科學家們已經完成了有史以來首次演示，該演示是由癱瘓者控制的“即插即用”的大腦假體。
該系統(tǒng)使用機器學習來幫助個人僅用大腦控制計算機界面。與大多數腦機接口（BCI）不同，該AI無需大量的日常培訓即可工作。
這項研究的資深作者Karunesh Ganguly，加州大學舊金山分校神經病學系副教授，在一項聲明中描述了這一突破：
近年來，BCI領域取得了長足的進步，但是由于必須每天對現有系統(tǒng)進行重置和重新校準，因此它們無法利用大腦的自然學習過程。這就像要求某人從頭開始反復學習騎自行車。適應人工學習系統(tǒng)以使其能夠與大腦復雜的長期學習模式平滑配合，這在癱瘓者中從未有過。
該系統(tǒng)使用大小約為便簽紙的皮質腦電圖（ECoG）陣列。該陣列直接放置在大腦表面上，在此處監(jiān)視來自大腦皮層的電活動。
研究人員聲稱該系統(tǒng)可以長期，穩(wěn)定地記錄神經活動。相對于 由穿透大腦組織的尖銳電極組成的BCI而言，這具有優(yōu)勢，因為它們會隨著時間的流逝而改變或丟失信號。
該團隊在一個四肢癱瘓的人身上測試了該系統(tǒng)，并用它來控制屏幕上的計算機光標。首先，他們要求用戶在觀看光標移動時想象自己的脖子和手腕運動。這導致算法逐漸進行自我更新，因此可以使光標的移動與大腦活動相匹配。
但是，此耗時的過程限制了用戶的控制。因此研究人員嘗試了另一種方法：允許算法無需每天重置即可繼續(xù)更新。
Ganguly說，這導致了系統(tǒng)性能的不斷改進：
我們發(fā)現，通過確保算法的更新速度不超過大腦的更新速度，可以每10秒一次，從而進一步改善學習。我們認為這是試圖在大腦和計算機這兩個學習系統(tǒng)之間建立伙伴關系，最終使人工界面成為用戶的延伸，就像他們自己的手或手臂一樣。
隨著試驗的進行，用戶的大腦開始放大移動光標的神經活動的模式。最終，他們開發(fā)了根深蒂固的心理“模型”來控制界面。研究人員隨后關閉了算法的更新，因此參與者無需每天進行調整即可使用該系統(tǒng)。
當系統(tǒng)在未經培訓或日常練習的情況下將其性能保持44天時，研究人員開始向BCI添加其他功能，例如“單擊”虛擬按鈕，而不會降低性能。
Ganguly現在希望在更復雜的機器人系統(tǒng)（包括假肢）中使用ECoG記錄。
他說：“可以說，我們一直都在設計一種技術，這種技術不能最終出現在抽屜里，但是實際上可以改善癱瘓患者的日常生活?！?“這些數據表明，基于ECoG的BCI可能是這種技術的基礎。”
（免責聲明：本網站內容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網站出現的信息，均僅供參考。本網站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。
任何單位或個人認為本網站中的網頁或鏈接內容可能涉嫌侵犯其知識產權或存在不實內容時，應及時向本網站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網站在收到上述法律文件后，將會依法盡快聯系相關文章源頭核實，溝通刪除相關內容或斷開相關鏈接。 ）
