如果你的电脑，每天使用前都要花时间重装系统，是不是难以想象。脑机接口目前差不多就是这个情况，因为还没有实现长时间稳定解码，使用者不得不每天重新校准。

近日，加州大学旧金山分校医学院神经科学研究所在这一方面取得了进展。研究人员使用了 EcoG 电极，通过人脑和机器学习算法的共同学习，实现了长期的稳定解码，让瘫痪病人的脑机接口能够 “即插即用”。相关论文发表在 Nature biotechnology 上。

图 |“即插即用” 脑机接口论文发表在 Nature Biotechnology 上 (来源：Nature Biotechnology)

该论文的通讯作者，加州大学旧金山分校神经病学系副教授 Karunesh Ganguly 表示，“现有的系统不得不每天进行重新设置和校准，无法接入大脑的自然学习过程。这就像要求一个人从零开始，一遍又一遍地学习骑自行车。” 而他们的最新研究 “使人工学习系统顺利地与大脑复杂的长期学习模式一起工作，这在瘫痪病人身上是前所未有的。”

ECoG 电极与机器学习算法

研究使用是 ECoG 电极，它的形态是一层排列着金属电极点的硅胶片，需要进行外科手术将其植入脑中，植入的位置是大脑皮层以上，硬脑膜以下。ECoG 电极在临床上，经常被用来进行癫痫病人的病灶监测。

图 | 研究中使用的 ECoG 电极(来源：UCSF)

另外常被使用的脑机接口材料，比如犹它电极，形态是尖锐的阵列，电极长度为 1.0mm 或 1.5mm，能够刺入大脑皮层，获得更为清晰的信号。但是由于电极进入大脑皮层，其电极尖端的导电材料和绝缘层都会被大脑组织缓慢腐蚀。

图 | ECoG 电极和犹它电极

脑机接口是一个闭环系统，也就是要实现人脑神经活动与机器信号之间的连通循环，这其中的训练过程至关重要。

这次研究的目标是让四肢瘫痪的人用意念控制光标。研究人员设计了一个算法，利用机器学习，将记录到的大脑活动与用户想要的光标移动相匹配。

两个训练阶段，让大脑记住 “模型”

训练大致经过了两个阶段。

最初，研究人员每天重置算法。参与者首先想象特定的脖子和手腕的运动，同时观察光标在屏幕上的移动。渐渐地，算法更新，使得光标的移动与大脑活动相匹配，从而有效地将光标的控制传递给用户。

然而，每天重复这个过程会严重限制可以达到的控制水平。控制这个装置可能需要几个小时，有些时候参与者不得不完全放弃。

第二个阶段，研究人员不再每天重置算法，让算法持续更新以匹配大脑活动。这个阶段中，大脑信号和机器学习算法的持续相互作用让性能实现改进。

最初，每天都有一些失去的东西需要弥补，但是很快，参与者就能够立即达到最高水平的表现。“我们认为这是试图在两个学习系统——大脑和计算机——之间建立伙伴关系，最终让人工界面成为用户的延伸，就像他们自己的手或胳膊一样。”Ganguly 说。

研究人员观察到，参与者的大脑活动似乎形成了一种具有持续性的控制脑机接口的心理 “模型” ，这在日常重置和校准中从未发生过。持续学习几周后，当界面被重置时，参与者迅速重建相同神经活动模式，来控制设备。

“大脑只是迅速地收敛回同样的解决方案。”Ganguly 说。

最终，研究人员关闭算法的自身更新，参与者也可以简单地开始每天使用界面，而且不需再训练或重新校准。在没有再训练的情况下，44 天内的表现并没有下降，而且参与者甚至可以连续几天不练习，操作水平也不下降。

这项研究的成果充分利用了 ECoG 界面的稳定性和神经可塑性。接下来，研究者希望能够实现稳定地操作机械臂，这是一个更复杂的系统。

关键词： 脑机接口