夏妙蕓 王 穎 楊謙梓 羅 艷

腦科學(xué)與人工智能是兩個不同的領(lǐng)域,但兩者間存在著緊密的聯(lián)系和互動。隨著人工智能技術(shù)的不斷發(fā)展,研究者們能更加深入地了解大腦的結(jié)構(gòu)和功能,同時可從腦科學(xué)中汲取靈感并受到啟發(fā),不斷推動人工智能的發(fā)展。本文將從腦機接口(brain-computer interface,BCI)技術(shù)角度,探討腦科學(xué)與人工智能的相互影響。

BCI是一種將人的大腦信號轉(zhuǎn)化為計算機指令的技術(shù),其通過對人腦電信號的采集、分析和處理,使人類能夠與外部世界進行直接交互,而無需依賴傳統(tǒng)的輸入設(shè)備(鍵盤、鼠標(biāo)等),實現(xiàn)人與計算機之間的直接交互[1]。這種技術(shù)不僅可為殘疾人提供一種新的通信和控制方式,也有望為健全人提供更加高效的人機交互方式,有助于研究者進一步研究大腦的功能和結(jié)構(gòu),并在此基礎(chǔ)上為人工智能提供更好的交互模式[2-4]。

目前,BCI技術(shù)已在理論和實踐方面取得了一些進展,但在可靠性和實用性方面還面臨一些挑戰(zhàn)。

1 BCI在殘疾人中的應(yīng)用

首先,BCI技術(shù)已實現(xiàn)了單一運動功能的控制,如輪椅、機器手臂和假肢等。對于因截肢或神經(jīng)損傷等原因失去肢體功能的殘疾人,通過BCI技術(shù),可使用大腦信號控制上述設(shè)備,恢復(fù)其日常生活自理能力[5]。其次,對于運動神經(jīng)系統(tǒng)疾病患者或脊髓損傷患者,BCI可通過采集其腦電信號,識別其所想表達的思想,并轉(zhuǎn)化為語音或文字輸出,從而幫助此類患者克服語言表達和文字錄入方面的困難[6]。第三,對于因運動障礙或肌肉疾病等原因無法使用傳統(tǒng)的遙控器或開關(guān)者,BCI可通過控制電器或智能家居系統(tǒng),幫助其更加方便地實現(xiàn)環(huán)境控制。第四,對于自閉癥患者或有社交障礙者,BCI可通過分析其腦電信號,識別其情感狀態(tài),從而幫助此類人群更加準確地表達自己的情感和意愿,提高其與他人的交流和互動能力,甚至實現(xiàn)情感交流[7]。總之,BCI在殘疾人中具有廣泛的應(yīng)用前景和社會價值,未來還可在更多的應(yīng)用場景中得以拓展。

2 BCI在神經(jīng)科學(xué)研究中的應(yīng)用

BCI技術(shù)在神經(jīng)科學(xué),尤其在大腦的功能、結(jié)構(gòu)和神經(jīng)可塑性等方面的研究中也已廣泛應(yīng)用。

2.1 神經(jīng)可塑性的研究 神經(jīng)可塑性是指神經(jīng)系統(tǒng)對外界刺激或內(nèi)部環(huán)境變化的適應(yīng)性調(diào)節(jié)能力,表現(xiàn)為神經(jīng)元和神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)、功能和代謝的可逆性改變。BCI通過對腦電信號的采集和分析,可以實時監(jiān)測和識別人腦活動,研究人腦神經(jīng)可塑性的調(diào)控機制和規(guī)律。通過對不同任務(wù)下的腦電信號的分析,可以發(fā)現(xiàn)大腦功能網(wǎng)絡(luò)的變化,從而研究神經(jīng)可塑性的調(diào)控機制,并提供有效的生理指標(biāo)用于神經(jīng)可塑性的評估。BCI技術(shù)在應(yīng)用過程中,需要大量的腦機交互,這樣的交互會不斷激發(fā)神經(jīng)系統(tǒng)的活動,從而促進神經(jīng)可塑性的發(fā)生和調(diào)節(jié)。應(yīng)用BCI技術(shù)刺激特定的神經(jīng)回路,模擬神經(jīng)可塑性的變化,可促進該腦區(qū)的功能連接和神經(jīng)元的結(jié)構(gòu)變化,產(chǎn)生預(yù)期的治療作用。Fu等[8]研究發(fā)現(xiàn),通過BCI技術(shù)訓(xùn)練,可以促進失能患者的神經(jīng)可塑性,促進其相應(yīng)腦區(qū)的功能恢復(fù)。

2.2 神經(jīng)解碼的研究 神經(jīng)解碼是將神經(jīng)信號轉(zhuǎn)化為行為或認知信息的過程。BCI將從腦電圖(electroencephalography, EEG)、功能磁共振成像(functional magnetic resonance imaging,fMRI)、腦皮層電圖(electrocorticography, ECoG)等獲取的神經(jīng)信號解碼成計算機指令,從而實現(xiàn)人腦與外部設(shè)備的交互[9]。神經(jīng)解碼的過程通常需要先對神經(jīng)信號進行預(yù)處理和特征提取,然后通過機器學(xué)習(xí)算法進行分析和分類。具體而言,預(yù)處理和特征提取步驟包括信號濾波、去噪、時頻分析、空間濾波等,機器學(xué)習(xí)算法包括支持向量機、神經(jīng)網(wǎng)絡(luò)、隨機森林等。神經(jīng)解碼技術(shù)的應(yīng)用非常廣泛,除BCI外,還可應(yīng)用于神經(jīng)反饋、神經(jīng)控制、認知科學(xué)等領(lǐng)域。在神經(jīng)反饋領(lǐng)域,神經(jīng)解碼可幫助人們了解自己的腦部活動模式,從而改善自我調(diào)節(jié)能力;在認知科學(xué)領(lǐng)域,神經(jīng)解碼可幫助研究人員探索人類認知過程的神經(jīng)機制[10]。因此,神經(jīng)解碼是將神經(jīng)信號轉(zhuǎn)化為行為或認知信息的過程,BCI則是利用神經(jīng)解碼技術(shù)實現(xiàn)人腦與外部設(shè)備之間的交互。兩者的應(yīng)用前景非常廣泛,未來有望在醫(yī)學(xué)、心理學(xué)、認知科學(xué)等領(lǐng)域發(fā)揮更大的作用。

2.3 疾病的診斷和治療 BCI與疾病診斷有關(guān)的一個重要應(yīng)用領(lǐng)域是腦機接口診斷(brain-computer interface diagnosis, BCD),是一種通過記錄和分析大腦活動來診斷疾病的技術(shù)。BCD可用于檢測腦部疾病,如阿爾茨海默病、帕金森病和癲癇等,通過分析EEG等生物信號來檢測疾病的早期癥狀,以期更早地明確診斷,提高疾病治療率。此外,通過神經(jīng)電活動的特異性標(biāo)志,也可用于精神疾病,如抑郁癥和焦慮癥等的診斷。最近,有研究團隊提出新興的虛擬大腦(the virtual brain,TVB)模擬算法技術(shù),用于估計癲癇致病范圍及癲癇發(fā)作期間的時空動力學(xué),為臨床治療提供依據(jù)[11]。

2.4 大腦計算的研究 BCI技術(shù)用于研究人類大腦計算的規(guī)律和機制,揭示了人腦認知和決策的本質(zhì),這對于了解人類智能和開發(fā)人工智能技術(shù)具有非常重要的意義。大腦計算是模仿人腦的計算方式來設(shè)計和構(gòu)建計算機系統(tǒng)及算法的一種方法[12],其借鑒了神經(jīng)科學(xué)、認知心理學(xué)等多學(xué)科知識,探索人腦中信息處理的本質(zhì)和規(guī)律。有學(xué)者將一種很有前景的從人類大腦活動中重建圖像的方法(潛在擴散模型)用于視覺重建領(lǐng)域[13],這對算法的應(yīng)用提升及對生物信息科學(xué)的探索都意義重大。與傳統(tǒng)的計算機系統(tǒng)不同,大腦計算系統(tǒng)具有自適應(yīng)性、容錯性、并行性和能量效率等,在解決復(fù)雜問題方面具有更明顯的優(yōu)勢。因此,BCI技術(shù)與大腦計算研究可以相互促進:通過大腦計算研究,可以更好地了解人腦的信息處理機制和模式,為BCI的設(shè)計和優(yōu)化提供指導(dǎo);通過BCI技術(shù),可以收集更多的人腦數(shù)據(jù),有助于進一步深入研究大腦的計算和信息處理規(guī)律。總之,BCI和大腦計算都是當(dāng)前快速發(fā)展的前沿技術(shù)和研究領(lǐng)域,兩者相互關(guān)聯(lián)、相互促進,為未來的科學(xué)研究和技術(shù)應(yīng)用帶來更多的機遇和挑戰(zhàn)。

3 BCI的不足和前景

BCI技術(shù)有著廣泛的應(yīng)用前景,但目前仍存在一些問題,主要為精度不高、限制活動、缺乏標(biāo)準化和通用性、隱私和安全、倫理挑戰(zhàn)。

3.1 精度不高 由于大腦信號的復(fù)雜性和不穩(wěn)定性,BCI在解碼大腦信號時存在一定的誤差和不確定性[14],是該技術(shù)面臨的重要挑戰(zhàn)之一。首先,大腦信號容易受到身體運動、環(huán)境噪聲等因素的干擾,使得信號的質(zhì)量下降,影響信號解碼的準確性;其次,大腦信號的變化和不穩(wěn)定性,需要解碼器實時地調(diào)整和優(yōu)化算法,以保證信號的準確性和穩(wěn)定性,這對設(shè)備和解碼算法提出了更高的要求。目前常用的算法有基于模型的方法和基于模式識別的方法,兩種方法各具優(yōu)缺點,需要根據(jù)具體應(yīng)用場景選擇最合適的算法。

基于模型的方法通過對大腦信號的物理模型進行建模和分析,包括基于濾波器的方法、基于時頻分析的方法和基于狀態(tài)空間的方法等,以實現(xiàn)信號解碼。該方法的優(yōu)點是具有較高的準確度和魯棒性,能夠較好地處理噪聲和干擾,還能提供對大腦信號的物理解釋,有助于對大腦功能和運行機制的理解[15]。該方法的缺點是需要對大腦信號的物理特性進行詳細的研究和建模,需具備專業(yè)領(lǐng)域的知識和技能,并且需要大量的計算資源和時間,故不適于實時應(yīng)用。

基于模式識別的方法通過對大腦信號模式進行分類和識別,來實現(xiàn)信號解碼,包括支持向量機、人工神經(jīng)網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)等[16-17]。該方法的優(yōu)點是具有較快的運行速度和較高的實時性,適合實時應(yīng)用;還可對大量的數(shù)據(jù)進行處理和分析,適用于更加復(fù)雜多樣的場景。該方法的缺點是需要大量的訓(xùn)練數(shù)據(jù)和特征提取技術(shù),否則會導(dǎo)致較低的準確度和魯棒性。此外,基于模式識別的方法通常對噪聲和干擾比較敏感,需要采取有效的預(yù)處理和優(yōu)化措施。

針對上述問題,目前的研究方向主要包括優(yōu)化信號采集設(shè)備和解碼算法,提高信號的質(zhì)量和穩(wěn)定性,減少干擾和誤差,以提高BCI技術(shù)的精確度和可靠性等。

3.2 限制活動 目前的BCI技術(shù)需要使用者佩戴相應(yīng)的設(shè)備,這些設(shè)備在一定程度上限制了使用者的活動范圍和自由度,影響使用體驗。

3.3 缺乏標(biāo)準化和通用性 目前的BCI技術(shù)缺乏統(tǒng)一的標(biāo)準和通用性,不同的設(shè)備與系統(tǒng)之間缺乏互通性,限制了技術(shù)的發(fā)展和應(yīng)用,亟待在此方面制訂相應(yīng)的規(guī)范,統(tǒng)一管理。

3.4 隱私和安全 BCI技術(shù)涉及使用者的大腦信號和個人隱私信息,如沒有良好的隱私保護措施和安全機制,可能會造成用戶信息的泄露和濫用。此外,若不能確保遠程數(shù)據(jù)傳輸和調(diào)控的安全性,還可能存在法律層面的安全事件,這些均亟待從技術(shù)層面和法律、法規(guī)層面的共同推進。

3.5 倫理挑戰(zhàn) 人腦借助BCI技術(shù),可獲得超越人腦常態(tài)水平的感覺、記憶等信息處理和反應(yīng)能力,是否會引發(fā)不公平?國家精神疾病醫(yī)學(xué)中心腦健康研究院院長徐一峰教授認為,BCI等腦疾病診斷新技術(shù)的底線是以治療疾病為目的,而并非單純地增強人類腦功能。該學(xué)術(shù)研究領(lǐng)域應(yīng)當(dāng)遵循科學(xué)性、有利、自主、最小傷害和公平公正原則,同時亟須構(gòu)建倫理治理體系。

綜上所述,BCI技術(shù)目前仍存在一些挑戰(zhàn)和不足之處,需要進一步的研究和發(fā)展:通過更加精確的信號采集和處理技術(shù),提高BCI技術(shù)的可靠性;實現(xiàn)擺脫外部設(shè)備的無縫銜接技術(shù),讓BCI技術(shù)更加便攜、隱蔽和自然;從目前的單一運動功能和通信功能的控制,擴展到更多的功能領(lǐng)域,如情感識別、學(xué)習(xí)和記憶等。BCI是一項前沿且具有挑戰(zhàn)性的技術(shù),相信隨著技術(shù)的不斷發(fā)展和突破,有望在未來為人類帶來更多的便利和福利。不同學(xué)科領(lǐng)域的發(fā)展,其實是在不同的道路上走向同一個歸點,即解析意識,解析大腦,解析人類,解析自我。BCI與人工智能之間存在著密切的聯(lián)系,相互促進和發(fā)展,為研究者更深入地了解大腦和開發(fā)更先進的人工智能技術(shù)提供了重要的思路和方法。