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(zhì)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(diào)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�！�