最近，加州大學舊金山分校的一項新研究發現，通過將機器學習技術應用于腦機接口系統，癱瘓者的大腦可以記住操控電腦光標的感覺，即使不再進行日常訓練，這部分記憶力可以留存一個半月甚至更久。腦機接口設備因此可實現 “即插即用” 效果。

一枚小小的植入芯片可以讓癱瘓的人恢復觸覺 、操控假肢 、使用平板電腦 。近年來，多項植入式腦機接口（Brain-Computer Interface，BCI）系統研究給了癱瘓者便利生活的希望。但以往實驗中，癱瘓者的操控能力往往隔一段時間就會 “格式化”，需要重新訓練大腦來習得這種能力。實際應用中，大量的日常訓練會磨損癱瘓者的耐心，腦機接口設備的實用性也大打折扣。

我們一直都想做能真正改善癱瘓患者的日常生活的設計，而不是做出來就束之高閣”，論文的通訊作者、加州大學舊金山分校神經學系副教授 Karunesh Ganguly 表示。在和《知識分子》的郵件交流中，他表示該項研究的最大意義是證明了此類設計無需重新校準即可獲得穩定的性能，并在信號穩定時為長期解碼器校準提供了路線圖。

Ganguly 和同事們的這一實驗持續了 6-7 個月。他們以一位四肢癱瘓的患者作為實驗對象，通過手術將一枚便利貼大小的電極墊植入受試者的大腦表面來探測神經活動。術后幾周，受試者開始用植入芯片控制電腦光標，一邊想象脖子和手腕的運動一邊注視電腦上光標的移動。研究人員開發了一種基于機器學習的算法，能逐漸將電極記錄的受試者大腦活動與光標移動進行匹配。一開始，他們每天都重新啟動這個算法，但問題很快出現了：受試者有時候好幾個小時都沒法重新掌握控制光標的能力，有幾天甚至完全放棄了。

由于電極信號不穩定，過往類似實驗中每天重啟電極是標準做法。但這次，研究者采用了腦皮層電圖（ECoG）電極陣列，這是一種臨床上常用于癲癇灶檢測的電極。 不同于馬斯克的 Neuralink 使用的針式“猶他電極（Utah Array）” ，這種電極的表面積更大，雖敏感度不及前者，但可以提供長期穩定的信號源。在癱瘓者長期研究中，ECoG 的使用需要經過特別批準?！癊CoG 是非常穩定且有應用前景的材料，但還沒有什么（研究者）以這種方式使用過它”，Ganguly 表示，“我們的主要創新是將 ECoG 和長期自適應解碼器（ltCLDA）結合，以達到穩定的控制?！?/p>

既然有了穩定信號源，研究人員決定不再每天重啟算法，而是讓它持續更新。腦電波信號和機器學習算法互動，幾天內受試者的控制能力顯著提高了，越到后來，受試者每天到達最好控制狀態的時間越短。研究者以速度、準確性和信息傳輸的比特率來衡量控制能力，發現將算法更新的時間控制在大腦能跟上的頻率，即 10 秒一次的時候，效果最好。

研究人員認為，在這一過程中，參與者的大腦能夠放大有效的神經活動模式，以通過 ECoG 陣列最有效地驅動人工界面，同時消除不那么有效的信號，最后發展出一種牢固而持續的“心理模型”，這一修剪過程非常類似于大腦的思維方式。

“一旦受試者建立了交互控制方案的持久存儲，就無需進行重置。” Ganguly 說，“大腦會迅速收斂到相同的解決方案?！?/p>

經過兩周左右，實驗達到比較穩定的結果，受試者掌握了控制 “技能”。此后研究人員關閉算法的自動更新功能，受試者也能 “即插即用” 腦機接口設備，而且控制能力維持 44 天也不會減弱。研究人員也探索建立了其他的升級 “技能”，如點擊虛擬按鍵。

目前，該實驗還在進行后續階段的工作，包括利用腦部信號控制義肢的實驗。Ganguly 表示，雖然目前只有一位受試者數據，他對實驗結果是有信心的，因為之前有長期的動物實驗數據支撐。目前，研究團隊也在招募更多的受試者。
責任編輯:pj