脑机接口的研究现状 及未来应用的展望

在头部连上仪器，便可以通过脑电波控制机器进行一些操作，曾经只是好莱坞科幻大片中人们的“空想”，如今在科学家们的不断研究和探索中，这样的幻想已经逐渐变成现实，出现在人们的生活中，其背后所涉及的技术就是“脑机接口”。前不久，在2018世界机器人大会上，法国科学院院士、法国CNRS与日本AIST机器人联合实验室主任Abderrahmane Kheddar，就当前技术的发展水平，分析了脑机接口的研究现状和未来应用的展望。

如今，在机器人行業的发展研究中，机器人在某些领域需要完成特定的任务，但这些任务并不是凭空出现的，而是需要我们告诉机器人它们必须去做什么。但这就出现一个问题：我们如何告诉它们来完成这些任务。现在扫地机器人在人们日常生活中的应用较为广泛，在扫地机器人系统中装有软件和传感技术，用户按下一个键就可以指挥机器人进行打扫，打扫完成之后需要进行一个反馈：家里是否打扫干净了，这一点也可以通过对机器人进行再编程实现。再者就是一些通用型的机器人，它们通常能够和人进行协作，不过这就要涉及到制造的问题了。

在大多数人看来，机器人需要的指令越多，完成的任务就越为准确，在操作时，这些机器人仍然需要用界面或者控制面板进行控制，从而接受一些指令。当然，这可能比传统制造业所使用的自动机器人容易得多。此外，我们还可以通过遥感控制无人机，这样无人机就可以按照你的指令移动，但想要它完全理解你的意图与情感，这是一件非常困难的事情。

在日常生活中，我们通常让机器人做一些辅助性的工作，有时会根据需要对机器人进行编程，让它具有一部分大脑的功能。在设计过程中，脑机接口，或者机器和大脑之间的连接界面可能涉及到肌肉科学和脑科学等多门学科，但要想真正完成从意图到行动的实现，两者之间还有很大的距离。在一些大家熟悉的好莱坞科幻电影中，经常会出现这种有关脑机接口的高科技，我们曾经设想过能否通过意识控制机器人，当然，这是最终的目标。后来，在我们开始着手进行相关项目研究时，我们的目标是真正实现用大脑控制机器人。

你不需要用手或者肌肉对机器人进行任何操作，只需要通过大脑的控制，便能够指挥机器人做任何事情。也就是说，机器人能猜出你的意图从而进行相应的行动。在这一过程中，涉及到对脑科学的研究，对大脑的一些数据进行处理。在刚开始进行研究时，我们常常因为这个想法而感到兴奋，但到目前为止，我们发现这个想法的实现还是非常困难的。读取大脑信息本身就是一件极其困难的事情，而想要根据脑部信息给出指令就更是难上加难。一般来说，要想实现这个目标需要以下几个步骤：获取脑部信息和意图，对信息、意图进行传输，传输以后进行行动。要想做到这些，首先需要对脑科学有深刻的理解，其次有一些有关脑科学的项目研究，在此基础上，还需要设计一些脑机之间的互动界面，保证机器在做事情的时候需要得到你的认可，不能随意地做一些有害的事情。

那么，我们该如何记录大脑的活动呢？一种是介入的方式，就是在大脑中放入一些东西。但这种方式操作起来非常困难，而且并不合理。再者就是非介入的方式，在身体外部安装一些装置。当然，我们认为这种做法也并不是特别友好。最好的方式可能就是用电磁信号去了解和记录大脑的活动，而这也是对用户来说最为友好的一种方式。除此之外，我们还在不断地尝试一些其它的方式。

在用非介入的方式记录大脑的活动时，可以获取大量的信息，但还有一些信息只能通过介入的方式才能获得，甚至有些是需要用很小的探针才能获得的。

脑机接口的实现

在机器人的研究中，我们应该如何实现脑机接口呢？首先，我们需要将大脑的数据发送到接口，然后将控制信号发送到机器人系统，最后再经过反馈和循环环节。大多数BCI（脑机接口）技术都是基于大脑的电磁信号进行的。然而，无论是通过EEG（脑电图）还是其它方式对大脑活动进行监测，判断大脑正在想什么仍然是非常困难的事情。一般来说，除了对大脑信号进行监测之外，还要监测很多其它信号才能最终确定大脑所发出的意图是什么，而这种多策略的方式能够唤醒大脑的潜力。脑科学的研究人员往往会根据大脑的活跃程度将大脑的状态分成若干个类别，并为它们起了不同的名称，α，β，θ，δ，其实这些都是人类常见的几种状态。我们会对脑电波的频率进行监测，以观测在某些情况发生的时候脑电波是否会发生变化，是否会刺激和唤醒某些东西。

就α波而言，在用EEG对信号进行监测时，人类的眼睛在打开的时候呈现的是一种状态，而当眼睛闭上的时候信号发生了显著的变化，这就涉及到放松训练甚至生物应激反应等。那么需要思考一个问题，这些信号与信号之间有什么样的关系呢？我们想观测这些信号之间的关系，以及它们和某些事件之间是否有同步效应呢？比如这些动作在发生的时候和信号之间的反应相关性。如果想要猜出人类的意图就必须知道这些信号所代表的是什么，能够被什么所触发。无论是用EEG还是其它方式，当对大脑的某个控制动作的区域进行监测时，可以发现不同动作的大脑信号频率是不一样的，可以将监测得到的信号和从实际动作中得到的结论进行对照，以验证它们之间是否是一一对应，具有相关性的。

如今，随着技术的不断发展和成熟，我们可以利用BCI脑控机器人完成很多事情。一定程度上来说，这也是非常容易理解的。比如，当一种刺激到达你的眼睛时，你会看到一张图片，如果每当试图产生特定频率时都会看到一个信号，比如它的频率线，而研究发现这个频率其实是被你的大脑复制而成的，可以通过EEG功率光谱对这两个频率进行确认。例如，面对“ABCDEF”这样的字母，如果你关注的是“C”，大脑便会产生一种反应，知道你是在看“C”，而机器人是有摄像头的视觉系统，它可以通过这种视觉的方式进行控制，所以机器人看到的事物也就是它的使用者所看到的事物。

在一定的环境中，当某一件物体开始闪烁光点的时候，如果你的关注点是在某个特定的物体上面，机器人就会意识到这件物体便是你想抓住的东西，然后就会去抓这件物体。因此，我们利用AI技术可以实现不同频率范围内的识别，而这种识别是可以实现自动化的。

那么，现在我们来了解一下神经系统反馈，这也是很多专家学者正在研究的问题，训练你的大脑实现神经的反馈。也就是说，你有一个任务，想要对机器人系统进行训练，使得它能够完成这个任务，比如，把鼠标向左或者向右移动。如果一个人想要把鼠标向左或者向右移动的话，他就会在大脑中进行想象，那么，你就可以从中获得数据，对他大脑所产生的信号进行处理，这就被称为神经反馈。然后你需要对这些信号进行校准、分类等操作，最后再对机器人系统进行生物反馈的训练。

实际上，有关这一领域的相关研究结果已经在《Nature》杂志上发表了，在一定的环境中，经过一段时间的训练，人们可以通过思想控制机械臂完成一些操作，而整个过程的进行还是比较顺畅的。在训练的过程中，这个人会产生一些特定的信号模式，所以机器人就可以理解他的意图，从而进行相应的操作。那么，我们需要考虑的是怎样让机器人学会运动控制。如果我们想抓住一个饮料罐的话，大脑肯定会产生这样一个指令，就是要做“抓住饮料罐”这件事情。如果你知道一个人在想什么，就比较容易对机器人进行编程。但是如果一个人想要完成某个任务的时候，每一步都要停下来产生大脑信号并让机器人进行理解的话，那将是一个让人筋疲力尽的过程，能够提前预知这个人的意图效果就会好很多。

未来，BCI脑控机器人系统的发展会是怎样的呢？可以这样说，我们不是要用BCI产生一些低级别的命令或者轨迹，而是使用BCI猜测和预知人类的意图，并且使用机器人进行任务空间的计划和控制。目前，有关这一领域的研究看起来在大脑策略方面有所停滞，所以我们需要在大脑监测方面实现一些突破，关键在于实现对人类的意图做出真正的猜测和预知。伯克利大学的一些教授也在做這方面的研究，但目前为止我们还没有办法对将要关注的物体做出预测，如果这个问题解决了，那么在猜测大脑意图的研究中，还有两个重要的问题需要思考：怎样有效地实现闭环？怎样对其进行体现？

机器人与人之间需要增强信任，打破界限

如今，我们身边已经出现很多人形机器人，而且随着技术的进步，每年都会有崭新的成果涌现，许多创新型的机器人在不断出现，外形方面也越来越像人。未来，我们也许会克隆出人形机器人，通过各种方式对其进行远程控制，比如用手势传递各种想要其完成的操作指令。当然，我们的目标远不止对机器人进行远程控制。现在的问题是如何远程控制这种机器人，你必须认定它是你身体的一部分，而不是一个机器人。所以要打破机器人和人之间的界限，要让一个人相信，这个机器人就是自己身体的一部分，它就是你自己，这是最有挑战性的部分。

在未来的有关脑机接口的研究中，我们希望能够加强机器人与人之间的交流，缩短两者之间的距离，在一定的环境下设定一定的场景，让人类在操作脑控机器人的时候，认定机器人就是自己的一部分，并且实现自我定位和自我认知。此外，还有一个非常重要的工作，就是在没有触觉反馈的时候，比如当一个人在使用一个只有整个手掌而没有手指的“机器手”时，如果它碰到了窗帘，你问这个人是不是感觉到上面有什么东西，其实他的感觉并不是这个手指的感觉，而是整个手的感觉。在以后的研究中，我们还会进行相关的研究和探索。

目前，在机器人行业的研究中，机器人对真实物理世界的体现还没有做到足够的理解。此外，我们还应该考虑一个更加具有实用性的问题—信任问题。如果一个人不信任机器人系统的话，这个系统就不会发挥作用，即便这个系统非常好。比如，要让一个瘫痪的人使用机器系统进行走路，如果他自身不相信系统，这个系统就不会发挥作用。因此，信任对系统的可用性来说是非常重要的，我们需要让传感器更好地探索人的行动，这样，机器人才会与人类进行密切的配合，发挥良好的作用。

（本文根据“2018世界机器人大会”现场演讲整理而成，未经演讲人审阅。）