生物行移动版

想象一下，仅凭“意念”就能操控机械臂拿起水杯，或移动电脑屏幕上的光标——这不再是科幻小说的情节。加州大学洛杉矶分校（UCLA）的工程师们近日在《自然·机器智能》（Nature Machine Intelligence）上发表了一项突破性研究，他们开发出一种非侵入式脑机接口（BCI）系统，并创新性地引入人工智能（AI）作为“副驾驶”，极大地提升了系统的性能和可用性。这项技术为瘫痪及运动障碍患者带来了重获行动自由的曙光。

解码大脑的“运动语言”：从EEG到行动指令

传统的非侵入式BCI系统，如基于脑电图（EEG）的设备，虽然安全无创，但其信号解码的准确性和可靠性远低于需要开颅手术植入电极的侵入式BCI。UCLA团队的核心突破在于，他们开发了一套定制化的混合自适应解码算法。该算法结合了卷积神经网络（CNN）和类似ReFIT的卡尔曼滤波器，能够从EEG记录的大脑电活动中，更精准地提取出反映用户运动意图的神经信号。研究负责人、UCLA Samueli工程学院的电气与计算机工程副教授Jonathan Kao解释道：“通过利用人工智能来补充脑机接口系统，我们正致力于开发风险更低、侵入性更小的途径。”

AI“副驾驶”如何实现共享自主？

该系统的另一大创新在于引入了“共享自主”概念。除了解码大脑信号，系统还配备了一个基于摄像头的AI视觉平台。这个AI“副驾驶”会实时观察用户通过BCI解码出的初步运动指令，并智能地推断用户的最终意图——注意，这并非追踪眼球运动，而是理解用户的深层目标。例如，当用户试图将光标移动到某个目标点时，AI会辅助修正轨迹，使其更快、更精准地到达。在实验中，四名参与者（包括三名健康受试者和一名腰部以下瘫痪的受试者）分别完成了两项任务：一是控制光标击中屏幕上的八个目标点，每个点需停留至少半秒；二是操控机械臂，将桌面上的四个方块移动到指定位置。结果显示，所有参与者在AI辅助下完成任务的速度都显著加快。尤为引人注目的是，瘫痪参与者在没有AI辅助时无法完成机械臂任务，但在AI的帮助下，他仅用了约六分半钟就成功完成了所有方块的移动。

超越侵入式BCI的潜力与未来

尽管侵入式BCI在信号精度上具有优势，但其高昂的成本、手术风险以及术后并发症的可能性，使其在二十多年来仍局限于小规模的临床试验。UCLA的这项研究证明了非侵入式BCI结合AI可以达到前所未有的性能水平。共同第一作者、UCLA电气与计算机工程博士生Johannes Lee展望道：“AI-BCI系统的下一步，可能包括开发更先进的‘副驾驶’，使其能够以更高的速度和精度移动机械臂，并提供适应抓取物体特性的灵巧触感。此外，引入更大规模的训练数据，也能帮助AI协作完成更复杂的任务，并进一步改进EEG解码本身。”这项研究由美国国立卫生研究院（NIH）以及UCLA与亚马逊合作成立的“人类与人工智能科学中心”资助。UCLA技术开发小组已为这项AI-BCI技术申请了专利。