挑戰馬斯克Neuralink！斯坦福全新腦機接口，直連大腦和硅基芯片
最近，斯坦福大學的研究人員開發出一種新的腦機接口設備，可以將大腦直接與硅基技術連接起來。 雖然腦機接口設備早已經存在，并用于修復術、疾病治療和腦研究，但這種最新的設備可以記錄更多的數據，同時比現有的設備侵入性更小。
斯坦福大學材料科學與工程專業的研究生 Abdulmalik Obaid 說，“以前沒有人把這些 2D 硅電子器件與大腦的三維結構相匹配，我們必須拋棄我們已經知道的傳統芯片制造方法，設計新的工藝，將硅電子技術帶入三維空間，我們必須以一種容易大規模應用的方式來實現這一目標。”
Abdulmalik Obaid (左)、Nick Melosh與他們的微線陣列
革新設計方法，可大規模記錄神經元活動影像
3 月 20 日《科學進展》雜志上發表了該論文，論文中的腦機接口裝置包含一束微電線，每根電線的寬度不到人類最細頭發的一半。這些細細的導線可以輕輕地插入大腦，并在外部直接連接到一個硅芯片上，記錄每根導線傳遞的大腦電信號，就像拍攝神經電活動的電影一樣。目前版本的設備包括數百微導線，但未來版本可能包含數千微導線。
（a）與微線束集成的 CMOS 芯片原理圖。該線束包括一個用于與 CMOS 像素接觸的近端(芯片)(b)和一個用于記錄組織活動的遠端(腦)(c)，近端具有部分暴露的金屬線以接觸芯片，而遠端線被分離以限制插入時的損傷。(d)一束有 800 條微導線的線束，相互間隔 100 微米，設備寬度小于 0.6 厘米，適用于小動物研究。
電信號是觀察大腦活動的最有效的途徑，斯坦福大學材料科學與工程教授、論文的合著者 Nick Melosh 說， “有了這個微線陣列，我們可以看到在單個神經元水平上發生了什么。”
微線陣列的特寫鏡頭
這個裝置的頂部裝有一個硅芯片，底部的電線輕輕地插入大腦，可以幫助研究人員拍攝神經元的活動。
研究人員面臨的一個主要挑戰是如何構建這個陣列。它必須堅固耐用，即使它的主要組成部分是數以百計的細線。解決辦法是將每根電線用一種生物安全的聚合物包起來，然后將它們捆在一個金屬圈內。
現有的腦機接口設備限于 100 條導線，提供 100 個通道的信號，每一條都必須手工精心地放置在陣列中。
研究人員通常要花好幾年才能完成陣列的設計和制作，而斯坦福這次的設計完全不同于任何現有的高密度記錄設備，陣列的形狀、大小和密度在制造過程中可以方便地改變。“幾乎可以用任何 3D 陣列同時記錄不同深度的不同大腦區域”，神經外科和神經病學助理教授、論文合著者 Jun Ding 說。“如果廣泛應用，這項技術將大大提高我們對健康和疾病狀態下大腦功能的理解。”
在對小鼠視網膜進行了初步測試后，研究人員也在進行長期跟蹤，以檢查該陣列的耐久性和大規模版本的性能。如果該技術驗證可行，將有助于提高機械假肢的性能、幫助恢復語言和視力等。
腦機接口到底是什么
腦機接口=“腦”+“機”+“接口” ，即在人或動物腦（或者腦細胞的培養物）與外部設備間創建的用于信息交換的通路。
電影《阿凡達》中主人公利用一個機器直接將自己的心智移植到了另一個非人類身體上，能隨心所欲操控這具非人類的身體，具備所有的感知能力與操控力，展現了腦機接口的主要功能。
腦機接口的幾個基礎模塊：
采集：
- 侵入式：此類腦機接口通常直接植入到大腦的灰質，因而所獲取的神經信號的質量比較高。但其缺點是容易引發免疫反應和愈傷組織（疤），進而導致信號質量的衰退甚至消失。斯坦福的研究屬于此類。
- 部分侵入式：接口一般植入到顱腔內，但是位于灰質外。其空間分辨率不如侵入式腦機接口，但是優于非侵入式。其另一優點是引發免疫反應和愈傷組織的幾率較小。主要是基于皮層腦電圖（ECoG）進行信息分析。
- 非侵入式：就是不進入大腦，就像帽子一樣方便佩戴于人體，但是由于顱骨對信號的衰減作用和對神經元發出的電磁波的分散和模糊效應，記錄到信號的分辨率并不高。這種信號波仍可被檢測到，但很難確定發出信號的腦區或者相關的單個神經元的放電。
解碼：數學上一般會用 PCA 主成分分析和獨立成分分析 ICA 等處理干擾信號，EGG 腦電圖，皮層腦電圖（ECoG）等模型來分析。
再編碼：如何編碼取決于你希望做的事情。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。
相關鏈接：https://zhuanlan.zhihu.com/p/26057046
500美元玩轉馬斯克鐘愛的腦機接口！
馬斯克（Elon Musk）的 Neuralink 公司最新的腦機接口技術，分為以下四個方面：
- 線程（Threads）—— 來自美國國家實驗室的 Vanessa Tolosa 研發的單根多觸點柔性電極。
- 機器人（Robots）—— 將 Threads 植入皮層的手術機器人。
- 元件（Electronics）—— 將記錄到的信號進行濾波，數模轉換和脈沖檢測（spike detection）的電子元件，代表技術為 DJ Seo 的 N1 傳感器，DJ Seo 之前在加州大學伯克利分校做 Neural dust 項目。
- 算法（Algorithms）—— 腦機接口算法，由加利福尼亞大學舊金山分校教授 Philip Sabes 教授開發。
其中部分是 Philip Sabes 在負責。Sabes 名校出身，在劍橋大學學過兩年數學，博士畢業于麻省理工，之后在加州理工做博士后，現在在加州大學舊金山分校做教授，算是地地道道的神經科學專家。
圖片來源：https://profiles.ucsf.edu/philip.sabes
Neuralink 計劃將電極植入大腦皮層中負責軀體運動控制的初級運動皮層（Primary motor cortex）、背側前運動皮層（Dorsal premotor cortex）、輔助運動區（Supplementary motor area）和負責軀體感覺的軀體感覺皮層（Somatosensory cortex）這幾個位置。
圖片來源：Neuralink 發布會
來自英特爾的軟件工程師、加州大學戴維斯分校的CS專業和生物學輔導員、技術和人工智能愛好者Jag Singh利用OpenBCI Ganglion板，僅僅花費500美元，就能獲得與麻省理工學院團隊已經擁有的版本沒有太大區別的體驗，可用于導航，網頁查詢，短信，智能家居管理或任何數量的例行任務。
挑戰馬斯克腦機接口！俄羅斯最強讀心術，通過腦電波知道你在看什么
俄羅斯公司Neurobotics和莫斯科物理與技術學院（MIPT）的研究人員共同完成。他們開發出一種腦機接口，依賴于人工神經網絡和和腦電圖（EEG）。EEG是一種通過放置在頭皮上的電極記錄腦電波的技術。該系統通過分析大腦活動，實時重建正在接受腦電圖檢查的人所看到的圖像。效果如下：
研究人員開發了一個深度學習模型，該模型由兩個單獨訓練的深度學習網絡組成，其中一個用于解碼不同類別的圖像，第二個將腦電圖特征轉換為圖像解碼器的空間域(spatial domain) 。
在實驗的第一部分，神經生物學家讓健康的受試者觀看10秒的YouTube視頻片段，總時長為20分鐘。
該小組選擇了五個視頻類別。通過對腦電圖數據的分析，研究人員發現每一類視頻的腦電波模式都是不同的。這使得研究小組能夠實時分析大腦對視頻的反應。
在實驗的第二階段，從最初的五個類別中隨機選出三個類別。研究人員開發了兩種神經網絡：一種用于從“噪聲”中生成隨機類別特定圖像，另一種用于從腦電圖中生成類似的“噪聲”。然后，該團隊訓練了網絡，使其能夠以將EEG信號轉換為類似于測試對象所觀察到的實際圖像的方式共同運行。
腦機接口（BCI）系統的操作算法
用意念控制電子設備！NextMind推出399美元腦機接口開發套件
NextMind正在開發一種大腦計算機接口，該接口可將視覺皮層的信號轉換為數字命令，從而可以讓用戶在視覺上將命令輸入到計算機和AR/VR耳機中，并以399美元的價格向擁有內測資格的開發商和合作伙伴提供開發工具包。
NextMind的設備重約60克，具有八個可測量大腦活動的電極。NextMind并行處理兩個軌道來解碼和完成用戶意圖。軌道一是視覺意圖，軌道二是視覺想象力。。
NextMind發明的這種稱為數字神經同步的新方法本身不解碼意圖本身，只解碼意圖的輸出。比如用戶更多的關注某個對象，物體與大腦之間存在神經共鳴，用戶越集中注意力，越會增加共鳴，機器學習也會解碼越多，設備會知道用戶想移動該對象，或激活該特定視覺內容。
這和眼動儀有著本質的區別。目前閉上眼睛NextMind的設備就無法使用，后續會改善。
事實證明，視覺皮層既是用戶從外部世界獲得的輸入的區域，又是用戶的記憶，想象力和夢想的輸出。視覺皮層中為用戶提供視覺意識的神經元就是用來處理外界信息的神經元。
NextMind聲稱，不需要其他設備可將兩個軌道在同一硬件上串聯使用。不同的軟件和算法將僅處理不同的任務。
腦機接口是一個復雜的交叉學科，需要神經科學、計算機科學、人機工程學等等，研究難度大，但是也很有必要，通過腦機接口可以將超聲波等非人類感知力變為人類感知力，前途光明。
