加州大學舊金山分校的研究人員透過一種能夠將大腦訊號傳遞到電腦的設備，使一名癱瘓患者能夠控制機械手臂。他只需想像自己做出動作，就能抓取、移動和放下物體。這種被稱為腦機介面（BCI）的設備在不需要調整的情況下工作了創紀錄的7個月。此前，此類設備通常只能工作一兩天。

BCI依賴一個能夠適應大腦在重複動作――或在這種情況下是想像中的動作――時發生的微小變化的人工智慧模型，並學會以更精細的方式完成動作。 「人類與人工智慧之間的這種學習融合是腦機介面的下一個階段，」Karunesh Ganguly博士說，他是神經學教授，也是加州大學舊金山分校威爾神經科學研究所的成員。

“這是我們實現複雜、類人功能的必要條件。”

這項研究由美國國立衛生研究院資助，於3月6日發表在《細胞》雜誌。關鍵在於發現大腦活動在參與者反覆想像特定動作時會發生日復一日的變化。一旦人工智慧被編程以考慮這些變化，它就能持續工作數月。

Ganguly研究了動物大腦活動模式如何代表特定動作，並發現這些代表隨著動物學習而逐日變化。他懷疑人類也是如此，這正是他們的BCI很快就失去辨識這些模式能力的原因。

Ganguly與神經學研究員Nikhilesh Natraj博士一起，與一名多年前因中風而癱瘓的研究參與者合作。他無法說話或移動。研究人員在他的大腦表面植入了微小的感測器，這些感測器可以在他想像動作時捕捉大腦活動。

為了查看他的大腦模式是否會隨時間變化，Ganguly讓參與者想像移動身體的不同部位，例如手、腳或頭部。儘管他無法真正移動，但當參與者想像自己做出動作時，他的大腦仍然可以產生動作訊號。 BCI透過大腦表面的感測器記錄了這些動作的代表。

Ganguly團隊發現，這些代表的形狀保持不變，但它們的位置會逐日略有變化。

Ganguly隨後讓參與者在兩週內想像用手指、手或拇指做出簡單動作，同時感測器記錄他的大腦活動以訓練人工智慧。然後，參​​與者嘗試控制機械手臂和手，但動作仍然不夠精確。

於是，Ganguly讓參與者在一個虛擬機械手臂上練習，該虛擬機械手臂可以為他提供關於他想像的準確性回饋。最終，他成功地讓虛擬機械手臂按照他的意願動作。

當參與者開始用真正的機械手臂練習時，他只用了幾次練習就將技能轉移到了現實世界。他能讓機械手臂拿起積木、轉動它們並將它們移動到新的位置。他甚至能夠打開櫥櫃，取出杯子並將其舉到飲水機前。

數月後，參與者在經過15分鐘的「調整」以適應自開始使用該設備以來他的動作代表發生的變化後，仍然能夠控制機械手臂。

Ganguly目前正在改進人工智慧模型，以使機械手臂的動作更快、更流暢，並計劃在家庭環境中測試BCI。對於癱瘓患者來說，能夠自己進食或喝水將是改變生活的。甘古利認為這是可以實現的。

「我非常有信心，我們已經學會瞭如何建立這個系統，並且我們能夠讓它工作，」他說。

其他作者還包括加州大學舊金山分校的薩拉・塞科（Sarah Seko）和阿德萊恩・圖-陳（Adelyn Tu-Chan），以及羅德島大學的雷扎・阿比里（Reza Abiri）。該研究由美國國立衛生研究院（1 DP2 HD087955）和加州大學舊金山分校威爾神經科學研究所資助。