早期的計算機通訊中，計算數據是通過打孔輸入或快速移動的紙帶，從那時起，我們一直在使用打字設備。后來開發了越來越多的人機交互方法。

觸摸屏現在統治我們的數字生活，但如果我們可以將計算與自己直接相連，我們就可以將腦海中的信息直接輸入到計算機當中。腦機接口一路走來的發展就是旨在做到這一點哦。

腦機接口，有時也稱作“大腦端口”direct neural interface或者“腦機融合感知 ”brain-machine interface，它是在人或動物腦（或者腦細胞的培養物）與外部設備間建立的直接連接通路。

在單向腦機接口的情況下，計算機或者接受腦傳來的命令，或者發送信號到腦（例如視頻重建），但不能同時發送和接收信號。而雙向腦機接口允許腦和外部設備間的雙向信息交換。

腦機接口具有侵入式、非侵入式和半侵入式等三種實現形式。

侵入式腦機接口，是指通過手術等方式直接將電極植入到大腦皮層。這樣做的好處是可以直接從大腦皮層獲取信息，避免神經信號因為遠距離傳輸而衰減，通過這種技術記錄到的信號具有極高的信噪比和良好的分辨率。

但問題也很明顯：首先，植入手術過程存在著一定的風險；其次，電極也很難精確地植入到對應的腦區；隨著時間的推移，電極也會被疤痕組織覆蓋，這樣神經信號就會大幅衰弱，需要重新植入。

非侵入式腦機接口，則是指無需通過侵入大腦，直接從人的頭皮表面記錄神經信號。這種方式的好處是對人體損害小，避免了昂貴和危險的手術，而且相較于有創腦機接口，人類可以節省大量的訓練時間。

但問題在于，由于是在腦外，獲得的神經信號更容易受到噪聲的干擾，在強度上遠不如有創腦機接口。

半侵入式腦機接口，需要通過手術將腦機接口植入到顱腔內，但是在大腦皮層之外。雖然其獲得的信號強度及分辨率弱于侵入式，但是卻優于非侵入式，同時可以進一步降低免疫反應和愈傷組織的幾率。近期針對這種方式的研究尚無重大進展。

美國加州大學舊金山分校科學家約瑟芬·馬金及其同事，盤點了機器翻譯領域的最新進展，并利用這些方法訓練循環神經網絡，將神經信號直接映射為句子。

研究中，4名受試者此前顱內均被植入了用以監測癲癇的電極，電極會將他們大聲讀出句子時的神經活動記錄下來。

之后，這些記錄被添加到一個循環神經網絡中，從而將規律性出現的神經特征表示出來，這些神經特征可能與言語的重復性特征（比如元音、輔音或發音器官接收的指令）相關。

接著，另一個循環神經網絡逐字解碼這種算法，形成句子。還發現，明顯參與言語解碼的腦區同樣參與言語生成和言語感知。

盡管該研究成果還未落地，但不可否認的是，若BCI商業化得以實現，無論是在醫療或是人工智能等高科領域，都將引發巨變。

隨著全球老齡化的加快，人類易患有神經退行性疾病，加上虛擬VR游戲的普及率逐漸提高，在治療癱瘓患者，神經系統疾病，睡眠障礙以及研究神經科學等使用場景下，BCI設備的作用也愈加凸顯。

2019年，醫療終端占BCI市場最大份額，達到37.8%，其中又以北美地區份額最大，約占42.3%。有專家預計，未來BCI需求將大幅提升。

不論是國內還是國外，目前對于腦機接口的探索大多還在臨床試驗期，并且不論是產品還是相關研究都需經歷兩個階段的挑戰：

第一個是“從腦到機”，也就是將大腦的輸出準確地傳輸到機器中，目前業內已經有了一些研究成果及相關產品出現。

第二個是“從機到腦”，這方面的研究要緩慢許多，原因就是目前神經科學對于神經編碼的具體方式還處于未知狀態，而由機到腦對神經編碼知識的需求要遠大于從腦到機。

盡管神經科學在單神經元的研究逐漸明朗，但人類本身對于大腦各種神奇之處的探索能力依然有限。

注：文章為EDA365電子論壇公眾平臺（ID：eda365wx）原創文章，如需轉載，請聯系小編申請。