|
寫(xiě)作是一件很微妙的事，靈感枯竭寫(xiě)不出一個(gè)字的時(shí)候，你甚至會(huì )覺(jué)得就連一旁閃爍的鼠標都在嘲笑你。為了打發(fā)時(shí)間，我開(kāi)始記錄鼠標一分鐘內的閃爍次數， 并得出它以50Hz的頻率閃爍的結論。它的每一次閃爍都仿佛在告訴我，到目前為止我依然無(wú)所事事。我大腦一篇空白，就像有人用電影《黑衣人》(1997) 中的記憶消除器抹去了我的記憶。對于大多數作家來(lái)說(shuō)，常常為如何開(kāi)始一個(gè)好故事，如何寫(xiě)一篇文章來(lái)吸引讀者并傳遞信息而煩惱。怎樣才能把自己的想法通過(guò)文字表達出來(lái)呢？ 這就需要一次次的思想碰撞。 如果可以借助于腦機接口 (BCI) 利用大量有價(jià)值的數據智能地增強我的大腦，通過(guò)鍵盤(pán)在計算機屏幕上激起一個(gè)即時(shí)的意識流就好了。 當然我并不是要跟大家討論我的寫(xiě)作問(wèn)題， 腦機接口才是本文要討論的主題，接下來(lái)讓我們言歸正傳回到正題上來(lái)吧。 腦機接口的概念 腦機接口應用是指允許用戶(hù)與計算機交互以測量用戶(hù)大腦活動(dòng)的設備，以其獨特的優(yōu)勢加速了醫療器械行業(yè)的轉變，并將持續下去。腦電圖 (EEG) 可以識別大腦的能量和頻率模式，成為了測量頭皮電活動(dòng)的常用方法。人工智能 (AI) 和機器學(xué)習 (ML) 可以提高評估和開(kāi)發(fā)腦機接口應用的準確性和可靠性。接下來(lái)，我們將深入探討此領(lǐng)域，并介紹測量腦電波所需信號鏈中的一些關(guān)鍵電子元件，以及AI是如何將這些元件整合起來(lái)的。 腦機接口與腦電圖 人腦會(huì )產(chǎn)生振蕩的電壓，其典型值非常小，以百萬(wàn)分之一伏特為單位計量。因此，通常采用腦電圖來(lái)收集和分析這些腦波電壓，這是一種記錄頭皮電活動(dòng)的電生理監測方法， 用于捕捉與頭骨正下方發(fā)生的腦電波直接相關(guān)的信號（圖1）。 
圖1：一名婦女正在接受無(wú)創(chuàng )性腦電圖檢查 （圖源：Yakobchuk Viacheslav/Shutterstock.com） 通過(guò)腦電圖進(jìn)行的腦機接口通信可以是單向或雙向的。雙向通信允許信息雙向流動(dòng)，從而向大腦提供反饋并進(jìn)一步調整。腦電圖可以采用非侵入式、半侵入式和侵入式技術(shù)：侵入式腦電圖是指將設備直接植入大腦并建立連接；半侵入式腦電圖是將電極安置在大腦皮層表面；而非侵入式通常通過(guò)在頭骨上放置一個(gè)帶有各種電極的蓋子來(lái)實(shí)現。腦電圖具有0.05秒的時(shí)間分辨率和10mm左右的空間分辨率。除腦電圖采用的電技術(shù)外，也可以采用磁、代謝等其他技術(shù)來(lái)收集數據。 腦波依頻率通常分為五類(lèi)（表1）， 而醫學(xué)研究人員將其分為五個(gè)波段，每個(gè)波段對應著(zhù)不同的大腦狀態(tài)。例如，記憶和回憶這類(lèi)關(guān)鍵性活動(dòng)通常在θ波段進(jìn)行處理，但也有例外。研究人員利用這些波段來(lái)分析信號過(guò)小、過(guò)大或達到最佳值時(shí)可能發(fā)生的情況。 表1：腦電波分為五大類(lèi)，每個(gè)頻率范圍都是一個(gè)標稱(chēng)值，而非絕對值。（資料來(lái)源：作者）
腦電圖采集腦電波信號并將其數字化， 然后對它們進(jìn)行信號處理，提取特征并使用翻譯算法進(jìn)行分類(lèi)。當然，也可以打印或記錄下來(lái)以供將來(lái)分析用。信號輸出可用于生成設備命令，以提供與電機控制、運動(dòng)/移動(dòng)以及環(huán)境條件或刺激相關(guān)的指令。因此，腦機接口能夠幫助殘疾人更好地控制外部環(huán)境。 腦機接口與人類(lèi)狀況 由于人類(lèi)生物學(xué)的原因，我們的感官和智力有著(zhù)根本的局限性�？梢韵胂�，腦機接口和植入物可以增強或提供新的感知信息，增強生物能力。人類(lèi)和機器有著(zhù)不同的運行方式，因此在融合時(shí)需要特別注意如何實(shí)現信息的實(shí)時(shí)提取和交換。除此之外，還需要很多其他操作，以了解指導大腦的單個(gè)可尋址神經(jīng)元之間的相互協(xié)調如何在環(huán)境中發(fā)揮作用，同時(shí)保持與接口數字可尋址域的協(xié)調。 腦機接口研究 腦機接口現階段以幫助人類(lèi)為研究方向，包括恢復或增強人類(lèi)視力、殘疾肢體的運動(dòng)恢復以及幫助恢復和糾正各種神經(jīng)損傷和疾病的大腦定位。大腦映射可以幫助我們更好地理解人類(lèi)思維是如何轉化為人類(lèi)行為的， 進(jìn)而激發(fā)出增強學(xué)習、新的或增強的人類(lèi)感知以及新的嵌入式自主神經(jīng)系統。下面我們來(lái)看兩個(gè)例子，了解腦機接口可以在哪些方面繼續發(fā)展并占據主導地位。 超人認知 億萬(wàn)富埃隆·馬斯克 (Elon Musk) 正在積極研究腦機接口問(wèn)題。他是Neuralink公司的創(chuàng )始人之一，這是一家開(kāi)發(fā)植入式腦機接口的神經(jīng)技術(shù)公司， 致力于打造先進(jìn)的腦機接口工具。公司創(chuàng )始人相信，有了合適的團隊，這項技術(shù)的應用前景將更加廣闊。Neuralink正在探索將允許神經(jīng)活動(dòng)的超細電子線(xiàn)植入大腦的可行性。 馬斯克的一個(gè)既定目標是實(shí)現“超人認知”。發(fā)明家兼未來(lái)學(xué)家雷·庫茲韋爾 (Ray Kurzweil) 認為，人工智能的特點(diǎn)是具有非凡的模式識別能力。他將人工智能視為一個(gè)進(jìn)化的自組織層次系統，在生物模式識別機器環(huán)境下運行。馬斯克的目的是實(shí)現超人認知，因為他希望人類(lèi)能夠更熟練地進(jìn)行談判，以理解更強大的人工智能的出現和傳播，而人工智能在模式識別方面正變得越來(lái)越擅長(cháng)。 新的感知 在觀(guān)察腦機接口如何增強人類(lèi)感知時(shí)，可以參考網(wǎng)絡(luò )基金會(huì )創(chuàng )始人內爾·哈維森 (Neil Harbisson) 的案例。他被公認為世界上首位電子人。天生色盲的哈維森在頭骨上永久性地植入了一個(gè)天線(xiàn)，通過(guò)傾聽(tīng)來(lái)分辨顏色，用聽(tīng)覺(jué)彌補了視覺(jué)上的限制。正因如此，哈維森積極倡導將科技融入人體的未來(lái)生活理念。 傳感器集線(xiàn)器 為了支持腦機接口技術(shù)的發(fā)展，人類(lèi)采用了傳感器集線(xiàn)器以各種方式收集腦機接口以外的其他生物特征信息。傳感器集線(xiàn)器使用多個(gè)傳感器和一個(gè)微控制器來(lái)收集和分析大量腦電波無(wú)法直接訪(fǎng)問(wèn)的人體參數， 包括收集有關(guān)人體脈搏、心率、脈搏血氧飽和度 (SpO2) 和估計血壓的信息。 高質(zhì)量數據 由于大腦信號非常弱小，所以整個(gè)電子信號鏈在設計上需優(yōu)先考慮降低噪音、雜散以及偽信號等問(wèn)題�；颊呖赡軙�(huì )通過(guò)身體運動(dòng)、出汗、眼球運動(dòng)、心律等誘發(fā)這些問(wèn)題。而50Hz/60Hz噪聲、電極皮膚接觸問(wèn)題和電纜移動(dòng)等都可能會(huì )造成電氣誤差。 考慮到上述各種原因，我們在選擇電子元器件時(shí)，應盡量選擇高精度、低噪聲、高分辨率的信號鏈產(chǎn)品。因此，需選擇低噪聲放大器 (LNA)、單位增益緩沖器和精密模數轉換器 (ADC)，以防引入不需要的信號，同時(shí)提供準確可靠地解析數據的能力。采用差分放大器和帶通濾波器也可以確保傳輸高質(zhì)量數據。 用于腦電圖的ADC推薦 在這里我們?yōu)槟X電圖信號鏈設計人員推薦一款ADC，即Analog Device的AD7177-2 32位∑-Δ模數轉換器 (ADC)（圖2）。此系列器件為低噪聲、快速建立、多路復用的2-/4通道（全/偽差分）ADC，可用于低帶寬輸入。針對完全建立的數據，AD7177-2最大通道掃描速率為10kSPS (100μs)。其輸出數據速率范圍為5SPS至10kSPS。AD7177-2 ADC集成了關(guān)鍵的模擬和數字信號調理模塊，可讓設計人員針對使用的每個(gè)模擬輸入通道單獨進(jìn)行配置。
圖2：Analog Devices Inc. AD7177-2 32位Σ-Δ ADC（圖源：貿澤電子） 此外，還有Texas Instruments的ADS1299-x 24位模數轉換器 (ADC)，此系列為4/6/8通道、低噪聲、24位同步采樣Δ-Σ模數轉換器 (ADC)（圖3）。ADS1299-x集成了顱外腦電圖和心電圖 (ECG) 應用的所有常用功能， 不僅集成度高而且性能卓越，能夠在大大降低體積、功耗和總體成本的情況下創(chuàng )建可擴展的醫療器械系統。
圖3：Texas Instruments ADS1299-x 24位模數轉換器（圖源：貿澤電子） 人工智能與腦機接口技術(shù) 人工智能及機器學(xué)習和深度學(xué)習 (DL) 等子領(lǐng)域均支持基于腦電圖的腦機接口（圖4）。深度學(xué)習為自動(dòng)分類(lèi)腦電圖信號提供了工具，可將數據用于各種應用和其他卷積神經(jīng)網(wǎng)絡(luò ) (CNN) 訓練。人類(lèi)現有的專(zhuān)業(yè)知識足以支持人工智能技術(shù)。我們的愿望是消除偽影，提高數據質(zhì)量，并繼續實(shí)現人工智能技術(shù)的進(jìn)步，從而在測得的腦電波信號繼續呈出指數級增長(cháng)時(shí)，可由人工智能通過(guò)DL技術(shù)進(jìn)行分類(lèi)。
圖4：人工智能、機器學(xué)習以及深度學(xué)習發(fā)展歷程（圖源：elenabsl/Shutterstock.com） 結論 基于腦電波的腦機接口技術(shù)依賴(lài)于高性能的電子信號鏈。認真選擇測量腦電波和其他身體功能所需的所有關(guān)鍵電子元件對于提升設計可靠性至關(guān)重要。AI和DL技術(shù)不僅有利于更好地解釋動(dòng)態(tài)腦電波數據，還能幫助人類(lèi)從腦機接口中獲得更多好處。腦機接口是一種新興的人機接口方法， 并且終將能為我們遇到的心理障礙提供治療，特別是作家都會(huì )面臨的創(chuàng )作枯竭問(wèn)題。 來(lái)源：貿澤電子 作者：Paul Golata |
