|
科技洞察 丨 深入科技行业最前沿 尽管人们还没做好准备，大型科技公司的“意念控制”开发已经开始了。从马斯克的脑机接口到Facebook非植入式研究，这把火似乎越烧越旺。 — 1 — 用意念控制机器实现了吗？ 而所有在脑机接口的研究和应用中，如何帮助瘫痪病人更方便的使用假肢，是最受关注的。换句话说，我们什么时候能真的用意念来控制机器这个话题最受关注。 我们知道，马斯克的脑机接口项目，是需要开颅植入芯片的技术，也就是侵入式脑机接口。 而这种技术背景下的植入式脑机接口用来帮助瘫痪病人恢复对于瘫痪部位的有意识控制是实现了的。 近期，一名来自俄亥俄州都柏林的意外全身瘫痪年轻人，是Battelle 生物神经旁路技术的第一个参与者，经过五年的研究试验参与过程，他重新获得了对手指和手腕的有意识的控制。  瘫痪病人Burkhart 这个生物神经技术研究是Bettelle 与俄亥俄州立大学维克斯纳医学中心合作开展的一个项目。 为了参与这项研究，Burkhart同意在他的大脑中植入一个芯片，然后通过一根电缆连接到一个固定在他头骨外部的端口。当研究人员需要进入端口进行会话时，电缆在芯片和计算机之间传输信号，通过计算机对信号进行解读，然后将它们传输到电极套管。Battelle的高级研究负责人Herb Bresler解释说，袖上的电极按不同的顺序被激活，以唤起手部的动作。 而对于非侵入式的脑机接口的实验，目前已经实现了对机械臂在二维空间的简单意念操控。今年6月《科学·机器人》期刊上，已经公布了这个实验结果。 这是美国卡耐基大学的一个团队的针对无创连接脑机接口的最新进展，实验中，受试者戴着一个电极帽子，帽子会采集脑电信号来操控机械臂，人们通过这样的操控，让机械臂追踪一块电脑屏幕上随机移动的小球，每一次连续追踪1分钟，半小时重复10-20次。 而这个实验最大的技术突破在于采集脑信号。一直以来，对于非侵入式的脑机接口，最大的难题在于没办法清楚的采集脑信号。因为大脑深处的神经元发出的脑信号，传到头皮时，信号已经严重衰减，而在这个实验里，研究人员采用了一种新的办法来收集信号。简单来说，就是用核磁共振绘制大脑的几何模型，然后把收集到的信号，映射到不同的脑区，最终的结果，脑信号的精准度提升了10%。 但是，不得不说，这些距离用意念随心所欲的遥控物体，还离得非常遥远。目前公众对于脑机接口的期待和理解，远高于科学现实。 — 2— 解构脑电信号的关键突破 对于解码和收集大脑信号，学术界也有了不少进展。 《自然-通讯》在 7 月 30 日发表了来自加州大学旧金山分校神经外科教授 Edward Chang 的研究成果，他们实现了实时地解码大脑信号，将“听到”和“说出”的对话转变成语言文字，并且准确率可达 76% 和 61%。 相比马斯克的脑机接口，Edward Chang 这个研究是能够落地的。他们的策略是，当受试者执行“听到”和“说出”任务时，研究人员通过从高密度皮层脑电图阵列记录神经活动（覆盖听觉和感觉运动皮质区域），然后解码这些大脑信号的内容。 其实早在4月24日，华裔科学家Edward Chang 教授和他的同伴，就已经实现了脑电和语言的直接转换。也就是说，你连上脑机接口以后，就会像霍金一样，机器可以帮你说出你的想法。可以说，这是脑联网启动的关键一步。 利用神经信号与人声道咬合部位运动的映射关系进行解码，也就是利用控制嘴唇、舌头、喉部和下颌运动的神经信号来合成语音，这是一个比较独特的解码途径。  那么，科学家能够解密大脑的语言，为什么会引起这么大的热议呢？ 过去，语言是人类交互模式最大的突破，各个研究机构以及科技企业巨头纷纷加入，为的都是探索下一代的交互模式究竟是什么样的。 对于这种交互模式的探索，Edward Chang 团队用了比较简化的方法。他们利用植入于大脑皮层的电极实时获取大脑皮层的活动信号，直接解构人听到语言后产生的脑电信号。 他们对涉及几组简单问答的脑电信号进行了解码。比如“痛感分为0-10级，你在第几级？”，“你最喜欢哪种乐器”等，这些简单问题的训练，让研究者得到了相对容易判断的信号。 业内的专业人士一致认为，“这项语音解码研究在神经科学上的突破并不大，但是在临床上的意义更大。” — 3— AI与脑神经科学的互相促进 人脑一直是一个始终在运行状态的器官，脑电信号运行持续不止，人脑在执行听说功能的同时，还在视觉、嗅觉以及运动等多个功能同时运行，在这种情况下研究不同功能脑区的相互协作或者干扰是怎样发生的对于解构脑电信号至关重要。但是目前，我们仅仅知道人的语言功能与大脑分区有关，并不知道数百万神经元的映射详情。 然而，人类持续利用各种模式的外部数据输入大脑的设备，以观测大脑的反应，从本质上说，就会极大的推动AI与神经科学的共同发展。 AI的成功很大程度上归功于更强大的处理器和不断增长的培训数据的到来，这些进步的基础是人工神经网络。 在大脑中，神经元接收到了来自大约数万个其他神经元的输入信息，每个信息单位要么刺激细胞放电（正输入），要么抑制细胞放电（负输入），有人比喻这些神经元的工作就像演奏交响乐一样，但它总共也就只有两种选择，要么放电，要么不放电。在这种程度上，大脑就像一个巨大的开关编码。关于破解神经元个体是如何集中创造思想的，一直都是神经科学的神圣任务，但是，人工智能（AI）给了我们一些引人好奇的线索，告诉我们这有可能是如何发生的。 这就是人工神经网络的诞生背景，是科学家用这些生物神经元和它的联结作为模型建立的。这个网络能下棋、打牌、认识面孔、听懂人话。 我们知道，标准电脑程序是逐行工作，但是人工神经网络则不同，依据数学程序，程序员只提供了公式，输入信息则决定形成什么样的联结，以及每种联结跟其他所有联结之间的关系（或者权重）应该有多强。为了训练系统产生正确答案，将此输出和输入完全匹配时的输出进行比较，并用差异来调节权重，这个就叫做深度神经网络。 |
|
|
