• 脑机接口:挑战在于非侵入地准确读取脑内信号,又如何传回脑内


    mbd.baidu.com

    脑机接口:挑战在于非侵入地准确读取脑内信号,又如何传回脑内


    “重点在于如何形成一个“closed-loop”(闭环),这也是大家一直在做的,但是现在无论是神经假肢还是机器人,打造一个 closed-loop 的前提是具备 sensor(传感器)和 stimulator (刺激器) 以及 motor(运动元件),实现感知能力输入和运动信号输出同时兼备,而这一过程十分复杂,仍有很多问题需要解决。”

    美国斯坦福大学博士后李金星,目前的主要研究方向为微纳机器人和柔性电子器件。通过对神经假肢的研究,李博士“基于自己有限的理解”,从科技难题、发展现状和未来预判三个角度,向生辉揭示了一个属于脑机接口技术进展的真实世界。

    “对于整个领域来说,每一个具体的功能的实现都有正在面临的挑战,但通常来讲,挑战最大的工作还是如何用不需要做手术的、非侵入式植入装备去读取准确的大脑内的信号,又怎样把信号精确的传送到脑内。”李博士认为。“毕竟没有人愿意轻易去做一次‘开颅’手术。”

    谈到相关技术的未来发展,李博士也给出了自己的判断,“非侵入式设备的设备若想达到侵入式设备的水平,等可能需要十年左右的发展时间,而这也只能读出人脑的部分脑活动,若想收集且读出全部的信号,可能需要 20 年的时间甚至更久,当然,类似例如植入型视网膜等无需开颅手术、对特定部位能起到功能性调节的设备,在未来五年之内可能都会有比较大的进展。”李博士谈到。

    “但大前提是,目前仍然没有一种革命性技术出现,即使是 Elon Musk,也没能翻越脑机接口技术难题的‘珠穆朗玛峰’。”

    李金星博士也是《麻省理工科技评论》第 19 届 35 Innovators Under 35,即 2019 年度全球 “35 岁以下科技创新 35 人” 中 8 位入选华人之一。

    前景巨大,技术挑战仍存

    “一个人被科学家施行了手术,他的脑被从身体上切了下来,放进一个盛有维持脑存活营养液的缸中。脑的神经末梢连接在计算机上,这台计算机按照程序向脑传送信息,以使他保持一切完全正常的幻觉。对于他来说,似乎人、物体、天空还都存在,自身的运动、身体感觉都可以输入。这个脑还可以被输入或截取记忆(截取掉大脑手术的记忆,然后输入他可能经历的各种环境、日常生活)。他甚至可以被输入代码,‘感觉’到他自己正在这里阅读一段有趣而荒唐的文字。”

    ——“Brain in a vat(缸中之脑)”,Hilary Putnam,《理性,真理与历史》(Reason、Truth、and History)

    哲学家提出 “缸中之脑” 的思想实验探究人的终极问题,在如好莱坞大片的大众媒介中类似的场景也反复出现。在电影《源代码》中,男主的大脑皮层植入了刺激装置,在信号模拟构建的虚拟环境中,一次次的进行找出火车炸弹怪客的任务。

    图丨电影《源代码》剧照(来源:IMDB)

    科幻作品中 “黑科技 ” 在现实中也有属于自己的名字——脑机接口(brain-computer interface,BCI)。脑机接口通过解码人类思维活动过程中的脑神经活动信息,构建大脑与外部世界的直接信息传输通路,在神经假体、神经反馈训练、脑状态监测等领域有广泛的应用前景。

    早在个人电脑都还没诞生的 1969 年,华盛顿大学的一位神经科学家就已经成功的将猕猴的大脑与机械相连,让猕猴能够通过特定的大脑活动直接打开仓库的大门,获取到自己想要的食物。

    在那之后,脑机接口研究汇集了全世界工程学、心理学、计算机科学和神经生物学界最杰出的科学家。近 50 年后的 2017 年,特斯拉的创始人 Elon Musk(埃隆 · 马斯克)公开表示,自己名下的 Neuralink 公司将会在未来几年内实现脑机接口的商业应用。

    在过去的十年里,人类对兼具复杂性、先进性的算法及系统的开发,使得开发真正的脑机器接口成为可能,而对检测大脑信号方法的改进正在创造更高质量、更详细的数据。在人工智能和机器学习的支持下,更先进的分析处理能力将有助于更好地解释信号,同时,其他技术的改进使大脑数据能够更精确地转换为动作。这让脑机接口在几个领域产生影响,包括与人类健康息息相关,用来恢复听觉或视觉的神经假肢等。

    麦肯锡《The Bio Revolution Report》研究显示,在接下来的 10 到 20 年中,脑机接口产业在全球范围内每年直接产生的经济规模可达 700~2000 亿美元。

    神经功能修复将人类神经系统与计算机连接起来,从而通过提供对假肢的控制,以恢复失去的感觉功能。其中,耳蜗听觉植入设备的发展较为成熟,自 20 世纪 80 年代后期以来就已被使用。同时上述技术也处于不断改进的过程中,包括更复杂的听觉信号处理分析以提高对声音和语言的识别能力等。

    在过去的 20 年里,仿生视觉有了长足的发展。例如,SecondSight 公司开发了一种名为 Argus II 的视网膜植入物,该植入物已经恢复了患者的感知功能,包括辨别形状、感知光线,在某些情况下,患者甚至可以获得阅读书籍等印刷品的能力。该项技术已经获得欧盟和美国 FDA 的批准,目前已广泛应用于临床。

    对于失去四肢、或四肢完整但因神经系统损伤而失去控制的患者,用于运动控制的神经假肢已经取得了重大进展。现在,研究人员正在开发神经假肢,从病人大脑中植入的芯片接收信号。此外,先进的运动控制神经假肢正在开发中,可以将假肢的信息直接输入大脑,创造一种触觉,从而更好地控制运动。

    (来源:麦肯锡 The Bio Revolution Report)

    虽然最先进的脑机接口技术正广泛应用于医疗保健领域,但研究表明,其中许多应用方向仍不太可能在未来十年内实现商业化。

    出现上述情况的根本原因是脑机接口技术所面临的挑战仍未得到解决。

    “对于整个领域来说,每一项具体功能的实现都有正在面临的挑战”

    “脑机接口”( BCI)的定义 =“脑”+“机 “+“接口”。是一种连接大脑和外部设备的实时通信系统。BCI 系统可以把大脑发出的信息直接转换成能够驱动外部设备的命令,并代替人的肢体或语言器官实现人与外界的交流以及对外部环境的控制。换言之 ,BCI 系统可以代替正常外围神经和肌肉组织,实现人与计算机之间或人与外部环境之间的通信 。可见“把大脑发出的信息直接转换成能够驱动外部设备的命令” 是脑机接口系统的工作重点。

    以神经假肢为例,了解人的大脑如何控制肢体的运动是研究基础。李金星谈到,人脑的运动皮层是发起运动行为的司令部,把运动皮层的神经信号转化成电信号,并控制肌肉运动是神经假肢的作用原理。其中,发出的神经信号是脉冲信号,但肌肉发力的大小是幅度信号,重点就在于如何读取 “脉冲信号” 并通过算法转化为精确的“幅度信号”。“如果要制造人工神经控制肌肉运动,需要把运动皮层的信号给读取出来,转化为不同大小的电信号去精确的刺激每一块肌肉,并根据实际环境调整动作,才能产生可控的运动行为。”

    上述步骤分为四个模块:信息采集、信息分析、再编码、反馈,每一个部分都有属于自己的研发重难点。

    就信息采集而言,从目前的研究水平来看在评估某种信息采集手段优劣时需要考虑三个方面的标准:规模——可以记录多少神经元;分辨率——这个工具接收到的信息的细致程度。这里所说的分辨度可以分成两种:空间上的分辨率(能否细致记录单个神经元的触发情况)和时间上的分辨率(能否确定你所记录的活动的确切发生时间)。

    而信息采集通量和准确性与设备的植入方式正相关,方式分为侵入式和非侵入式。二者都有各自的优点和问题。

    非侵入式是指无需通过侵入大脑,只需通过附着在头皮上的穿戴设备来对大脑信息进行记录和解读。“这种技术虽然避免了昂贵和危险的手术,但是由于颅骨对于大脑信号的衰减作用,以及对于神经元发出的电信号的分散和模糊效应,使得记录到的信号强度和分辨率并不高,很难确定发出信号的脑区或者相关的单个神经元的活动。”李博士说到。

    之所以出现以上问题,是由于神经电位在传递过程中会受到诸多影响。“机器首先要能听到大脑的声音,这是目前脑机接口发展最大的障碍。大脑‘说话’的方式非常独特,它通过在不同的时间点激活不同的脑区,来表达不同的意图。同时脑内信号的收集过程中也会收到不同程度的干扰,进而降低脑电图信号的清晰度。要克服这些问题,最好的办法就是通过神经外科手术直接把脑电图设备嵌进大脑里,也就是所谓的侵入式脑机接口。“

    侵入式可以通过手术等方式直接将电极植入到大脑皮层,这样可以获得高质量的神经信号,但也同样面临着风险。“首先,侵入式往往伴随着开颅手术,安全风险和成本较大。由于异物侵入,可能会引发免疫反应导致电极信号质量衰退甚至是消失。”

    信息采集是只是解题步骤的开始,信息分析和再编码是第二个难点。

    “收集好了足够多的信息后,就要进行信号的解码和再编码以处理干扰,而与大脑直接相关的输入、输出信号的读取和解码是最困难的。”李博士表示,人脑的神经信号作用方式十分复杂,且由于脑功能的复杂性以及人类对脑认知的局限性, 目前我们只能部分识别脑电信号, 实现大脑的部分功能。“而在不打开脑子的情况下完成所有信息的读取和解码,我觉得对于现在而言是一个 impossible 的任务。”

    而提到反馈,李博士表示,将所获得环境反馈信息后再作用于大脑也非常复杂。人类通过感知能力感受环境并且传递给大脑进行反馈,感知包括视觉、触觉、听觉、嗅觉和味觉等等。脑机接口要实现这一步其实是非常复杂的,包括多模态感知的混合解析也是难点,因为反馈给大脑的过程可能不兼容。

     
     
    原文:
    https://mbd.baidu.com/newspage/data/landingsuper?context=%7B%22nid%22%3A%22news_9531128545430193630%22%7D&n_type=0&p_from=1
  • 相关阅读:
    python命名
    类的绑定方法与非绑定方法
    类的封装
    类的多态性
    python中的while循环和for循环
    python的单、双、多分支流程控制
    python中的运算符
    python中的变量
    接口与归一化设计
    类的继承
  • 原文地址:https://www.cnblogs.com/jiftle/p/12921732.html
Copyright © 2020-2023  润新知