科學家們已經(jīng)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(shù)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(jīng)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(xiàn)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(jīng)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(xiàn)，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(jīng)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(jīng)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(xiàn)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(xiàn)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(shù)據(jù)表明，基于ECoG的BCI可能是這種技術的基礎。”
（免責聲明：本網(wǎng)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(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)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(wǎng)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(wǎng)站中的網(wǎng)頁或鏈接內容可能涉嫌侵犯其知識產(chǎn)權或存在不實內容時，應及時向本網(wǎng)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(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內容或斷開相關鏈接。 ）
