精致的人工智能方法提高了无创脑机接口性能

寻求侵入式脑机接口(BCIs)的可行替代方案一直是卡内基梅隆大学He实验室的研究重点。2019年，该小组使用无创脑机接口首次成功证明意念控制机械臂具有连续跟踪和跟随计算机光标的能力。

随着技术的进步，他们的人工智能驱动的深度学习方法变得更加强大和有效。在PNASNexus上发表的新研究中，该小组证明人类可以通过思考来控制对移动物体的连续跟踪，并且具有无与伦比的性能。

与侵入性脑机接口(例如Neuralink或Synchron)相比，非侵入性脑机接口具有许多优势。这些包括提高安全性、成本效益以及可供众多患者以及普通人群使用的能力。然而，无创脑机接口面临着挑战，因为它们的记录不太准确且难以解释。

在卡内基梅隆大学生物医学工程教授BinHe最近的一项研究中，由28名人类参与者组成的小组接受了一项复杂的BCI任务，通过思考来跟踪二维空间中的物体。

在任务过程中，脑电图(EEG)方法从大脑外部记录了他们的活动。何团队利用人工智能训练深度神经网络，然后利用BCI传感器数据直接解码和解释人类对连续物体运动的意图。

总体而言，这项工作展示了非侵入性脑机接口对于大脑控制的计算机化设备的卓越性能。

“人工智能技术的创新使我们能够比传统技术大大提高性能，并为未来在人类的广泛应用带来光明。”何斌说。

此外，该团队的人工智能脑机接口功能表明可以直接应用于连续控制机器人设备。

何说：“我们目前正在测试这种由人工智能驱动的非侵入式脑机接口技术，以控制机械臂的复杂任务。”“此外，我们正在进一步测试它不仅适用于身体健全的受试者，还适用于患有运动障碍的中风患者。”

几年后，这可能会导致人工智能驱动的辅助机器人可供广泛的潜在用户使用。

为此，患有脊髓损伤、中风或其他运动障碍但不想接受植入物的运动障碍患者将从这方面的研究中受益匪浅。

“我们不断推动非侵入性神经工程解决方案，以帮助每个人，”何补充道。