读心 AI 帮助四肢瘫痪的人玩《吉他英雄》

伊恩·伯克哈特将手放在一根米色的管子上，捏紧手指，然后将其举到空中。对于大多数人来说，这个动作没什么大不了的：你心里想着“抓住那根管子”，你的脊髓就会将命令传到你的手上，在你意识到之前，手就完成了动作。但对于八年前失去肘部以下手臂功能的伊恩来说，这个过程却有所不同。

当他想到“抓”时，他大脑中一个珠子大小的设备会捕捉到由此产生的电信号，台式计算机会对其进行解读，一个拉链袖子会用电流刺激他的前臂，从而移动他的手。在过去的五年里，伊恩从未想过自己能再次控制自己的手，他学会了从瓶子里倒水、用吸管搅拌，甚至还学会了玩吉他英雄。不过，只有在实验室里，他才能恢复右臂的使用能力，工程师们可以把他插入电脑，并进行必要的校准，提醒机器如何解读他的想法。

本周，开发该界面的医生和神经科学家描述了一种新版本，这是首次在人类身上使用，它利用了一组新颖的机器学习策略来跳过繁琐而重复的训练课程。无需每天花几个小时摆弄机器，这为伊恩和其他像他一样的人打开了一扇大门，让他们有朝一日能把这个设备带回家。“只要拿起一个瓶子喝一口，”伊恩说。“这真的会改变我的生活。”

2010 年春假期间，伊恩与大学朋友在北卡罗来纳州海岸外跳入海浪，从那以后，他的生活就发生了变化。他以前跳入海中数百次，但那天，一股海浪将他的头推入一个看不见的沙洲，弄断了他的脖子。等到他的朋友把他拉上岸时，他只感觉到脸上有阳光的温暖。

四年后，在一位理疗师将他介绍给俄亥俄州立大学和私人应用科学公司巴特尔的实验合作机构后，外科医生将一小排电极植入伊恩控制右手的大脑部分。他们将记录脑细胞活动电脉冲的传感器连接到他脑后的小端口，让他可以直接接入电脑，就像黑客帝国一样。真正的工作从这里开始：将每秒数百万个数据点转换成有意义的动作。

巴特尔机器学习研究员戴维·弗里登伯格 (David Friedenberg) 表示：“当你用手做任何动作时，手部区域的运动皮层都会被激活。因此，真正的技巧是试图找出不同手部动作之间的差异，这更加微妙。”

为了找出相关脑信号之间几乎难以察觉的差异，该团队求助于神经网络——一种计算机程序，它通过猜测和检查一系列不同的规则，直到找到一个有效的规则，找到分离相似数据集的方法。在一个典型的四小时实验课上，伊恩一半的时间都在根据提示思考各种手部动作，这样神经网络就可以学习哪个脑信号与哪个动作相匹配，这是一种被称为“监督”学习的技术，另一半的时间则在进行实验。他一开始觉得这些练习很难，但逐渐掌握了控制权。

“我会在训练结束后感到精神疲惫，”伊恩说，“但现在我已经到了必须集中精力（移动手臂）的地步，但我可以集中精力同时做其他事情。”

虽然伊恩在操控机器方面越来越熟练，但机器对伊恩的理解却有限。脑细胞的基线放电每天都在变化，这取决于你的睡眠时间、服用的药物以及是否喝了第二杯咖啡等因素，这意味着大脑界面在周一学习到的模式到周二可能就毫无用处了。如果没有基于已知动作序列的不断重新训练，这样的系统会在几个小时内崩溃——对于那些希望在家中看到这些机器的人来说，这是一个大问题，因为用户不可能每天花几个小时来设置他们的设备。

研究团队周一在《自然医学》杂志上发表的一篇论文中概述了一种解决方案，即加入第二个神经网络，该网络无需研究人员提供命名动作示例即可进行学习，这是“无监督”学习的一个例子。

首先，团队以传统的“监督”方式训练网络，让伊恩通过思考依次演示每个动作命令。然后，无监督网络接管。当伊恩自由使用设备时，它会监控他的想法，但没有人明确告诉它他在做什么。相反，机器使用其设置训练来猜测伊恩正在执行的动作，并根据这些猜测即时重新训练自己。想象一下，上了一门西班牙语课程，然后试图通过观看大量墨西哥肥皂剧来保持这些基本的语言技能。有一位老师在场回答你所有的语法问题会更有效率，但如果有足够的初始知识，那么连续观看电视剧可能足以阻止这种衰退。

最终，混合系统在一年内 90% 以上的时间内正确解读了 Ian 的运动信号，无需重新训练。它的表现也比之前的系统高出近 10%。其他团队在猴子身上也做过相关工作，但弗里登伯格说，这是这种装置第一次在人类身上如此稳定地发挥作用。

该系统还证明了其对新动作的快速学习能力。尽管一开始只有四种粗略的手部动作，例如弯曲手腕，但该设备在仅输入 Ian 七分钟后就能够学会以近 90% 的准确率张开 Ian 的手。“你只需要几个例子来说明‘这是我正在寻找的基本模式’，然后其余数据就会帮助抵消那些可能正在发生变化的基线，”Friedenberg 解释道。

每个人都对该项目下一步的发展寄予厚望。“我只想把它带出实验室，让它经受住考验，”伊恩说。

要做到这一点，他们需要让它变得更小。目前的界面由七个大盒子组成，散落在桌子上，很难携带。该团队的目标是将机器缩小到可以装进一个设备中，大小与精装书差不多，可以放在伊恩的轮椅上。

尽管如此，新的自我训练系统代表着向最终目标迈出了一步。有了每天使用 8 小时的数据，弗里登伯格预计该系统几乎不需要未来的用户对其进行训练。伊恩特别期待有一天他能够在没有工程师在场的情况下操作这个设备或类似的设备。虽然他说他不指望弹钢琴，但只要能很好地抓住包裹和厨房用具，他就可以做饭、做家务，总的来说，他会变得更加独立。

他说：“当我知道这样的设备可以在日常生活中使用时，我对未来真的恢复了很多希望，对我和许多其他人来说都是如此。”