文／陈根
近年来，“脑机接口”作为前沿科技，一直颇受业界关注。
其中，将脑机接口设备以各种形式植入大脑，在先进算法的支持下，将其电信号转化为各种设备的控制输入以控制体外装置，从而治疗一些疑难疾病，这被视为脑机接口一个极具潜力的前景。
事实上，早先美国国防部资助的项目就提出了“脑控机械臂”的需求，期望以脑机结合的手段帮助战争中那些 “缺胳膊少腿”的伤兵。借助于脑机接口和机械臂，让他们能实现生活自理。
尽管脑机接口领域取得了很大进展，但由于现有系统每天都要重新设置和重新校准，它们无法利用大脑的自然学习过程。这就意味着，使用脑机接口设备控制体外装置的患者需要反复地练习脑机接口设备，像是让一个人从零开始一次又一次地学骑自行车一样。
每天都要开始这一过程，则会严重限制可实现的控制水平。甚至可能需要数小时才能掌握脑机接口设备的控制权，这令参与者有时不得不完全放弃。
现在，加州大学旧金山分校威尔神经科学研究所（UCSF Weill Institute for Neurosciences）的研究人员突破了这一局限，开发出的机器学习技术能够帮助瘫痪个体学习使用大脑活动控制计算机光标，而无需每天进行大量的再培训。
具体来说，研究人员开发了一种BCI算法，利用机器学习将ECoG电极记录的大脑活动与用户期望的光标移动相匹配。最初，研究人员遵循每天重置算法的标准做法。参与者可以通过观察屏幕上的光标移动来开始特定的移动。
逐渐地，计算机算法会自我更新，使光标的运动与大脑活动相匹配，从而有效地将光标的控制权传递给用户。经过足够的研究，研究人员发现他们实际上可以关闭该算法的自动更新功能，用户只需插入并开始每天使用它。
即使不进行任何日常校准，在44天的使用期内，性能也不会下降，用户也可以连续几天不使用它，而且性能只会略有下降。
这项“即插即用”的技术是脑机接口领域一个重大突破，为脑机接口使用的持续性和便捷性提供了帮助，其研究已发表在《自然生物技术》杂志上。
