撰文丨王聰

編輯丨王多魚

排版丨水成文

腦機接口（BCI）捕捉大腦發(fā)出的電信號，然后對其進行分析以確定使用者想要做什么，并將這些信號轉(zhuǎn)化為指令，例如用來幫助癱瘓者實現(xiàn)肢體運動和交流。腦機接口可以分為兩類——侵入式腦機接口和非侵入式腦機接口，前者將電極通過手術(shù)植入大腦，能夠直接從大腦中記錄電信號，通常比將電極貼在頭皮上的非侵入式腦機接口更準(zhǔn)確。而非侵入式腦機接口的優(yōu)點在于使用簡單、風(fēng)險也更低。

那么，我們?nèi)绾文軌蜃尭踩姆乔秩胧侥X機接口的性能得到大幅提高呢？

在大多數(shù)傳統(tǒng)腦機接口中，包括控制計算機光標(biāo)和機械臂，唯一的控制源就是解碼后的大腦神經(jīng)電信號。人類所執(zhí)行的許多動作都是目標(biāo)導(dǎo)向型的，其中動作是朝著目標(biāo)位置進行的，例如你去點擊電腦屏幕中的搜索欄、按鈕和圖標(biāo)，抑或是拿起桌子上的杯子、鑰匙，拉動門把手等待。在這些情況下，使用者在有限數(shù)量的可能目標(biāo)之間進行權(quán)衡，一旦目標(biāo)確定，人的行為往往會變得模式化，此時人工智能（AI）能過通過解讀意圖和輔助行動來提升腦機接口使用者的操控力。這種方法被稱為“共享自主權(quán)”，即人類自己作為主駕（pilot）與人工智能作為副駕（AI copilot）共同操控，以實現(xiàn)腦機接口更高的性能。

2025 年 9 月 1 日，加州大學(xué)洛杉磯分校的研究人員在 Nature 子刊Nature Machine Intelligence上發(fā)表了題為：Brain–computer interface control with artificial intelligence copilots 的研究論文。

該研究顯示，一個由人工智能（AI）擔(dān)任副駕駛（copilot）的非侵入式腦機接口（即該腦機接口由使用者自己和 AI 協(xié)同控制）能夠提升使用者的行動操控力，幫助癱瘓者更好地完成任務(wù)。這一人工智能增強的腦機接口（AI-BCI）能讓癱瘓者在移動計算機光標(biāo)或操作機械臂這類任務(wù)中的表現(xiàn)提升為單獨使用腦機接口時的近 4 倍。

該研究登上了Nature官網(wǎng)頭條——AI-powered brain device allows paralysed man to control robotic arm（AI 賦能的大腦設(shè)備讓癱瘓男子控制機械臂）。

為大幅提升非侵入式腦機接口的性能，研究團隊采用“共享自主權(quán)”架構(gòu)，使AI 副駕（AI copilot）系統(tǒng)與腦機接口使用者（人類主駕）協(xié)同達成任務(wù)目標(biāo)，并在基于腦電圖信號解碼的非侵入式腦機接口系統(tǒng)中驗證了這一架構(gòu)。

首先，研究團隊首先開發(fā)了融合卷積神經(jīng)網(wǎng)絡(luò)與類 ReFIT 卡爾曼濾波器的混合自適應(yīng)解碼算法，讓一名身體癱瘓者與三名健康用戶通過非侵入式腦機接口解碼大腦電信號來操控計算機光標(biāo)和機械臂，他們 4 人在大多數(shù)時間里都能過完成這項任務(wù)。

接下來，研究團隊設(shè)計了兩套AI 副駕（AI copilot）系統(tǒng)，分別在光標(biāo)控制任務(wù)和機械臂抓放任務(wù)中輔助腦機接口使用者（人類主駕）。結(jié)果顯示，在 AI 副駕的加入后，使用者完成任務(wù)的速度更快了，完成率也更高了。具體來說，接入 AI 副駕的腦機接口（AI-BCI）讓脊髓損傷癱瘓者在控制計算機光標(biāo)任務(wù)中的表現(xiàn)提升了 3.9 倍，讓健康參與者的表現(xiàn)提升了 2.1 倍。不僅如此，AI-BCI 還能讓癱瘓者操控機械臂將彩色方塊移動到特定位置，成功率高達 93%，而使用未接入 AI 副駕的腦機接口時無法完成這一任務(wù)。健康參與者使用 AI-BCI 則能過更好地完成這一任務(wù)。

研究團隊表示，接入了 AI 副駕的腦機接口不再需要解碼那么多的大腦活動，因為 AI 可以推斷出使用者想要做什么。這些 AI 副駕本質(zhì)上是在與人類主駕合作，并試圖推斷出用戶希望實現(xiàn)的目標(biāo)，然后幫助完成這些動作。

該研究開發(fā)的這種 AI-BCI 或能幫助腦機接口在日常使用中更實用、更高效，隨著 AI 系統(tǒng)的升級，有望幫助使用者更輕松地完成更多復(fù)雜任務(wù)，還有望開發(fā)出更復(fù)雜的 AI 副駕，整合到侵入式腦機接口中。

最后，論文通訊作者Jonathan C. Kao表示，這種人機“共享自主權(quán)”的一個挑戰(zhàn)在于，如何在不削弱使用者自主權(quán)的情況下為其提供幫助，實際上，使用者并不喜歡那種 AI 能夠控制機械臂運動軌跡的腦機接口版本。因此，需要平衡 AI 與人類使用者之間的控制權(quán)，不能讓 AI 違背人類的意圖。

論文鏈接：

https://www.nature.com/articles/s42256-025-01090-y