当AI遇上神经科学，科学家用AI算法增强脑机接口性能

脑机接口是一种变革性的人机交互技术，是指绕过外周神经和肌肉，使大脑与外部设备建立全新的通信与控制通道，并捕捉大脑信号并将其转换为电信号，实现信息的传输和控制。

近年来，脑机接口技术已经进入临床试验阶段。通过这项革命性的新技术，能够帮助帮助因损伤或疾病而失语、失聪的患者恢复；让重症肌无力患者、因事故导致的高位截瘫、中风等重度运动障碍患者恢复一定的运动能力。

上个月，Elon Musk（埃隆·马斯克）旗下脑机接口公司Neuralink宣布，完成第二例脑机接口设备人体移植，移植者在术后就能用意念来控制光标、玩电子游戏等原本无法想象的操作。

然而，目前脑机接口技术并不完美。大脑中的神经网络并非简单的线性叠加，而是涉及复杂的非线性关系，就使得同时发生的编码难以被解析。所以，区分特定行为的大脑编码与其他行为的编码，仍是一大挑战。

近期，来自南加州大学和宾夕法尼亚大学的研究团队开发了一种人工智能算法——DPAD（Dissociative Prioritized Analysis of Dynamics），能够有效地将特定行为的大脑模式与其他同时进行的大脑活动区分开来，提高从大脑活动中解码运动的准确性，从而显著提升脑机接口的性能。

研究团队以“Dissociative and prioritized modeling of behaviorally relevant neural dynamics using recurrent neural networks”为题，已将该论文发表在Nature子刊Nature Neuroscience 上。

研究团队表示，这种方法不仅可以准确地从大脑活动中解码动作，还有助于揭示大脑中可能未被注意到的新模式，从而开发出功能更强大的脑机接口，如用于治疗运动障碍和瘫痪以及精神疾病。

值得注意的是，这一算法具有极强的灵活性，未来可能用于解码如疼痛或抑郁情绪等心理状态，有助于更好地治疗心理健康状况，通过跟踪患者的症状状态作为反馈，精确地根据他们的需求定制治疗方案。

事实上，脑机接口的灵感来源于人工智能基础模型“神经网络”，而后者则模仿的是人类大脑的神经元网络结构。所以，脑机接口在神经科学领域有不错的前景，并已经获得了大量突破性的成果。

今年8月，加州大学戴维斯分校健康中心研究团队及其合作者开发了一种由AI 驱动的大脑植入物，成功将大脑信号转换为语音，让失语患者重新开口说话，准确率高达97.5%。

然而，人类对大脑的认识只是冰山一角，未来人工智能与神经科学的结合，势必带来更多的可能和想象空间。当然，脑机接口亦是如此。