脑机接口：未来人工智能新方向
人工智能越来越强大，如果能将它与人的大脑相连接，利用它来增强人的知识与技能，不仅可以创造出一个“超人”，还可以实现人类与人工智能的共生。如今，借助“脑机接口”，这个愿望有可能在不远的将来成为现实。
给大脑装上“接口”
从很久很久以前，人们就有一个愿望：直接把知识输入人的大脑，这样我们不用学习就能掌握足够的知识。早在1900年，法国画家就在漫画中描绘过100年后的世界。在画家的想象中，到2000年的时候，学生们在学校里已经不再需要看书学习，老师通过电线就能直接把书里的知识输入到他们的大脑中。
1993年，科幻作家王晋康在自己的处女作《亚当回归》中，描绘了一个与这张漫画颇为相似的未来世界：200年后，“新智人”成为人类的主体，他们不需要学习，只要向大脑中植入电脑芯片，就能获得人类所积累的全部知识。
在2018年上映的科幻电影《升级》中，主人公因为在车祸中受伤而全身瘫痪，当他在体内植入智能芯片后，不仅恢复了行动能力，而且还变成了格斗高手。
在人的大脑上安装芯片这件事，并不只出现在科幻小说或科幻电影中，实际上，科学家一直在为实现这个目标而努力，这就是“脑机接口”技术。脑机接口是在人脑与计算机或其它电子设备之间建立直接的交流和控制通道。有了这种通道，人可以直接通过“意念”来表达想法或操纵设备，而不需要语言或动作。
脑机接口技术是一种涉及神经科学、信号检测、信号处理、模式识别等多学科的交叉技术。那些身体严重残疾的患者，可以通过这种技术与外界交流，或增强控制外部环境的能力,以提高自己的生活质量。
发布会上的小猪
2020年8月29日，美国太空探索技术公司的创始人埃隆·马斯克，为自己旗下的脑机接口公司举行发布会，向全世界展示了可实际运作的脑机接口芯片和自动植入手术设备。
发布会现场展示的3只小猪，一只没有植入脑机接口，一只植入脑机接口后又拆除了，还有一只在两个月前被植入脑机接口。马斯克希望通过三只小猪的表现，来说明植入脑机接口对它们没有造成任何不良影响。很显然，第三只小猪才是发布会的重点，研究人员可以通过芯片传导出来的信息看到它的脑电图。研究人员介绍，新型的脑机接口设备只有硬币大小，通过手术置于头骨下方，只在头皮上留下很小的创口。它的1024个电极直接插入到大脑皮层，可以接收并解码大脑皮层发出的电信号，同时也能向大脑皮层发送电信号刺激。
研究人员希望通过给病人的大脑植入芯片，来解决如瘫痪、抑郁、毒瘾等脑部或脊椎损伤问题。这项最新技术成果的公布，再次引发外界对于脑机接口技术的关注。
漫长的发展之路
1924年，德国精神科医生汉斯·贝格尔发现了脑电波。至此，人们发现意识是可以转化成电子信号被读取的。在此之后，针对脑机接口技术的研究开始出现。不过，直到20世纪70年代，脑机接口技术才真正开始成形。
1969年，研究员埃伯哈德·费兹将猴子大脑中的一个神经元，连接到了放在它面前的一个仪表盘上。当神经元被触发的时候，仪表盘的指针会转动。如果猴子可以通过某种思考方式触发该神经元，并让仪表盘的指针转动，它就能得到一颗香蕉味的丸子作为奖励。渐渐地，猴子变得越来越擅长这个游戏，因为它想吃到更多的丸子。这只猴子学会了控制神经元的触发，并在偶然之下成为了第一个真正的脑机接口被试对象。
进入21世纪后，人工智能的发展给脑机接口技术提供了很大的助力。在2012年巴西世界杯上，一位截肢残疾者凭借脑机接口和机械外骨骼开出了一球。
2016年10月，世界第一届半机械人运动会在瑞士苏黎世正式拉开帷幕，来自21个国家、一共50支队伍的残疾人运动员，在辅助设备的帮助下参加比赛。赛事分为动力假肢竞赛、外骨骼驱动竞赛、功能性电刺激自行车赛、轮椅竞赛和脑机交互竞赛。
2016年10月13日，一名瘫痪男子还利用意念控制的机械手臂和当时的美国总统奥巴马握了手。
脑机接口技术的实现
一个典型的脑机接口系统主要包含4个组成部分：信号采集部分、信号处理部分、控制设备部分和反馈环节。其中，信号处理部分包括预处理、特征提取、特征分类3个环节。通过信号采集设备从大脑皮层采集的脑电信号，经过放大、滤波、转换等处理，将转换为可以被计算机识别的信号，然后对这一信号进行预处理，提取特征信号，再利用这些特征信号进行模式识别，最后转化为控制外部设备的具体指令，实现对外部设备的控制。在这个过程中，人工智能将起到重要的作用。
根据与大脑连接方式的不同，脑机接口通常可以分为非侵入式（脑外）、侵入式和半侵入式。
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可穿戴设备来对大脑信息进行记录和解读。
侵入式：是指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，但是却存在较高的安全风险和成本。
半侵入式：将脑机接口植入到颅腔内，但是在大脑皮层之外，主要基于皮层脑电图进行信息分析。
脑机接口技术的应用前景非常广阔，比如，未来它可能会帮助人们直接通过思维来控制机器人从事各种工作。因此，它在教育、军事、娱乐、智能家居等方面都具有非常大的应用潜力。
不过，目前的脑机接口技术还只能实现一些简单的功能，要想实现将大脑与计算机完美对接，通过“下载”就能熟练的掌握新知识、新技能，恐怕还有很长的路要走。
类脑智能的发展趋势与重点方向
信息技术与神经技术的深度融合有望突破机器智能的发展瓶颈，开发出具有通用认知能力和自主学习能力的类脑智能。
人类大脑是一个通用智能系统,由千亿个神经元和数百万亿个突触连接构成，具有感知、学习、推理和决策的能力。近年来，各国的研究人员一致认为高度智能化构想的实现需要从脑科学中获得启发。于是，科学家开始向自己的大脑学习，积极开展类脑智能方向的研发工作。
类脑智能的国内外发展现状
国际上，类脑智能的发展主要体现在3个方面。一是类脑智能技术和产品研发加速。当前，计算机科学借鉴大脑处理信息的机制和神经编码的本质构建出新的神经网络模型，形成神经计算、类脑芯片、类脑智能机器人等技术和产品。二是脑机接口技术得到重视。神经科学利用认知计算等修复或增强大脑功能，加速脑机接口技术的发展。三是利用神经形态计算模拟人类大脑处理信息的过程。研发人员通过借鉴脑神经结构和信息处理机制，使机器以类脑的方式实现人类认知能力及协同机制，达到或超越人类的智能水平。
我国类脑智能的研究水平处于国际前沿。2016年，我国正式提出“脑科学与类脑科学研究”(简称“中国脑计划”)，它作为连接脑科学和信息科学的桥梁，将在极大程度上推动通用人工智能技术的发展。此外，多所高校都成立了类脑智能研究机构，开展类脑智能研究。例如：清华大学于2014年成立类脑计算研究中心;中国科学院自动化研究所于2015年成立类脑智能研究中心;2018年，北京脑科学与类脑研究中心和上海脑科学与类脑研究中心先后成立。目前，清华大学类脑计算研究中心已经研发出具有自主知识产权的类脑计算芯片、软件工具链。中国科学院自动化研究所开发出类脑认知引擎平台，能够模拟哺乳动物大脑，并在智能机器人身上实现了多感觉融合、类脑学习与决策等多种应用。
类脑智能的未来发展重点
●脑机接口
脑机接口技术未来的发展重点体现在以下几个方面。一是干电极脑信号的采集和传输。干电极脑信号的采集和传输是指基于干电极技术，采用靠近大脑皮层的传感电极，在连续、长期、可靠、便捷、稳定、无创、低功耗、低成本、失真程度最小的情况下获取大脑皮层微弱的神经电活动信号，进而通过无线方式实时地将神经电活动信号传输给电脑等信息处理系统，便于进一步的脑信号解析。未来，该技术预期形成价格低廉、无创伤、使用简单、不依赖于导电介质、采集信号稳定可靠、无须前期头皮清洗准备、不需要外人辅助、不受环境约束、佩戴方便、面向大众使用、无线可穿戴的干电极脑电帽。二是脑电信号解析。该技术能够实现脑信号的正确解码与识别，是脑机接口最为本质和核心的环节，是脑机接口技术的关键。未来，该技术预期形成脑电信号解析的算法模型，能够正确解析人们意图，可应用于军事、康复、辅助诊断等领域。三是脑机交互适应性。该技术预期形成新型的脑机交互范式和自适应脑信号识别算法。四是脑机接口仿真应用系统。该系统是对实际应用系统进行模拟，可检验脑电解析算法的性能，实时评估使用者的控制效果，是脑机接口技术实用化的前提。未来，该系统将应用在电子产品、导航等领域，如脑电波头盔、网页浏览、收发邮件、输入字符等。
●神经形态硬件
神经形态硬件包括从概念上受神经生物学体系结构启发的半导体器件。神经形态处理器采用非冯?诺伊曼(von-Neumann)体系结构，是与传统处理器截然不同的执行模型，其特点是处理元素简单，但互连性很高。神经形态系统处于非常早期的原型阶段。IBM公司向美国劳伦斯?利弗莫尔国家实验室提供了一个基于TrueNorth的系统。神经芯片的尖峰神经元自适应处理器技术和惠普公司的实验室产品属于早期产品。英特尔公司的“Loihi”芯片凭借更高程度的连接性，解决了更广泛的人工智能工作负载。高通公司是神经形态处理器的早期代表。
当前神经形态硬件的部署存在以下障碍：一是神经形态硬件编程需要新的工具和培训方法;二是半导体器件互连的复杂性对半导体制造商创造可行的神经形态设备提出了挑战。目前，神经形态硬件尚未成为主流，但随着编程技术的突破，这种情况可能会发生变化。神经形态计算体系结构能够使神经形态硬件具有更好的性能，为图形分析提供支持。神经形态硬件设备有可能成为类脑智能发展的重要动力。
●机器学习
机器学习是利用能够从数据中提取知识和模式的数学模型来解决业务问题。越来越多的类脑智能研究正在探索机器学习的深度应用，尝试改进机器学习方法，找到执行机器学习项目所需的相关角色和技能。数据是机器学习的“燃料”，高质量的数据是机器学习成功的关键。支持类脑智能的机器学习算法有很多，但是，如何让海量的数据匹配最佳的机器学习算法从而实现最优化的类脑智能技术是当前类脑智能研究的重点。
●混合现实
混合现实(MR)是真实世界和虚拟世界的融合，物理和图形对象能够自然地进行相互作用并集成在一起。从概念上说，MR是一种单一的技术。但实际上，MR是一组潜在的技术，包括从真实环境数字化到增强现实(AR)、虚拟现实(VR)的各种沉浸式显示和交互系统。未来的用户体验技术将更深入地融入人类与现实世界的自然交互方式。类脑智能方向的MR技术可以更好地集成现实世界和虚拟世界，融合类脑智能的MR技术可以实现新类型的客户体验和更个性化的用户体验。
●凝视控制
凝视控制是通过眨眼或改变视线的方向来产生智能动作的。凝视控制包括确定使用者视觉注意力的角度或位置。凝视控制是眼球跟踪的一种应用，也是手势控制的一个组成部分，利用眼睛的焦点来传达指令。眼球跟踪使凝视控制系统能够在智能手机、智能电视、汽车和计算机中工作。在眼球跟踪技术的支持下，类脑智能领域的凝视控制可以帮助玩家实现武器自动瞄准、车辆引导或者用眼睛抛物等指令。
●认知计算
当前，认知计算的发展主要表现在以下几个方面：一是利用基于生物可塑性的规则对网络进行训练，同时获得所有样本的新颖性估计;二是对新颖性估计值超过阈值的样本进行重复学习，并根据每个阶段的学习结果动态更新样本的新颖性估计;三是为了避免对新颖样本的过拟合和对已学习样本的遗忘，需要对所有样本进行一次重复训练;四是周期性地进行第二步和第三步，直到网络收敛。认知计算能够模拟人脑在脑区尺度进行层次化信息处理的机制，将生物神经元之间的局部连接关系以及信息处理的层级结构应用到计算模型中，模拟大脑多个层级的信息处理，并对信息进行编码，使其更接近真实神经元对信息的编码方式。
●类脑智能机器人
类脑智能机器人是融合了视觉、听觉、思考和执行等能力的综合智能系统，能够以类似人脑的工作方式运行。将人脑的内部机理融入机器人系统，可以提高机器人的认知、学习和控制能力，可以与之产生更深度的交叉与合作。研究人员正努力使机器人以类脑的方式实现对外界的感知及自身控制一体化，使其能够模仿外周神经系统感知、中枢神经系统输出与多层级反馈回路，实现机器人从感知外界信息到自身运动的快速性和准确性。
类脑智能总体发展趋势
类脑智能在近10年内引起了世界各国不同背景研究人员的广泛关注。英国曼彻斯特大学的SpiNNaker芯片、IBM公司的TrueNorth芯片、德国海德堡大学的BrainScaleS芯片、美国斯坦福大学的Neurogrid芯片、英特尔公司的Loihi芯片以及中国清华大学的天机芯片等都是类脑智能发展的重要代表。
目前，越来越多的研究着眼于提高神经网络、认知计算模型以及智能系统的自适应能力，发展可持续的类人学习机制需要通过脑科学建立适应这类学习机制的认知结构。基于这些类脑学习方法和认知结构，进一步发展类脑认知计算模型，才能最终真正设计并实现“机制类脑、行为类人”的通用类脑智能计算模型。
受脑工作机制的启发，面向下一代智能信息技术，需要通过不同学科、不同领域之间的交叉，尤其是信息技术与神经技术的深度融合，才有望突破机器智能的发展瓶颈，开发出具有通用认知能力和自主学习能力的类脑智能。未来，开展类脑计算和脑式信息处理网络的新型芯片及计算系统研究、神经网络突触连接机制启发的神经拟态芯片设计与类脑系统研究，有望实现大规模、高精度的神经网络启发的类脑智能，使脑启发类脑智能系统真正实现在信息处理机制上类脑，在认知行为上超越人类。
孟海华，博士，上海市投资促进服务中心发展研究部副研究员。
文/孟海华
本文来自《张江科技评论》