加州大学通过机器学习技术应用于脑机接口设备实现 “即插即用” 效果

最近，加州大学旧金山分校的一项新研究发现，通过将机器学习技术应用于脑机接口系统，瘫痪者的大脑可以记住操控电脑光标的感觉，即使不再进行日常训练，这部分记忆力可以留存一个半月甚至更久。脑机接口设备因此可实现 “即插即用” 效果。

一枚小小的植入芯片可以让瘫痪的人恢复触觉 、操控假肢 、使用平板电脑 。近年来，多项植入式脑机接口（Brain-Computer Interface，BCI）系统研究给了瘫痪者便利生活的希望。但以往实验中，瘫痪者的操控能力往往隔一段时间就会 “格式化”，需要重新训练大脑来习得这种能力。实际应用中，大量的日常训练会磨损瘫痪者的耐心，脑机接口设备的实用性也大打折扣。

我们一直都想做能真正改善瘫痪患者的日常生活的设计，而不是做出来就束之高阁”，论文的通讯作者、加州大学旧金山分校神经学系副教授 Karunesh Ganguly 表示。在和《知识分子》的邮件交流中，他表示该项研究的最大意义是证明了此类设计无需重新校准即可获得稳定的性能，并在信号稳定时为长期解码器校准提供了路线图。

Ganguly 和同事们的这一实验持续了 6-7 个月。他们以一位四肢瘫痪的患者作为实验对象，通过手术将一枚便利贴大小的电极垫植入受试者的大脑表面来探测神经活动。术后几周，受试者开始用植入芯片控制电脑光标，一边想象脖子和手腕的运动一边注视电脑上光标的移动。研究人员开发了一种基于机器学习的算法，能逐渐将电极记录的受试者大脑活动与光标移动进行匹配。一开始，他们每天都重新启动这个算法，但问题很快出现了：受试者有时候好几个小时都没法重新掌握控制光标的能力，有几天甚至完全放弃了。

由于电极信号不稳定，过往类似实验中每天重启电极是标准做法。但这次，研究者采用了脑皮层电图（ECoG）电极阵列，这是一种临床上常用于癫痫灶检测的电极。 不同于马斯克的 Neuralink 使用的针式“犹他电极（Utah Array）” ，这种电极的表面积更大，虽敏感度不及前者，但可以提供长期稳定的信号源。在瘫痪者长期研究中，ECoG 的使用需要经过特别批准。“ECoG 是非常稳定且有应用前景的材料，但还没有什么（研究者）以这种方式使用过它”，Ganguly 表示，“我们的主要创新是将 ECoG 和长期自适应解码器（ltCLDA）结合，以达到稳定的控制。”

既然有了稳定信号源，研究人员决定不再每天重启算法，而是让它持续更新。脑电波信号和机器学习算法互动，几天内受试者的控制能力显著提高了，越到后来，受试者每天到达最好控制状态的时间越短。研究者以速度、准确性和信息传输的比特率来衡量控制能力，发现将算法更新的时间控制在大脑能跟上的频率，即 10 秒一次的时候，效果最好。

研究人员认为，在这一过程中，参与者的大脑能够放大有效的神经活动模式，以通过 ECoG 阵列最有效地驱动人工界面，同时消除不那么有效的信号，最后发展出一种牢固而持续的“心理模型”，这一修剪过程非常类似于大脑的思维方式。

“一旦受试者建立了交互控制方案的持久存储，就无需进行重置。” Ganguly 说，“大脑会迅速收敛到相同的解决方案。”

经过两周左右，实验达到比较稳定的结果，受试者掌握了控制 “技能”。此后研究人员关闭算法的自动更新功能，受试者也能 “即插即用” 脑机接口设备，而且控制能力维持 44 天也不会减弱。研究人员也探索建立了其他的升级 “技能”，如点击虚拟按键。

目前，该实验还在进行后续阶段的工作，包括利用脑部信号控制义肢的实验。Ganguly 表示，虽然目前只有一位受试者数据，他对实验结果是有信心的，因为之前有长期的动物实验数据支撑。目前，研究团队也在招募更多的受试者。
责任编辑:pj