身体现象学视阈下多模态脑机接口的感知他心能力及应用前景分析

靳二峰，宋保林

（1.河南开放大学人文与设计学院，河南郑州 450046；2.河南大学马克思主义学院/河南大学马克思主义研究院，河南开封 475000）

脑机接口（brain-computer interface，BCI）提供了大脑与计算机或其他外部设备之间的直接通信连接。通过BCI 技术，可将人类的大脑设置成终端，连接外部设备进而使大脑与其他设备建立直接通信，实现信息的双向流动，即人类可以用自己的意念去控制外部设备。自1924 年德国精神医学家汉斯·伯格（Hans Berger）在一名颅骨缺陷的病人头皮上首次记录到脑电波至今，BCI 技术经历了大概100 年的研发历程。随着信息学、神经学、材料学、生物学、医学、心理学、工程学等多学科领域的快速发展，目前BCI 技术已逐步渗透人们的日常生产生活。2023 年8 月《自然》杂志发表了两篇论文报告了新的BCI 装置，不仅能将大脑活动解码为语言，而且更迅速、更准确且覆盖更大词汇量，为瘫痪病人提供了更多可能性，让他们能更自然地进行交流，展示了在帮助严重瘫痪人群恢复沟通能力方面的技术进步。我国于2021 年正式启动“中国脑计划”，对脑科学与类脑研究作出了重点部署，工信部把脑机接口作为培育未来产业发展的重要方向，加强脑机接口应用场景的探索，加速推动脑机接口产业蓬勃发展。由于单模态脑机接口容易受到各种噪声干扰，为提高脑机接口的系统稳定性和鲁棒性，多模态脑机接口日益成为未来研究的重要趋势之一。

1 多模态脑机接口含义界定及研究综述

1.1 多模态脑机接口含义及特质

传统的单一模态脑机接口在性能方面尚有一定局限。如根据Choi 等［1］、Pfurtscheller 等［2］的研究，以运动想象脑机接口（MI）为例，有大约20%的用户使用的准确率低于70%，即我们常说的脑机接口盲（BCI illiteracy）。为了进一步提高BCI 技术的准确性和可靠性，研究人员开始探索多模态脑机接口（multimodal brain-computer interface，mBCI）。mBCI 技术可以将脑电信号、眼动信号、肌电信号等多种信号融合起来，以提高BCI 技术的准确性和可靠性。其核心是信号融合和信号解码。信号融合是指采用特征级融合以及决策级融合等方法，将多种信号进行融合。将不同信号的特征进行融合的特征级融合以及将不同信号的决策结果进行融合的决策级融合，分别提高信号的区分度和准确性，融合后的信号转化为对应的控制命令。而常用的信号解码方法包括机器学习、神经网络等，这些方法可以通过对大量数据的学习和训练，提高信号解码的可靠性以及准确性。多模态脑机接口通常是由单一模态脑机接口与其他单一模态脑机接口或者其他装置所组成的系统［2］，主要包括多种脑电模式的混合、多种刺激诱发模式的混合以及多种采集方式的混合3种类型［3］。多模态脑机接口的工作流程主要包括多模态信号的采集和获取，信号处理、信号输出和执行以及将信号反馈给用户等环节（见图1）。其中，信号的输出和执行即为功能应用，在运动、感觉以及感情等方面感知用户的心灵世界，以期达到替代、恢复、增强、改善、补充的目的［4］。

图1 多模态脑机接口基本原理

多模态脑机接口是未来脑机接口研究的重要趋势，其本质依然是在大脑与外部设备之间创建直接的接口，多模态脑机接口的信息输入至少包括一种脑信号。与传统的单一模态脑机接口相比，多模态脑机接口关注多种脑信号、多种编码技术以及多种采集方式的混合，除此之外，多模态脑机接口与单一模态脑机接口在信号处理、功能应用以及神经反馈等方面具有一致性。

多模态脑机接口技术具有以下两个方面的特点：

（1）综合性。主要包括3 种情形：第一种是多种脑信号模式的混合。不同类型的脑信号承载的信息不完全一样，彼此之间具有交叉与互补，融合不同类型的脑信号有助于增强脑机接口的功能。多模态脑机接口获取脑信号的重要方式包括脑电图（EEG）、功能性磁共振成像技术（fMRI）、脑磁图（MEG）以及功能近红外光谱成像技术（fNIRS）等。彼此的融合可起到优势互补的作用，诸如脑电图（EEG）与功能近红外光谱成像技术（fNIRS）具有互补融合性［5］。第二种是多种刺激诱发模式的混合或者多种编码技术范式，如P300 电位、稳态视觉诱发电位（SSVEP）以及运动想象（MI）等的混合。第三种是多种采集方式的混合，如位姿信号、脑信号、近红外功能信号、眼电信号以及肌电信号等。近年来致力于探知他人心灵情感的情感脑机接口是多种采集方式混合的例证。

（2）风险性。任何事物都是辩证的，多模态脑机接口技术在给人类带来福祉的同时，也伴随技术风险和伦理风险。主要包括通过穿戴式外部设备获取大脑信号、依靠脑电和脑磁等方式实现脑成像的非侵入式多模态脑机接口，操作简易、安全系数高且技术风险较低。与非侵入式多模态脑机接口相比，侵入式多模态脑机接口和半侵入式多模态脑机接口均需要通过外科手术，将采集电极放置在大脑皮层或者颅腔内，虽然获取的信息储量更大，但是风险较大。一方面，外科手术可能会给大脑产生不同程度的损伤，手术后有感染风险，后期维护采集电极需要耗费资金和精力；其次，植入的采集电极是人体内的外部设备，人的免疫系统对此有明显的排异反应，这种排异反应会损害使用者的身体健康，也会降低多模态脑机接口设备的使用效果。另外，多模态脑机接口除了伴随技术风险外，还伴随隐私、公平和自由意志等伦理风险。多模态脑机接口可以从大脑中直接提取信息，获取用户大脑中潜藏的个体意识以及情感等个体信息，这些隐私信息在具体运用过程中有可能被泄露或者被非法利用，带来一定的伦理风险；更甚之，当多模态脑机接口发展到脑与机双向交互阶段时，多模态脑机接口可能会剥夺人类的自由意志，令人作出违背自身想法的行为。多模态脑机接口一旦向大脑发送错误信号，就会刺激人们大脑作出错误判断，并按照脑机接口的指令作出错误行为，这明显违背和剥夺了人类的自由意志，带来相关伦理风险。

1.2 多模态脑机接口技术发展研究及未来趋势

通过梳理多模态学术史，奥地利格拉茨理工大学的Gert Pfurtscheller较早开展多模态脑机接口研究，此后，多模态脑机接口研究不断展开，呈现出模态不断增多以及互补性不断增强的趋势。在脑机接口技术发展的100 年时间内，学术界沿着从单一模态脑机接口向多模态脑机接口转化的思路开展了不同类型的研究与开发。脑电图（EEG）信号具有时间分辨率较高、采集设备价位相对低廉、采集便捷等优点，是目前脑机接口研究中较常用的获取脑信号的方法。单一模态的脑机接口主要依靠采集EEG 信号，主要有基于慢皮层电位（SCP）的脑机接口、基于感觉运动节律（SMR）的脑机接口、基于运动想象（MI）的脑机接口、基于P300 的脑机接口以及基于稳态视觉诱发电位（SSVEP）的脑机接口等。其中，稳态视觉诱发电位（SSVEP）、P300 电位等是神经系统响应外部刺激而产生的诱发电位，慢皮层电位（SCP）、与运动想象相关的电位（MI）以及错误相关负电位等是由受试者积极主动开展具体思维活动产生的自发电位。单一模态的脑机接口存在自身的局限性［6］，诸如基于SSVEP 的BCI 系统依赖于人的视觉且对刺激器的要求较高，需要优化刺激器颜色、频率、材质和大小等参数，以使被试能够集中精力关注特定频率；基于P300 的BCI 系统在脑电信号发出后不能立即检测到，只有经过一定时间延迟后才能检测到等。

李远清等［7］结合运动想象EEG 以及P300 电位，开发了一套可以应用到发送邮件以及浏览网页等互联网场合的多模态BCI，该多模态BCI 可以控制光标左右上下不同移动。此后，李远清等［8］又提出了一种实现脑控轮椅的启动/停止命令的多模态BCI，这种多模态BCI 将SSVEP 和P300 结合起来以提高异步BCI 系统的控制能力。清华大学高上凯团队开发了基于时刻视觉诱发电位（mVEP）以及运动想象EEG 的多模态BCI，可以完成拼写字符以及开关界面等计算机页面操作功能［9］。国外对多模态BCI 也有较多研究，如Allison 团队［10］提出一种将MI 与SSVEP 结合以提升系统控制指令精度的多模态BCI，结果表明其性能得到明显提升。在三模态方面，蔺冬雪［11］设计了将SSVEP、运动想象以及μ 节律结合的三模态脑机接口，用于控制机器人行走到指定位置并完成抓取动作。多模态脑机接口研发过程中呈现明显的互补性，并非将任意模态脑机接口组合。例如，EEG 和fNIRS 的组合，充分利用了二者在时空方面的互补性，EEG 的时间分辨率较高，而fNIRS 的空间分辨率较高，二者的融合可以提高脑机接口5%的性能［12］；Safaie 等人［13］开发了便于临床以及日常使用的无线便携式多模态BCI，该多模态BCI 由EEG 和NIRS 多模态采集系统构成，体现了多模态脑机接口的互补性特点。近年来，多模态脑机接口的互补性研究取得积极进展，其中，周亚军［14］为了提高异步BCI 系统的性能，提出了一种EOG 与SSVEP 信号相结合的新方法，使用EOG信号对应的波形检测方法来鉴别眨眼意图，检测SSVEP 信号则运用基于多频带组合的CCA 方法，两种信号融合的实验结果表明多模态异步BCI 系统在性能上有所提升。

但是在目前实验阶段，多模态脑机接口在感知他心方面的精准度仍需提高，多模态BCI 商业化落地尚需要一定时间。基于此，有必要从身体现象学视角反思多模态脑机接口的未来。多模态脑机接口的本质是他心感知，感知他心需要借鉴身体现象学的研究成果以推进多模态脑机接口的研究和开发。每个人大脑大约有860 亿个神经元和100 万亿个突触，这些突触和神经元构成一个错综复杂的庞大网络，负责处理我们的运动、感觉、语言、思维、感情以及记忆等各种功能。目前主流的脑机接口主要通过采集脑信号来感知用户心灵，当我们尚未真正揭开大脑内在运行机制的时候，我们仅仅依靠微弱的脑信号来读取用户心灵，其据证是不充分的。而且，目前多模态脑机接口的多模态是有限的，多数多模态脑机接口实际上仍是单一模态，诸如EEG 和fNIRS 的组合虽然具有互补性，但都是采集脑信号，没有更加全面地获取感知他人心灵的生理和非生理信号，尚不足以最大限度感知他人心灵。以感知他人情绪为例，如果我们综合眼动、肢体行为以及脑信号等更多模态信息，可能会更真切地感知他人的喜怒哀乐。

2 多模态脑机接口感知他心的身体现象学审视

2.1 身体现象学与他心感知

身体交互侵越及多层社交是自我个体感知他人心灵的重要因素。基于身体交互侵越及多层社交，自我个体感知到他人的喜、怒、哀、乐等情绪。梅洛·庞蒂（Merleau Ponty）给予身体因素高度重视，致力于身体现象学研究，以期超越身心二元的传统观点。融合社交以及互惠社交是梅洛·庞蒂分析他心感知问题时经常涉及到的重要范畴。按照梅洛·庞蒂的说法，融合社交在婴幼儿早期就出现了，这对其后的互惠社交持续产生影响。为防止成人思维习惯或者语言风格歪曲儿童心灵，梅洛·庞蒂提出了反对用成人思维或者概念合理化儿童体验的皮亚杰式观点［15］。丹·扎哈维（Dan Zahavi）和肖恩·加拉格尔（Shaun Gallagher）也有类似观点。丹·扎哈维等［16］认为婴儿出生两个月出现初级主体间性，肖恩·加拉格尔等［17］则认为胎儿在母体中触碰、运动以及协调过程中形成初步的身体动觉图式，弥补了具身理论以及交互理论仅关注当下状态却忽视早期经验生成的不足。融合社交阶段婴幼儿的感知觉具有整体性，并运用整体联觉来理解他人或者世界，身体不同部位的连接不是依靠经验积累获得，运用视觉语言表达触觉素材以及身体不同部位连接是身体本身一下子同时展现的［18］。

涉及到主体间性以及具身性的互惠社交是融合社交的延续和展现。梅洛·庞蒂［19］认为自我的世界被身体周围旋涡吸引，自我呈现给他者以及呈现给他者身上的另一种行为而非仅向自我呈现，通过语言公共领域，自我与他者互通观点以及在同一个世界共在。互惠社交阶段，自我与他者的连接是基于概念化情境共存的状态，如果没有相同或者近似的概念化情境，彼此之间的交流和沟通将会出现一定程度的阻滞。互惠社交近似于理论说和模块说的主体交互具身性，是人类发展更加成熟时期产生的理论交互主体性［20］。

2.2 多模态脑机接口感知他心的理论困境

从身体现象学回到多模态脑机接口感知他心的本质探讨，多模态脑机接口仅是一个与大脑直接相连的系统或者设备，包括芯片、采集设备、头皮电极、传感器、软件平台、控制系统、数据分析和管理工具等，不具备人类的血肉之躯，希望脑机接口像人类一样瞬间感知他人心灵是一种奢望。脑机接口不具备人类的血肉之躯，这是事实，不否定脑机接口可以感知人类心灵，只不过是感知的程度较微弱。身体现象学视阈下，脑机之间缺失身体交互侵越及多层社交，不意味着没有多层社交的可能。人与人之间的融合社交与互惠社交组成的多层社交是自我个体读懂他人心灵的重要保障。融合社交出现在婴儿早期，婴儿虽不能区分自我与他人的明显界限，但是婴儿与世界融为一体，无形地积淀自我感知他人心灵的生活经验。融合社交是日后互惠社交的前提和基础，也是自我个体瞬间读懂他人心灵的重要条件，成人在交际过程中之所以能够一眼看出对方的喜怒哀乐，往往与融合社交阶段积淀的生活经验密切相关。从这个角度看，多模态脑机接口不具备血肉之躯，不具有融合社交能力，自然不能真切地感知用户的心灵世界。

虽然多模态脑机接口不具备融合社交能力，但是在互惠社交方面具有一定优势。多模态脑机接口感知用户心灵的能力，与读心理论的理论说和模块说相近，而与模拟说相距甚远。人类大脑不同的意图对应不同的脑信号，多模态脑机接口采集脑信号并对脑信号进行范式编码以及解码，感知用户的心灵世界，符合读心理论说的因果原则。人们大脑不同的意图还与不同的脑区相关，通过检测不同脑区的脑电信号，可以解码出用户的心灵意向，与读心模块说有相通之处。以运动想象（MI）范式为例，不同的身体部位运动想象会引起对应的身体部位感觉运动皮层区域8-12Hzμ 节律能量下降［21］，这体现了多模态脑机接口感知他心所遵从的因果原则和模块理论。据此，多模态脑机接口通过识别不同脑区μ 节律变化状况来感知用户的运动意向，从而判断用户运动想象的身体具体部位。多模态脑机接口不具备血肉之躯以及心灵状态，不具备以其心灵状态模拟或者推知用户的心灵状态的条件，所以，多模态脑机接口与镜像他人心灵的读心模拟说有本质区别。总之，多模态脑机接口关注读心的因果原则和模块理论，能够与人类开展相应的互惠社交，在一定程度上能够解码用户的心灵世界，但是，脑机接口不具备与人类融合社交的能力，不能在用户眼中感知其存在，不能在其存在中真切地感知用户心灵，也不能全面整体地对用户心灵进行范式编码和解码，所以多模态脑机接口感知用户心灵的程度是微弱的和不真切的。

3 多模态脑机接口感知他心能力提升策略分析

3.1 增加尽可能多的模态以感知他心

目前多模态脑机接口的多模态是有局限性的，而且脑信号并非强度大且易受到各种噪声干扰，所以目前多模态脑机接口不足以真切地感知用户的心灵世界。人类的运动、感知和感情等意向，并非仅仅表征为脑信号或者一两种信号，还可以表征为眼动、肢体语言、会话语言以及各种生理和非生理信号，自我个体综合视觉、听觉、触觉、嗅觉以及味觉等不同感知觉，才有可能感知他人心灵。正如心灵哲学家雅克布·霍威［22］所说，自我个体读取他人心灵过程中，是由声音、视觉等个别估计的各自精度加权而获得的统合，比单纯的、原始的某一种感觉估计更加精准，更有助于感知他人心灵。多模态脑机接口不具备血肉之躯，不能与人类进行融合社交，人类期望其真正接近读懂用户心灵，有必要增加尽可能多的模态。

多模态脑机接口感知他心的首要环节是获取更多模态信息，既包括文本呈现、语音信号、肢体表情和人体行为等外在信息，也包括心电、身体周边电、皮层脑电、头皮脑电、功能近红外光谱、功能性磁共振成像、脑磁等需要依托医学成像技术呈现的可视信号。这些多模态信息的可信度具有明显梯度和差异，脑电、心电和身体周边电相比于语音信号、肢体表情和人体行为，更具有现实性和真实度，是信息输入过程中可信度较高的模态。任何事物都是辩证的，完全采集高保真度的脑电、心电和身体周边电的技术尚不完善，依靠脑电、心电或者身体电来读取人类心灵尚处于初步阶段，未来随着技术快速发展，多模态脑机接口感知他心的能力将会大大提升。文本呈现、语音信号、肢体表情、人体行为、心电、脑电以及身体周边电等多模态信息各有优势和不足，诸如文本呈现或者会话语言的欺骗性、人体行为的假动作以及心电脑电和身体周边电采集的低保真度等因素，都会影响到多模态脑机接口感知他心的效果，唯有综合多种模态输入才能为多模态脑机接口读取和感知人类心灵提供最大可能性。

3.2 对多模态信息进行加工和处理

多模态脑机接口检测到多模态信息，为其感知他心提供了丰富素材，但是纷繁复杂的多模态信息容易造成计算复杂度提高或者冗余，增加多模态脑机接口感知他心的难度。如同自我个体获取丰富的外部信息确实为自我感知他人心灵提供了前提和基础，但是如果不对纷繁复杂的信息进行去粗取精、去伪存真、由此及彼和由表及里的加工制作，则会带来信息臃肿，以至于影响自我感知他人心灵。多模态脑机接口采集到丰富翔实的多模态信息后，唯有对多模态信息进行降噪、划归和排序，才能更好地处理各种信息。自我个体往往借助外部语言掩饰自我真实心灵，却不能掩饰自我生理信号或者肢体语言。基于此，多模态脑机接口感知他心过程中需要给予可信度高的生理信号、肢体语言以及肢体表情分配更多权重，而对于可信度低的语音信号或者文本呈现，则需要增加真假辨识机制并分配适量权重。此外，采集到多模态信息后，融合多模态信息以获得更加稳健的特征表示，可以为多模态脑机接口感知用户心灵提供良好铺垫。

实验表明，更多模态的脑机接口能较真切地感知用户心灵。采用卷积神经网络以及梅尔频率倒谱系数分类和识别情感［23］，验证了多模态融合有助于带来较好的情感识别和读心效果。如果采用单一或者较少模态，脑机接口感知他心的效果则不理想。据上海交通大学吕宝粮教授介绍，多模态信号对于情感脑机接口显得特别重要，从单独使用眼动信号或者脑电信号，到将二者融合起来，情绪识别率由78%提升到88%［24］。目前，多模态脑机接口在实验室取得积极进展，依托脑机接口技术将脑电信号转化为控制外部设备的命令，以实现患者大脑意识控制外部设备的目的。2023 年，班念铭等人提出了一种基于多模态脑机接口的智能小车自动驾驶系统，把陀螺仪信号、脑电信号以及眼电信号3 种模态信号融合在一起来控制小车，其中，脑电信号、眼电信号和陀螺仪信号分别控制小车的速度、启停以及转向功能，实验结果表明，受试者基于该系统控制小车的平均准确率达到了92.47%［25］。可见，多模态脑机接口更能真切地感知用户的心灵世界，是未来脑机接口发展的重要方向和趋势。

4 多模态脑机接口的应用前景

本研究阐述的多模态脑机接口虽然尚处于实验阶段，但是已经展现出较好性能并蕴含较大的技术潜力，未来在健康医疗、教育数字化以及智能家居等其他方面有广阔应用前景。

4.1 康复医疗

随着我国人口老龄化的发展，康复需求总人数在不断攀升，然而传统的康复设备不能很好地满足患者康复需求。在此背景下，随着脑科学、信息科学以及材料学等学科的快速发展，作为交叉科学的脑机接口不断取得研发突破，未来在康复医疗领域的应用逐渐引起人们的密切关注。多模态脑机接口技术未来在康复医疗领域的应用非常广泛，其中信息交流、肢体运动以及神经恢复是具有代表性的方面。多模态脑机接口在信息交流方面的应用，主要针对由于自闭症、神经元疾病、中风以及脑瘫等疾病导致的语言功能障碍患者，这些患者有表达自我想法、与人沟通的期望，但是很难用外显的会话语言等形式表达出来，在这种情况下，多模态脑机接口，融合脑信号、眼动以及面部表情等多模态信息，并把人类拥有的概念化情境赋予到脑机接口范式编码以及解码算法技术中，有助于获取用户的语言意图。多模态脑机接口不仅可以更真切地获取用户的语言意向，而且可近似获取语言附随的情境或者感情色彩。与信息交流的功能辅助类似，多模态脑机接口有助于全面获取用户的运动意图，控制外骨骼以及假肢等外部设备，从而帮助用户恢复部分运动能力，也可以在获取用户运动意图后，在患肢部位构筑新的人工神经通路，经过反复训练促进神经通路的重组或者可塑性修复。

4.2 教育数字化

当前，在互联网、云计算、大数据、人工智能（AI）等现代信息技术深刻改变人类思维、生产、生活以及学习方式的背景下，积极推进教育数字化、推动教育数字化转型，实现教育公平和更高质量的发展是满足人民对美好生活的需要，更是建设教育强国的时代要求。因此，脑机接口技术作为教育数字化的重要表现形式，未来将在终身学习方面有着广阔应用前景。以开放教育为例，它是促进教育公平和扩大教育机会的重要方式，是现代信息技术在教育中应用与创新的重要模式。与传统的教育模式相比较，开放教育的教育对象、学习形式、办学模式、培养模式、学习资源以及成果评价等，均具有开放性，而且开放教育依托现代信息技术，一般采用远程授课模式，突破时空对教与学活动的限制，扩大优质教育资源的覆盖面。凡事都是辩证的，开放教育在取得积极成效的同时，也存在有待改进的诸多方面，诸如，授课老师与学生处于虚拟空间中，受时空所限，师生互动的真实感缺乏，授课老师不能很好地把握学习者的接受能力和学习效果等，基于此，多模态脑机接口技术有助于全面、真切地读取学生的学习状态和心理诉求，授课老师据此可不断改进教学方法、更新教学内容，提高远程授课的效果。

多模态脑机接口未来在教育数字化中的应用更有实效。通过多模态脑机接口技术，不仅获取学生的脑信号，还获取学生在学习过程中的会话语言、肢体行为、面部表情、眼动以及各种生理和非生理信号，融合多模态信息以获得更加稳健的特征表示，在范式编码技术和解码算法技术中赋予概念化情境，有助于真实、全面和翔实地获取学生学习过程中的注意力、认知负荷、情绪状态、焦虑程度、思维变化、身体状况以及专注程度，据此，一方面授课老师在授课过程中及时提醒学生关注授课要点、讲解知识难点以及改变教学策略，另一方面授课老师课后通过分析学生上课的综合表现与反馈，总结授课过程普遍存在的问题以及学生的接受程度，以及时调整授课理念、授课内容以及授课方式。

4.3 其他方面的具体应用

未来多模态脑机接口不仅可以应用在康复医疗和教育数字化方面，也可应用在智能家居、自动驾驶、军事以及娱乐等多领域。智能家居是脑机接口、人工智能与物联网跨领域结合的产物，多模态脑机接口通过获取用户的脑信号、肢体语言、会话语言以及面部表情等多模态信息，根据用户综合反映出来的需求实现开关灯、开关门以及开关窗帘等日常生活功能。驾驶员良好的驾驶状态是驾驶员和乘客生命安全的重要保障，单一模态脑机接口仅能获取微弱且有噪声的脑信号，不能精准判断驾驶员的疲劳状态和注意力程度，基于此，多模态脑机接口可以获取驾驶员在驾驶过程中的脑信号、肢体行为、眼动以及面部表情等多模态信息，进而全面掌控驾驶员的疲劳程度以及附随的情绪变化，以降低由于疲劳驾驶以及极端情绪导致事故发生的概率。此外，多模态脑机接口在军事以及娱乐等领域也将具有广阔应用前景，未来其将日益渗透到我们的日常生产生活和科学研究中。

5 结论

本研究围绕多模态脑机接口感知他心过程中存在的缺陷和不足，比照人与人之间心灵感知理论，分析了多模态脑机接口感知他心的能力提升策略和应用前景。与单一模态脑机接口相比较，多模态脑机接口更能真切地感知用户的心灵世界，在直接读取他人心灵方面迈出重要一步，未来将在康复医疗、教育数字化、智能家居、自动驾驶、军事以及娱乐等多领域有广阔应用前景。我国脑机接口市场规模巨大，多模态脑机接口是我国创新驱动发展的重要技术因素，同时也是高风险技术创新，在研发过程中的不确定因素较多，而且我国脑机接口行业与发达国家尚有一定差距，所以我国需要在政策、资金以及人才等方面给予支持，鼓励创新、容忍失败，为其快速健康发展营造良好的创新环境，以期早日实现商业化落地。任何事物都是辩证的，未来积极发展多模态脑机接口的同时，也需要加强该项技术的伦理规约和法律规范，建立健全道德准则、伦理框架以及法律治理体系，充分考量该项技术的安全性和有效性问题，以期服务于人民对美好生活需求的夙愿，也服务于中华民族伟大复兴的历史征程。