本文作者：希瑟，頭圖來自：電影《X-men》劇照截圖
矽谷鋼鐵俠Elon Musk成立的Neuralink，自2016年走入大眾視野以來，一直是熱門話題。近期，Neuralink的創始人Elon Musk又有了新的動作。
7月20日，Elon在Twitter上被計算機科學家奧斯汀·霍華德（Austin Howard）問道：Neuralink技術，可以實現直接從芯片聽音樂嗎？這位矽谷鋼鐵俠回答：是的！
這一回答，讓很多對腦機接口不是很了解的人瞬間腦補了很多畫面。科幻電影中的畫面歷歷在目，在1999年上映的《黑客帝國》電影中，“矩陣”通過侵入式腦機接口和大腦神經連接，人類感受到視覺、聽覺、嗅覺、味覺等訊號，以此囚禁人類的心靈。
在《X-men》中，X教授通過“腦波強化機”能夠將腦電波放大，與任何人實現連接。在《阿凡達》電影中，主角通過EEG和EMG結合，能夠控制納威人的身體，在潘多拉星球上行動。
Neuralink告訴大家，2020年底或將進行人體實驗，讓群眾感到腦機接口離我們的生活已經很接近了。
那麽，在現階段，腦機接口究竟靠不靠譜，它進展到什麽階段了，還面臨哪些挑戰？通過這篇文章，我們就來聊聊腦機接口很多你所不了解的事情。
腦機接口的基本原理
首先，有必要先介紹一下，什麽是腦機接口？
所謂腦機接口（Brain-Computer Interface, BCI），即在人或動物腦（或者腦細胞的培養物）與外部設備間建立的直接連接通路。其中，“腦”意指有機生命形式的腦或神經系統，“機”意指任何處理或計算的設備，其形式可以從簡單電路到矽芯片到外部設備和輪椅，“接口” = “用於信息交換的中介物”。因此，“腦機接口”的定義=“腦”+“機“+”接口”。
腦機接口基本的實現步驟可以分為四步：采集信號（Singal Acquisition）—信息解碼處理（Feature Extraction）—再編碼（Freature Translation）—反饋（Feedback）。接下來，我們按照這個流程給大家逐一講解各個流程的詳細細節，以便後續理解腦機接口目前面臨的困難究竟在哪。
1. 采集信號（Singal Acquisition）
在討論腦機接口如何做信息采集之前，我們需要了解一下人腦的構造。
如果將人腦做一個解剖面，從內到外依次是：頭皮（Scalp）、頭蓋骨（Cranium）、腦硬膜（Dura mater）、蛛網膜（Arachnoid）、軟腦膜（Pia mater）、大腦皮層（Cerebral Cotex）。
基於腦機接口對信號采集的形式，可分為三種：
侵入式（Invasive BCI），即通過開顱手術等方式，向腦組織內植入傳感器以獲取信號的設備。其缺點是容易引發免疫反應和愈傷組織，進而導致信號質量的衰退甚至消失。Elon Musk的Neuralink採用的就是這種方式。
半侵入式（Partially invasive BCI），即安置在大腦皮層表面接受信號的設備，接口一般植入到顱腔內，但是位於灰質外，其空間分辨率不如侵入式腦機接口，但是優於非侵入式。優點是引發免疫反應和愈傷組織的幾率較小，主要基於皮層腦電圖（ECoG）進行信息分析。
非侵入式（Non-invasive BCI），不進入大腦，即在頭骨外檢測信號的設備。這種形式像帽子一樣方便佩戴。但是，由於顱骨對信號的衰減作用和對神經元發生的電磁波的分散和模糊效應，記錄到信號的分辨率並不高，很難確定發出信號的腦區或者相關的單個神經元的放電。典型的系統有腦電圖（EGG），腦電圖的優點是其良好的時間分辨率、易用性、便攜性和相對低廉的價格。然而，腦電圖技術的一個核心問題是它對噪聲的敏感性較差。此外，使用EEG作為腦機接口，需要用戶在使用之前進行大量的訓練，才能更好地操作非侵入式腦機接口。
侵入程度越高，獲得的信號質量和強度就越高，風險也更高。按照信號質量來排列：侵入式>半侵入式>非侵入式。按風險來排列：侵入式>半侵入式>非侵入式。
2. 信息解碼處理（Feature Extraction）
收集好了足夠多的信息後，就要進行信號的解碼和再編碼以處理干擾。腦電信號采集過程中的干擾有很多，如工頻干擾、眼動偽跡、環境中的其他電磁干擾等。
分析模型是信息解碼環節的關鍵，根據采集方式的不同，一般會有腦電圖（EGG），皮層腦電圖（ECoG）等模型可以協助分析。
信號處理、分析及特徵提取的方法包括去噪濾波、P300信號分析、小波分析+奇異值分解等。
3. 再編碼（Freature Translation）
將分析後的信息進行編碼，如何編碼取決於希望做成的事情。比如控制機械臂拿起咖啡杯給自己喝咖啡，就需要編碼成機械臂的運動信號，在複雜三維環境中準確控制物體的移動軌跡及力量控制都非常的複雜。
但編碼形式也可以多種多樣，這也是腦機接口可以幾乎和任何工科學科去結合的原因。最複雜的情況包括輸出到其他生物體上，比如小白鼠身上，控制它的行為方式。
4. 反饋（Feedback）
獲得環境反饋信息後再作用於大腦也非常複雜。人類通過感知能力感受環境並且傳遞給大腦進行反饋，感知包括視覺、觸覺、聽覺。
腦機接口實現這一步其實是非常複雜的，包括多模態感知的混合解析也是難點，因為反饋給大腦的過程可能不兼容。
Neuralink在技術上有哪些創新
我們可以先來看看走在領先水準的Neuralink的技術情況，來一窺目前的發展。
2003年Carmena寫的論文是侵入式腦機接口領域的核心論文，這篇論文奠定了這個領域的基礎。我們來對比2003年提出的“經典”方法，和Neuralink官網上以Elon Musk為第一作者的論文上提到的Neuralink的侵入式腦機接口技術，發現Neuralink的改進核心主要在三個方面：
使用紉針（Thread）代替電極：紉針尺寸更小、數量更多、對大腦造成的損傷更小，從而可以提取出信噪比更加，信號源更多的信號。
使用電極安裝機器人（Robotic electrode inserter）進行電極安裝，效率更高
使用專用芯片（ASIC）對信號進行預處理 ，提取出信號的feature
1. 紉針（Thread）
所謂紉針（Thread），是採用多種具有生物相容性的薄膜材料製造的微笑位移神經探針。這種材料相較於以往用的剛性金屬或這半導體制程的電極陣列的生物相容性更高，不容易引起因為楊氏模量和彎曲剛度不匹配而造成的免疫反應。
目前，Neuralink構建了小而靈活的電極“紉針”陣列，每個陣列多達96個紉針分布了多達3,072個電極。
2. 機器人（Robot）
由於製作這種紉針的薄膜材料很薄，硬度不夠，不容易植入大腦，因此Neuralink開發了機器人技術來做植入手術。
該機器人每分鐘可以插入六根紉針（192個電極）。每條紉針都可以以微米級的精度單獨插入大腦中，以避免表面脈管系統並針對特定的大腦區域。電極陣列被封裝在一個小的可植入設備中，該設備包含用於低功耗車載放大和數字化的定製芯片：用於3072個通道的封裝所佔面積小於（23×18.5×2）mm3。
下圖顯示了用這種機器人把電極插入瓊脂“果凍”的過程。
3. 電子芯片（Electronics）
用數千個電極位置的長期記錄大腦信號，向電子設備和封裝提出了極大的挑戰。
高密度的記錄通道要求信號放大和數模轉換必須集成在陣列組件中。而且這個集成的組件必須能放大微弱的神經信號（pan>，同時抑製噪聲。在最小的功耗和尺寸下，對放大的信號進行采樣和數字化，並實時處理這些信號。
Neuralink的專用集成電路（ASIC）可以達到上面的要求。該集成電路由三個部分組成：256個獨立可編程放大器（Neuralink把它叫做Analog Pixel）、片上模數轉換器（ADC）、用於序列化數字化輸出的外圍控制電路。
這一定製芯片可主力整個腦機接口更好地讀取、清理和放大大腦信號。
雖然Neuralink在技術上取得了一定的優化和突破，但是無論是2003年提出的方案還是當今的Neuralink，都依賴於“腦->機”和“機->腦”的反饋閉環。也就是說，本質是解決解決以下兩個問題：
如何從大腦中獲取正確的信息？
如何將正確的信息發送到大腦？
第一個是“從腦到機”，捕獲大腦的輸出——記錄神經元所說的話。
第二個是“從機到腦”，將信息輸入大腦或以其他方式改變大腦的自然流—這是刺激神經元。
仔細分析這個閉環，仍有大量的問題沒有得到解決。
腦機接口目前所面臨的瓶頸
1. 基於理論的從機到腦的反饋研究處於一片黑暗
現有腦機接口技術僅僅是初步解決“腦->機”方向的輸出和控制問題，但控制的效率和準確率很低。這是因為基礎原理的限制，需要從根本上重構現有腦機接口技術，否則這項技術的潛力很難快速挖掘出來。
相比於“腦->機”方向的問題，“機->腦”方面要面對的問題難度要更大，幾乎是沒什麽頭緒，一片漆黑僅有寥寥燈火。
“腦->機”什麽意思？也就是將感知反向編碼成能被大腦讀懂的信號。舉個例子，能否把你摸小貓時的觸感或是你的一段想象記錄並通過機器反向重現給你，幫失明者重建視覺也是個好理解的想象。
“機->腦”的研究相“腦->機”要緩慢許多，原因就是目前神經科學對於神經編碼的具體方式還處於未知狀態。而由機->腦對神經編碼知識的需求要遠大於“腦->機”。神經科學在單神經元的研究也算是逐漸明朗了，但大腦各種神奇之處根本無法解釋。
2. 受腦機接口的摩爾定律限制
研究表明，腦機接口遵循摩爾定律：
根據上圖表，以平均7.4年才能使可同時記錄的神經元數量翻倍的速度計算，要達到同時記錄100萬個神經元需要等到2100年，而要記錄人腦中的所有神經元（50~100億個），則要等到2225年。因此，腦機接口如何解決帶寬問題成為了學術研究突破的又一關鍵問題。
3. 跨學科的複雜性
腦機接口是一門多學科交叉的研究領域，核心的學科涉及物理、機械、神經工程、電氣工程、神經科學等，相對來說其實更偏工程實踐的，多學科只是都是工程實現的理論基礎。
目前腦機接口的發展，需要多個學科的共同發展來支撐，任何一個學科的落後都會影響到整體的發展進程。
譬如，物理學的發展提供理論知識支撐，從原理角度解釋產品測試時出現的問題，從理論層面解決底層傳感器原理的設計和應用問題等。神經工程，尤其是實驗神經學、臨床神經病學等，為腦機接口的大腦的作用原理提供理論支撐，並相應支持產品的設計。人工智能領域的發展提供對產品互動體驗的提升，算法的優化提成整個腦機接口的處理效率和精度等。
4. 難以規模化和商業化
現有的侵入式腦機接口，如Neuralink，難以規模化生產。難以想象，讓人動手術將電極或者其他探測傳感器植入腦內直接接觸神經元，並形成商業規模。綜合成本考慮，非侵入式腦機接口是最容易實現商業化和規模化的細分領域。但是，非侵入式腦機接口的本質是大腦大量神經元放電的宏觀形式，受限於電極尺寸和分布，以及佩戴/安裝時候的不準確性，難以做到高精度。
5. 非技術類問題
除了上述所談論的理論和技術層面的問題，Neuralink或者整個腦機接口領域想要往前邁一大步的話，還需要面臨安全問題、人性問題、倫理問題、審查問題等。因此，腦機接口真正意義上走進生活，這一條路，還有很長。
參考資料：
Learning to control a brain-machine interface for reaching and grasping by primates. PLoS biology,1(2),e42.
An integrated brain-machine interface platform with thousands of channels. BioRxiv 703801
《中美首份8000字長文解析全球熱點腦機接口》
本文來自：BusTech商業科技
香港九龍灣馬來街興發大廈15樓D室