脑机接口技术是什么？可应用在哪些领域？

解码大脑，也要控制大脑OcUednc

按侵入性由浅到深和信息分辨率由低到高排个序，目前最主流的三种脑机接口分别是带在头上的脑电帽（EEG）；读取大脑皮层信号（ECoG）的芯片；以及植入脑皮质内部的电极（Intracortical BCI，iBCI）。OcUednc

图 | 脑机接口的三种形式示意图

而最新的无线“神经颗粒”就将大脑皮层信号采集（ECoG）和脑外无线传感器结合在了一起，形成了一个内外呼应的信号传递系统。

在这之前，读取大脑皮层信号（ECoG）的一两个传感器至多能采集几百个神经元的活动信号，但和人类大脑内 860 亿个神经元相比，这几百个神经元所能提供的信息实在是过于匮乏。

鉴于此，研究人员成功将 48 个盐粒大小的“神经颗粒”植入了小鼠的大脑皮层，好好地把“鼠头鼠脑”给研究了一番。根据计算，在未来可以在小鼠大脑内植入多达770个甚至数千个“神经颗粒”，这将使人类首次在“科学”的意义上理解活着的大脑的奥秘。

当然，罗马并不是一日建成的。

这项技术花费了来自布朗大学、贝勒大学、加州大学圣地亚哥分校及高通的专家们大约四年时间， 集电磁学、射频、电路设计制造和神经科学的前沿技术于一身。

布朗工程学院教授 Arto Nurmikko 表示：“脑机接口领域的最大挑战之一就是找到尽可能探测大脑各个区域的方法。到目前为止，大多数植入脑皮质内部的电极有点像针床。我们的想法是将这些一片片的针床分拆成可以分布在大脑皮层上的微芯片。”OcUednc

图 | 神经颗粒示意图（来源：论文）

为了达成目标，团队首先需要在保持硅芯片功能的基础上将它们的体积减缩到最小。经过无数的模拟和数代更迭，团队最终研制出了体积小于 0.1 立方毫米的“神经颗粒”。

其次，团队需要开发一个外部无线接收系统。这是一个拇指指纹大小的贴片，附着在头骨外的头皮上。它的工作原理就像一个微型手机发射塔，使用网络协议来协调来自“神经颗粒”的信号。

与电脑一样，每个“神经颗粒”都有自己的 PUF 地址，也就是自己的身份证。这样科学家就可以追踪是哪个大脑区域发布了特定的信号。不仅如此，无线贴片还可以向大脑内的“神经颗粒”提供无线充电服务，就好比买电动汽车送个移动充电桩，不得不佩服科学家们想的周到。

在研究中最具争议性的恐怕是“神经颗粒”的双向控制功能。事实上，记录大脑功能和了解大脑的神经活动只是脑机接口界的研究方向之一。为了治疗各种精神和神经系统疾病，帮助瘫痪、中风或脊柱损伤的人士恢复正常生活能，对大脑实现可控刺激一直以来都是脑机接口领域的重要研发课题。

图 | 小鼠手术示意图（来源：论文）

在这项研究中，团队针对植入的单个“神经颗粒”进行了 100 Hz 的皮层内电脉冲刺激，电流高达 25 μA。小鼠大脑内 48 个“神经颗粒”中有多个捕捉到了刺激后局部场电位（LEP）变化。

在另一个实验中，团队以 100 ms 为单位提供了快速 400 Hz 的电脉冲刺激。在氯胺酮麻醉下，研究人员观察到了典型的神经元簇状放电。

论文称，目前电流刺激的最大水平取决于芯片功率的水平，未来团队还将调节整个“神经颗粒” 网络的刺激幅度。

双向脑机接口的商业应用OcUednc

 OcUednc

（来源：great learning）OcUednc

如果你认为“脑对脑接口”就是人类想象的极限，那也太小看科学家们的脑洞了。 OcUednc

在 2019 年的一篇博客文章中，计算神经学家 Niko Kriegeskorte 提到了“神经协处理器”（neural co-processor），它将把焦点从接口 (读取和写入大脑活动的地方) “转移到如何增强设备的信息处理功能上”。OcUednc

在这个概念中，脑机设备将与大脑一起补充大脑的神经活动，协助大脑处理信息。神经协处理器甚至可以从大脑的一个区域读取神经信号，并将信号写入大脑的另一个区域。而这将为大脑增强（Brain augmentation）这个更加“疯狂” 的想法铺平道路。 OcUednc

未来有如此多的可能性，你准备好先在自己的脑仁儿里种上几十个“神经颗粒”了吗？ 
参考资料：
https://www.brown.edu/news/2021-08-12/neurograins
https://alexandregonfalonieri.medium.com/bidirectional-bci-what-it-is-and-why-it-matters-e295767b95a7
https://www.nature.com/articles/s41928-021-00631-8
https://www.darpa.mil/program/next-generation-nonsurgical-neurotechnology
https://nikokriegeskorte.org/2019/01/26/from-bidirectional-brain-computer-interfaces-toward-neural-co-processors/OcUednc