识，平时也经常关注，今天就给大家讲讲我的一些认识和观点。

1，脑机接口目前现状。

说到脑机接口的研究进展，那就需要先知道一些基础的脑科学知识和脑机接口的发展史。

下边这张图整体的介绍了大脑各个区域所负责的功能。

我们看到 Frontal lobe 区域（大脑额叶）是人最复杂的心理活动的生理基础，主要功能有负责计划、调节和控制人的心理活动，尤其是语言表达能力（speech） 和嗅觉（smell）也都是前额叶所负责的。

那么我们是如何知道这些不同的脑器官所对应的不同能力呢？

这要从最开始的 FMRI（功能性磁共振成像）说起，大家都知道从 X 光到 CT 再到现在利用 FMRI（磁场原理）来生成大脑图像，我们可以只从脑外部就能记录大脑的活动。

上面是 MFRI 生成的脑变化图，红色的区域是我们脑部神经活跃区域。因为有血流的高速流动给大脑神经运输氧气来让神经元活跃，进而推测出了人脑不同区域所负责的功能。

但是 MFRI 技术也是有很多问题的，比如他的监控延时很高，精确度很差，更不可能说从这些活跃区域读取神经元信息。为了解决这个问题，科学家们又研究出来了下一代工具，脑电图（EEG）。

脑电图主要用来发现一些脑科疾病，比如癫痫患者的脑电图成像就有独特的规律，电极记录下来的脑细胞群活动，是可以帮助表达癫痫的诊断和治疗的结果。

这里精度问题有所缓解，一个脑电图电极可以监控几十亿个神经元，但是这个精度其实也很差，比 MFRI 也好不了多少，延迟还是在秒级。

再进化的工具，就是皮质电图，把电极放到颅骨下面去，直接接触大脑皮层。

这种技术在空间上缩短了物理距离，物理上精确到1厘米，时间上可以精确到5毫秒，但是这还是解决不了神经元太多，监控精度不够的问题。

那么为了解决精度问题，”局部场电位”（local field potentials， LFPs）概念又提出了，它是一个4x4毫米的芯片设备上装置了100多个微电极，然后通过这些微电极来收集周边的神经元电流信息，进而提高精准度。

但是这样的精准度真的够了么？我们能监控到一个独立的神经元信息吗？

当然答案目前是可以的了，在 LFPs 的基础上，用膜片钳技术进入大脑皮质，是可以进入单个神经元的，并可以记录单个神经元细胞的电压差，来读取信息，当然也可以反向对这个神经做干扰刺激，原理如下图。

目前人类的探索到这一步就停止了么，当然肯定不是，脑机接口的发展才刚刚开始。

1969年科学家埃伯哈德将一只猴子的神经元和一个仪表盘进行了连接，然后通过神经元反馈仪表数值变动，来给猴子香蕉奖励。最终训练后猴子可以通过这个神经元来控制仪表盘获取奖励了。

这个例子说明了神经元是具有可塑性的，我们可以通过反馈机制来让神经和外部设备建立联系和控制。这其实也就是世界上第一个脑机接口试验。

后边经过计算机科学的不断发展，运动皮质脑机接口的应用场景越来越多。

最经典的例子是2014年巴西世界杯，一个有着由大脑控制的机器人外骨骼的瘫痪少年尝试着从轮椅上站起来，向前迈出几步，为世界杯开球。

又比如，在我国由清华大学研究并应用超过10年的脑起搏器。就是通过电极植入帕金森患者脑内、把脉冲发生器植于胸前皮下，然后用产生的高频电刺激脉冲来抑制大脑过度兴奋，用于减轻帕金森病的震颤、僵直和运动迟缓等症状。

当然除了帕金森患者，脑疾病患者类型还有很多，比如自闭症患者，阿尔茨海默症患者，多动症患者，抑郁症患者等等，他们的治疗方法都不一而同的需要脑科学的发展来支持和解决。

下边我给大家看一段我很喜欢的视频，介绍的就是这个方面的事情。

2， 脑机接口和人工智能 AI 的结合。

上面讲述了脑机接口的发展史和一些脑科学领域已经实现的应用，下边我讲一下脑机接口和最近很火的 AI 结合的一些发展。

我们都知道，脑机接口是一项各基础学科，互相影响的工程，其涉及到了脑外科学，神经科学，材料学，微电子学，临床试验，计算机软件，计算机硬件，网络通讯，人工智能等许多学科。

目前的人工智能分为两个主要研究方向，一类是基于大数据算法的机器学习，深度学习；一类是基于人脑研究的生物神经模拟实现，比如脉冲神经网络（SNN）。

研究大脑的奥秘可以帮助人们找到 AI算法中更符合人脑的实现方法。

比如目前的很多机器学习算法实现的模型，都需要基于大量的数据训练，而人脑则可以在很少量的数据样本下就实现同样的能力，并实现对应的识别判断，用机器学习训练识别一只猫可能需要上万张猫咪和其他动物照片，并不断优化，但是人脑却可以在很少量的样本下就准确的识别猫咪照片。

国内这个领域走的比较领先的例子就是清华大学研发的天机芯（Tianjic）。

在2019年天机芯登录了 Nature 封面，它是由清华大学脑科学研究部门基于脑科学研发一款人工智能芯片。

为了验证这款全球首款异构融合的AI芯片，研究团队设计了一款无人智能自行车系统，利用的就是人工智能目前两个主要方向互相结合。

Tianjic芯片可同时支持机器学习算法和类脑电路功能，完成脉冲神经网络（SNN）和人工神经网络（ANN）的融合，可以实现实时得目标检测、跟踪、语音控制、避障和平衡控制等算法的互相配合。

近还有一个很火的事件是马斯克的Neuralink公司在今年2月份表示【如果进展顺利，可能会在今年晚些时候进行初步的脑机接口人体试验】

但是其实早在1969年人类就可以完成猴子的神经元训练试验了，Neuralink却只是在2021年给小猪身上安装了一个微型脑机接口设备，用来读取小猪的一些神经元信息。

可以看的出来，其实Neuralink对脑科学的其他重要技术领域并无大的突破。比如脑信号的编解码读取，比如对高级脑功能，比如记忆，情感，情绪的产生和存储都没有什么突破的进展。

当然不可否认的是Neuralink的突破是工程领域技术难题，比如安装问题，大小问题，充电问题，材料问题等，并且高度天生和AI契合。

3，目前社会对脑科学研究的认识。

全世界各国都在大力发展人工智能和脑科学，我国当然也不例外。国外一些资本投资，比如马斯克投资和创建的Neuralink也是主流社会对脑科学领域关注和认可的一个强信号。

除了马斯克之外，国内投资最著名的还有IDG资本也下场脑科学，并早在10年前就有所布局。前面说的清华大学的天机芯的研究所，名字就叫IDG麦戈文脑科学研究院。

早在2011年，IDG创始人麦戈文先生就与清华大学签署捐建协议，共同建设清华-IDG/麦戈文脑科学研究院。过去十年，麦戈文先生及IDG资本共对国内三个学校捐赠了2亿人民币；未来每年还将继续捐赠支持国内的脑科学研究，预计金额不少于每年2000万元，并计划不断增加。

这三所学校分别是清华大学，北京大学，北京师范大学，在IDG 资本的支持下，这三所大学都成立了相应的脑科学研究院。

成果也非常显著，北京大学在2017年，程和平院士牵头的“自由状态脑成像的微型显微成像系统”获得了当时的2017年度中国科学十大进展，可对活动的小鼠大脑神经元和神经突触活动，进行高速高分辨图像生成。

还有北师大自主开发的多种神经训练应用系统，包括自闭症儿童神经反馈注意训练、神经反馈训练、儿童青少年特定领域学习训练软件等，也广泛的应用到了社会和医疗机构中。

4月22日，IDG资本公布向清华大学-IDG/麦戈文脑科学研究院进行捐赠，这也是时隔十年时间，继2011年清华-IDG/麦戈文脑科学研究院成立之后，双方合作的再次延续。

而且从目前的实际情况来看，社会参与脑科学其中很大一块贡献都是来自于像 IDG 这样的 VC 投资，越是社会参与度高，对科技行业发展的好处也会更多。尤其是对高校投资，可以很好的维持社会，学校，科研人才的关系，一起推动科技的发展。

我相信在多方的社会资本参与下，脑科学研究的发展会越来越好，这不仅关乎人类健康，也关乎着未来竞争中科技制高点，只有在国家，社会，资本的共同支持和帮助下才能不断突破和发展。

4，脑科学以及脑机接口的未来。

脑机接口技术目前还有许多的难题没有破解，但是一旦技术突破了那个大范围应用的临界点之后，我们可以畅享下未来会成为什么样子？

如果我们的脑机接口可以控制的神经元数量超过一定数量级，未来残疾人义肢可能会比人类的真肢还要强大，电影《战斗天使阿丽塔》已经给出了部分未来可能的答案。

剧照中的机器义肢搏斗可能真的会成为现实。

还有随着物联网的发展，脑机接口可以帮助我们随意控制身边的电子设备，其实目前就有些国家已经做到了。

比如现在有些研究机构就可以用外设和意念控制无人机飞行，什么脑控汽车，脑控家电，脑控轮椅都已经在实现的路上了。

脑科学的未来，无比可期。