脑机接口不断迎来重大突破,“思想钢印”还会远吗?

一、脑机接口发展正在走向高潮
 
上个月,脑机接口领域再次迎来重大突破:使瘫痪者成功恢复运动能力,触觉准确率高达 90%。
 
4 月 23 日,《细胞》(Cell)杂志刊登了一篇来自美国俄亥俄州 Battelle 研究所和俄亥俄州立大学 Wexner Medical Center 的重磅研究论文,介绍了一个通过脑机接口(Brain-Computer Interface,BCI)系统来恢复严重脊髓损伤的患者手部触觉和运动能力的案例。
 
在这项研究中,研究人员评估了一种假设,即通过脑机接口技术,破译来自受损手部的残余感觉神经活动,并将其动态转换为用户可以感知的闭环感觉反馈,从而潜在地增强感知功能。

同时,由于触觉对于运动控制至关重要,因此,除了单独恢复触觉,脑机接口技术有望让脊髓损伤患者仅仅通过一只手,同时恢复触觉和运动功能。由此,研究人员在患者皮肤上放置了电极系统,并在他的大脑运动皮层中植入小型记录芯片。这种芯片不仅有机会使瘫痪患者恢复正常运动,还可以恢复触觉。研究人员表示,与偶然性相比,他们在实验中达到了 90% 的准确率。
 
研究人员表示,这款脑机接口系统有三个重要的改进:
 
首先,该系统使患者能够仅通过触觉就能可靠地检测到某些东西,在将来,该系统也可能会被用来查找和捡起一个看不见的物体;
 
另外,该系统也是第一个能够同时恢复运动和触觉的脑机接口,在运动过程中体验到增强触摸的能力,使患者能够拥有更好的控制感;
 
最后,这款改进的脑机接口系统能够感应到在处理物体或捡拾物体时要使用多大的力,例如,在捡拾像塑料杯等这样的易碎物体时使用较轻的握紧力,但在捡拾重物时使用更大的握紧力。
 

值得一提的是,上述研究并不是近来科学家在脑机接口领域取得进展的孤例。从2012年巴西世界杯上,身着机器战甲的截肢残疾者,凭借脑机接口和机械外骨骼开出了一球,到2016年斯坦福大学神经修复植入体实验室的研究者们往两只猴子大脑内植入了脑机接口,使猴子创造了新的大脑控制打字的记录——1分钟内打出了莎士比亚的经典台词“To be or not to be.That is the question”,再到目前全球已有超过五十万人正在使用将接收到的声音通过处理转换成电信号、并将电信号传输到植入内耳的植入体、然后大脑对传来的信号进行处理、让听觉障碍患者得以听到声音的人工耳蜗设备,脑机接口领域已有很多里程碑事件。
 
就在前不久,一个由加州大学旧金山分校 Edward Chang 实验室的研究团队打造的新型人工智能系统,可根据人脑信号来生成文本,准确率最高可达 97%。该人工智能系统使用了一种全新的方法来解码脑皮质电图:通过植入大脑的电极,来获取皮质活动中所产生的电脉冲记录。
 
另外,3月底,在Nature杂志的副刊《神经科学》上面,来自美国加州大学旧金山分校的研究人员发表了一项新的研究,他们利用机器学习的方法,可以把脑电波信号直接翻译成了有意义的语音和文字,翻译准确度得到大幅提高,最低错误率只有3%。这次脑机语言翻译的出现,意味着人类的交互方式出现了新的形式,也就是由大脑信号直接转化为语言信号,可以帮助因为中风偏瘫、渐冻症或者其他因神经系统疾病而丧失语言功能和沟通能力的人恢复语言沟通能力。
 
在今年 1 月份,浙江大学医学院附属第二医院也通过 "脑机接口技术",让一位因车祸而造成第四颈髓层面损伤并四肢瘫痪的病人,获得了用 "意念" 来控制机械臂,从而进行握手、拿饮料、吃油条等操作。
 
总之,人类对脑机接口的研究从最早20世纪70年代起,让受试者通过生物反馈训练学习如何自主地控制脑电节律,到1995年全世界从事有关脑机接口研究的小组不超过6个、1999年已超过20个、2002年有近40个,如今脑机接口不论是技术水平和研究团队规模已有质的飞跃,其发展正在走向高潮,技术不断有新突破,相关企业数量不断增加,相关应用和热度也开始攀升。调查数据显示,2020年脑机接口的市场规模将达到14.6亿美元,受到其影响的应用领域非常广泛,不论是医疗、教育还是消费,都将带来远超于十几亿美金的巨额市场空间。
 
脑部是人类的神经中枢。作为人体最重要的器官之一,它承担着维系人类生存的基本任务。与此同时,几乎所有的高级神经活动都在脑部完成。如果将人体视为一台电脑,那么大脑就是运算核心。普通电脑可以通过外接硬盘、外接显卡、外接内存等方法提高性能,所以有科学家认为,这样的“改良”同样可以适用于人脑。这种观点的产生,最终形成了研发脑机接口的动力。而至于脑机接口的火热,或许有部分原因来自人工智能的飞快发展和威胁论的甚嚣尘上。
 
如今,人工智能在某些方面已经能够毫不费力地战胜人类。早在2016年AlphaGo击败围棋冠军李世石的那一刻,人工智能就披上新的荣光,人类创造出的模拟人脑神经处理机制的人工神经网络,已经具备了某些方面超越人类的“高智商”。对此,很多人认为,在这个由人工智能和“其他所有生物”组成的未来中,人类只有一条出路:“变成人工智能”。正如埃隆马斯克所说:“我认为未来人类智力会被 AI 甩在身后,脑机接口可以让我们跟上 AI 的脚步。所以,让人脑和机器连接很重要。”
 
或许正是这个原因,加之人工智能技术及其他技术在近年来的不断提升,脑机接口也迎来了爆发。而这个富有未来感的、往往存在于科幻电影中的技术,正在一步步走进现实。或许,终极的脑机接口技术,将像小说《三体》中所形容的一样,面壁者希恩斯发现了思想钢印,即人类思维做出判断的机制,成功研制出一种设备,通过对神经元网络施加影响,使大脑不经思维就作出判断,相信某个信息为真。这种既能精确读出,也能精确写入,大概可以作为脑机接口技术的理论终点。
 
尽管目前而言,脑机接口技术还完全没有达到读取和操控思维的水平,但是,随着各国对这项技术越来越重视,相信脑机接口技术的爆发未来可期。

二、脑机接口正在成为全球各国科技竞争的战略高地
 
鉴于未来脑机接口技术对社会发展所能够带来的强大的推力,目前,脑机接口技术已经成为了全球各国科技竞争的战略高地。从整体看,美国和欧洲的脑机接口技术开展较早,日本和中国入局较晚。
 
美国:1989年率先提出全国性的脑科学计划,并把本世纪最后10年命名为“脑的10年”。白宫于2013年4月提出被认为可与人类基因组计划相媲美的“脑计划” ,旨在探索人类大脑工作机制、绘制脑活动全图、推动神经科学研究、针对目前无法治愈的大脑疾病开发新疗法。美国政府公布“脑计划(US BRAIN Initiative)”启动资金逾1亿美元,后经调整,计划未来12年间共投入45亿美元。
 
值得注意的是,2018年11月,美国商务部工业安全署根据国会通过的《出口管制改革法案(Export Control Reform Act)》要求,出台了一份针对最新的14大类的关键技术和相关产品的出口管制框架。而这14项被美国出口管制的技术当中就包括了“脑机接口技术”:(i) 神经控制界面;(ii) 意识-机器界面;(iii) 直接神经界面;(iv) 脑机接口。足以可见美国对于“脑机接口技术”的重视。
 
欧盟:1991年欧洲出台“欧洲脑10年”计划。2013年1月,欧盟委员会宣布人脑工程入选“未来新兴旗舰技术项目”,并设立专项研发计划“人类大脑计划(HBP)”,可在未来10年内(2013年至2023年)获得10亿欧元经费。该项目集合了来自不同领域的400多名研究人员。 
 
日本:1996年,日本制定为期20年的“脑科学时代”计划,计划每年投资1000亿日元,总投资达到2万亿日元。2014年9月,日本科学省也宣布了自己“脑计划”的首席科学家和组织模式。日本“脑计划”侧重于医学领域,主要是以狨猴大脑为模型加快对人类大脑疾病如老年性痴呆和精神分裂症的研究。日本政府2015年关于“脑计划”的预算约64亿日元(约合6375万美元)。
 
中国:“脑科学和类脑研究”已被列入“十三五”规划纲要中的国家重大科技创新和工程项目。中科院于今年初成立包含20个院所80个精英实验室的脑科学和智能技术卓越创新中心。对“中国脑计划”,各领域科学家提出了“一体两翼”的布局建议:即以研究脑认知的神经原理为“主体”,研发脑重大疾病诊治新手段和脑机智能新技术为“两翼”。目标是在未来15年内,在脑科学、脑疾病早期诊断与干预、类脑智能器件三个前沿领域取得国际领先的成果。经粗略估算,我国对该领域的主要经费投入,从2010年的每年约3.48亿,增长到2013年的每年近5亿元人民币。
 
三、现有脑机接口技术国内外企业现状
 
脑机接口按电极所处的位置来划分,可以分为侵入式脑机接口和非侵入式脑机接口。其中侵入式脑机接口需要通过手术将信号采集探针放入颅内,从而采集脑电信号。长期放置探针具有很高的风险,一般主要用于癫痫患者和动物被试;非侵入式脑机接口是直接采集头皮脑电,其所带的信息比植入式所采集到的脑电信号所带的信息量要少,分辨率也更低。但是因为其是无创性的,所以便捷性和安全性更高。
 
目前,主流的消费级脑机接口研究主要运用非侵入式的脑电技术。下面,本文梳理了目前表现活跃的国内外相关企业:

国内重点企业

国外重点企业
从国内外主要玩家的研究成果对比可以发现,在技术实现方面,国内公司主要采取非侵入式,而国外公司主要采取侵入式。

对于非侵入式而言,尽管相对侵入式技术容易获得分辨率更高的信号,但风险和成本依然很高。不过,随着人才、资本的大量涌入,非侵入式脑电技术势必将往小型化、便携化、可穿戴化及简单易用化方向发展。
 
而对于侵入式脑机接口技术,目前面临着人体排异反应及颅骨向外传输信息会减损这两大问题。如果未来这两个问题能够得以解决,再加上对于大脑神经元研究的深入,将有望实现对人的思维意识的实时准确识别。这一方面将有助于电脑更加了解人类大脑活动特征,以指导电脑更好的模仿人脑;另一方面可以让电脑更好的与人协同工作。
 
不过,由于目前技术和市场都还处在非常早期阶段,市场规模尚不清晰,真正拥有竞争力的团队需要具备复合背景。团队应在脑机接口技术方面有至少十年以上的研究积累,在生物医药、工程方面的经验也非常重要,还要具备软硬件结合的能力,这样才能够在基于对人体、技术都了解的情况下开发产品;另外,在市场还处在初期阶段的时候,企业要做好长期战的准备。
 
四、脑机接口技术面临的挑战
 
脑机接口是一门复杂的交叉学科,这种交叉学科遇到两个来自理论和工程方面的挑战。
 
目前,理论研究都在努力解决两个问题:第一,“从脑到机”,如何从大脑中获取正确的信息?第二,“从机到脑”,如何将正确的信息发送到大脑?”当前任何一种脑机接口技术都需要使用者非常主动的配合,才能把一定程度的思维活动信息读取出来,而至于思维活动信息的写入更是加倍的难。这是因为目前神经科学对于神经编码的具体方式还处于未知状态。由“从机到脑”对神经编码知识的需求要远大于“从脑到机”。
 
工程上的难度则在于:脑机接口行业涉及的机械动力学、神经科学、认知科学、信息工程等大量学科,需要大量各个行业的人才,不能有短板。此外,工程上更大的难度还包括成本控制,即能否通过合理的流程和工艺来降低成本实现商业化。

具体而言,脑机接口面临的挑战有以下几点:
 
1、通信速度慢
 
脑机接口系统采集到脑电信后需要对其进行处理,然后才能转换成机器语言而被电脑所接受,在脑机接口使用过程中时常需要多次刺激和反馈。受到种种原因的限制,脑机接口的通信速度还比较低。目前,基于P300的脑机接口最大信息转换速度为20-25bit/min,基于视觉诱发的脑机接口稍高,其通信速率也只有60- 100bit/min。这样的信息转换效率还达不到正常交流的水平。
 
2、信号识别精度低
 
目前人们尚未对大脑当中数百亿的神经元的功能和机制拥有足够的了解,脑机接口技术对于大脑信号的正确识别也受到了制约,而要想同时记录越多数量的神经元,难度越大,这也使得脑机接口对于大脑信号的识别精度较低。
 
资料显示,目前,基于自发脑电的脑机接口系统,对运动想象脑电信号进行的研究,2类思维任务的识别率约为90%,3类任务得到其识别率在80%左右。对4类运动得到的识别率仅有70%左右。另外,在控制指令多时,识别率低的问题使得脑机接口系统在实际应用中受到了严重的限制。虽然以上对运动想象脑电信号的70-90%的识别率看上去还不错,但是对于复杂的思维来说,差之毫厘便可能会失之千里。
 
3、适应性差

脑电信号采集过程中,夹杂着不少干扰成分,如肌信号干扰等,因此设计抗干扰能力强的脑电信号采集设备等问题有待解决;如何改善信号处理方法使之系统化、通用化,从而快速、精确、有效地设计出实用脑机接口系统的问题也有待研究。
 
4、便携性差

目前脑机接口大多是基于PC平台的,便携性差。而基于前入式的脑机接口由于处理器处理速度较慢,所以信息传输率也更低。
 
总的来说,目前的脑机接口技术还是只能实现一些并不复杂的对于脑电信号的读取和转换,从而实现对于计算机/机器人的简单控制。要想实现直更为复杂的精细化的交互和功能,实现所想即所得,甚至实现将思维与计算机的完美对接,实现通过“下载”能够熟练的掌握新知识、新技能,而这还有很漫长的路要走。
 
另外需要注意的一个问题是,当人的大脑意识可以被准确的读取,那么则意味着大脑当中丰富的隐私数据将有可能会被泄露或窃取,随着脑机接口技术的发展,未来无疑将需要提供足够安全的措施来保障用户的隐私数据安全。正如电影《黑客帝国》当中所描绘的那样,未来侵入式的双向交互脑机接口,虽然能够为我们带来无限的可能,但如果没有强有力的保护措施,也存在着被黑客攻击的风险,而这种攻击可能将是致命的。
 
和其他如人工智能、基因编辑、合成生物学等新兴技术一样,脑机接口技术也存在有可能对人和社会带来巨大受益,同时又有可能带来巨大风险,威胁到人类未来世代的健康以及人类的生存的可能性,会带来一些新的伦理问题,这决定了“技术先行”或“干了再说”的办法,可能不再适用,而是应该“伦理先行”。不过,虽然目前脑机接口仍需面对技术、伦理、商业化的三大关卡,但可以肯定的是,只要怀着能够让渐冻症患者或全瘫痪者通过脑机接口实现与他人思想交流、行走运动的美好初衷,脑机接口技术所带来的未来可能性将值得我们去期待。
THU数据派
THU数据派

THU数据派"基于清华,放眼世界",以扎实的理工功底闯荡“数据江湖”。发布全球大数据资讯,定期组织线下活动,分享前沿产业动态。了解清华大数据,敬请关注姐妹号“数据派THU”。

产业脑机接口
1
相关数据
机器学习技术

机器学习是人工智能的一个分支,是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、计算复杂性理论等多门学科。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。因为学习算法中涉及了大量的统计学理论,机器学习与推断统计学联系尤为密切,也被称为统计学习理论。算法设计方面,机器学习理论关注可以实现的,行之有效的学习算法。

感知技术

知觉或感知是外界刺激作用于感官时,脑对外界的整体的看法和理解,为我们对外界的感官信息进行组织和解释。在认知科学中,也可看作一组程序,包括获取信息、理解信息、筛选信息、组织信息。与感觉不同,知觉反映的是由对象的各样属性及关系构成的整体。

人工智能技术

在学术研究领域,人工智能通常指能够感知周围环境并采取行动以实现最优的可能结果的智能体(intelligent agent)

神经科学技术

神经科学,又称神经生物学,是专门研究神经系统的结构、功能、发育、演化、遗传学、生物化学、生理学、药理学及病理学的一门科学。对行为及学习的研究都是神经科学的分支。 对人脑研究是个跨领域的范畴,当中涉及分子层面、细胞层面、神经小组、大型神经系统,如视觉神经系统、脑干、脑皮层。

规划技术

人工智能领域的「规划」通常是指智能体执行的任务/动作的自动规划和调度,其目的是进行资源的优化。常见的规划方法包括经典规划(Classical Planning)、分层任务网络(HTN)和 logistics 规划。

准确率技术

分类模型的正确预测所占的比例。在多类别分类中,准确率的定义为:正确的预测数/样本总数。 在二元分类中,准确率的定义为:(真正例数+真负例数)/样本总数

神经元技术

(人工)神经元是一个类比于生物神经元的数学计算模型,是神经网络的基本组成单元。 对于生物神经网络,每个神经元与其他神经元相连,当它“兴奋”时会向相连的神经元发送化学物质,从而改变这些神经元的电位;神经元的“兴奋”由其电位决定,当它的电位超过一个“阈值”(threshold)便会被激活,亦即“兴奋”。 目前最常见的神经元模型是基于1943年 Warren McCulloch 和 Walter Pitts提出的“M-P 神经元模型”。 在这个模型中,神经元通过带权重的连接接处理来自n个其他神经元的输入信号,其总输入值将与神经元的阈值进行比较,最后通过“激活函数”(activation function)产生神经元的输出。

围棋技术

围棋是一种策略性棋类,使用格状棋盘及黑白二色棋子进行对弈。起源于中国,中国古时有“弈”、“碁”、“手谈”等多种称谓,属琴棋书画四艺之一。西方称之为“Go”,是源自日语“碁”的发音。

推荐文章
暂无评论
暂无评论~