本文系用户投稿，不代表机核网观点
本文相关知识点：
脑-机接口（Brain-computer Interface或者Brain-machine Interface）：通过传感器提取头皮上、大脑皮层上电场或磁场等信号、参数，进而进行数据提取、分类和分析，最终控制体外设备对人体周边环境进行增强或改善的人机交互装置。本文主要讨论基于脑电波或大脑皮质电信号分析的脑-机接口系统。
中枢神经系统（Central Nervous System, CNS）：由大脑和脊髓组成，是人体运动的命令源也是脑机-接口主要分析目标。
脑电波（Electroencephalogram, EEG）：与大脑皮层神经元活跃度密切相关，大部分学者认为其主要组成部分是神经元突触后电位。脑电波是脑-机接口的主要信号来源之一。
分形维数（Fractal Dimension, FD）：来源于分形理论，可以用于分析数据的复杂性。是现代科学用于分析混沌动力学系统和非线性信号的工具之一。
人工神经网络（Artificial Neural Network, ANN）：一种基于大规模计算训练从而多层次地提取目标特征值的数学模型。ANN常被应用于数据分析。
正文
2019年中旬，马斯克和他的Neuralink团队展示出了他们“新颖”的向大脑植入电极的方式，并宣布了他们将要进一步开发脑-机接口的计划。此消息一出，就在科技界掀起了轩然大波。有些科技媒体报道马斯克将用脑-机接口提升人们与手机的交互性。但大部分脑-机接口研究者都知道如果只是想要提升与手机的交互，并不用那么大费周章的使用那台“缝纫机”（见图1）向人脑皮质植入数以千计的电极。使用头皮记录电位配合精心调教的算法，人们已经可以以可观的速度进行文字输入或者以比较高的精度控制机械臂。
至于马斯克在2019年7月发表的那篇文章《一个拥有数千信道的集成脑机接口平台》主要讲的是他们公司皮层下电极植入的原理及数据收集方式。而对于脑-机接口的另一个核心——软件层面的数据分析算法并没做深入的涉及。因此，有些人认为马斯克的那次表现更多是宣传方面的，他的脑-机接口设想与真正的实用化差距仍是十分巨大的。
一年后的现在，马斯克又在发表他对脑-机接口的预测，又一次引起了科技圈的热议。对于脑-机接口这个话题，笔者也想谈谈自己的看法。
首先，我们来看看关于脑-机接口的基础。
大脑及其产生的电信号
大脑及其产生的电信号
大脑属于中枢神经系统，其包含了大约870亿个神经元。大脑时时刻刻接受来自视神经、听觉神经等，以及周围神经系统（Peripheral Nervous System）传送过来的信号。大脑将这些信号进行解析，并产生感觉，进而对外在环境做出反应形成运动信号。运动信号再通过脊髓传达到周围神经系统，进而控制肌肉控制人的身体，做出复杂（高级）运动行为（比如弹钢琴，弹吉他）。
这里必须指出，大脑收集的信号并没有一般人想象的那么简单。拿耳蜗（如图2-1）收集音频信号为例，耳蜗并不是只探测声压在时域上的变化（如图2-2），它通过海螺形的构造，可以探测音频信号的频域在时域上的变化（如图2-3）。这样对数据的处理，可以放大数据特征，找出数据所包含的更多的信息。
当脑神经开始处理信息，就会产生相应的电磁信号。从神经元的构造来看，当神经元传达信号时，神经元内外的带电离子流动形成电流，电流到达突触后激发化学反应继续传递信号给下一个神经元。当一定数量的神经元像集成电路一样一起工作时，就可以产生能被宏观的电极所探测到的电磁信号。而电磁型号的变化，则反映出当前皮层区域的活跃程度。这些信号经过放大，编译变成了包含信息的信号。这样研究人员就可以进行数据分析，用算法推测出大脑想表达的东西。
对于这些脑电波（EEG），最初人们对其在时域上的波形进行分析（尖峰分析法），之后研究者使用傅里叶变换或小波变换分析EEG信号在频域上的能量分布（能量谱分析法，可以将脑波分成阿尔法，贝塔，伽马及德尔塔波）。自上世纪中后期以来，混沌动力学兴起，人们发现由于脑神经天然的复杂度，脑波更具有不稳定及非线性的特性，所以越来越多的研究者开始用混沌动力学的研究方法分析脑波及脑皮质结构。其中分形维数（FD）就是，混沌动力学在脑波分析用到的工具之一。
分形维数是对大自然分形艺术的一种解释。它可以用来分析数据的复杂度。FD的值是数据自相似部分的重复次数，与数据总体对自相似部分放大倍数的对数比。在图3中，分形维数可以解释一维，二维和三维系统的不同。
FD的应用之一就是可以表达脑前额叶的活跃度，进而表达人的疲倦状态。当FD值越高，则人越兴奋，反之则人越疲倦。
以上是关于脑的一些知识和脑波的分析方法。可以说这些只是脑科学和脑-机接口技术的冰山一角。但即使是脑-机接口技术发展到现在，研究者仍面临着许多问题。
有关脑与机的一些个人思考
有关脑与机的一些个人思考
人头上皮点位是在人体外收集脑电信号的主流方法之一（有兴趣的读者可以查一下P300脑-机接口，或者着在站内搜索一下关于脑机接口的Gadio pro 电台）。但是这种方法收集的信号存在着伪迹过大（如眨眼伪迹和面部肌肉信号伪迹），信号带宽过低（一般小于70 Hz）和信号强度低（因为颅骨阻挡）的问题。而信号的质量直接影响了结果的质量，正所谓“Shit in, Shit out”，再好的算法也救不回被深度污染的数据。
所以研究者也使用在颅骨下，脑硬膜之上植入电极的方式，甚至直接在皮质上或皮质内植入电极的方式来获得更纯净的信号。而马斯克和他的团队使用的就是在皮质上植入和皮质里植入相结合的方式，将类似于微丝阵列（用于皮层上）和密歇根式探针（用于皮层中）的电极植入到人的脑内。
在论文中，马斯克和他的团队提到这个电极植入机器人可以避开脑血管，进而不打破脑血屏障，避免炎症的发生。但是，与皮层相关的植入方式还面临着慢性神经炎症，局部脑组织损伤，以及局部脑组织损伤带来的细胞反应（小神经胶质反应和星形胶质细胞反应）还有电极穿透时引发的细胞外基质变化的反应。以上都是因电极植入引起的慢性脑组织反应，他们不仅会影响信号长期收集，还会引起人脑可能的恶性变异（如脑瘤）。现在看来，只是在实验鼠大脑上的短期实验，并不能百分百确定这些慢性反应不会在人脑上发生。况且这种实验植入的电极数极多（小鼠实验3072个信道），在人脑上的实验需要的信道只会更多，不会更少。如果在电极植入时破坏了某些微小的血管，数量一多，打破脑血屏障的可能性就会变大，最终可能导致实验者死亡。
所以，即使马斯克真的在两年内进行了首次人体实验，没有五年或更长的观察期，仍不能表示他的机器人及植入方法是安全可行的。例如现在常见的近视矫正手术，在刚被应用时就被怀疑有后天致盲的可能性，近视矫正手术也是通过医学家长期积累经验，探索新理论才将手术可靠性提升到如今的高度。
内容因剧透、敏感不适等原因被隐藏
点击查看脑-机接口的发展其实与脑科学的进步密切相关。只有将脑科学进一步发展，才能将脑-机接口设计得更可靠。科学家对意识的产生的研究，对记忆塑造的方法以及不同脑皮质分区合作的机理仍然存在着讨论。而这些问题与脑-机接口是否能实现让大脑与互联网或者个人服务器相连接的功能实现息息相关。
由于这些问题尚没有定论，且非脑科学专业的笔者在查阅论文时发现了一些相矛盾的论点，故以下讨论不具有任何可靠性。望读者见谅。
人类意识的产生一方面基于脑组织的DNA表达，另一方面在于后天来自外围环境的刺激。环境刺激对大脑的影响类似于人工神经网络的训练，但是训练大脑的信号是多维的。训练包括了视觉，听觉，触觉以及其他感官的共同参与，使得大脑在思考时考虑更多的东西，思考的结果才更准确（结果具备多维性/多角度性）。
拿儿童区别猫和狗举例。儿童一开始被使用不同的猫狗图片在成人的指导下进行视觉和听觉的共同训练。在之后的生活中，儿童有机会触摸许多猫和狗，听不同的猫叫和狗叫，这个条件进一步刺激脑神经获得更多信号特征，从而形成猫和狗两个相对独立的概念。这种训练方式，在缺乏多维的刺激条件下，概念与概念之间的界限就会愈加模糊。这也是一些成年人分不清鹿和狍子的原因，因为他们缺少相应的刺激环境。这种现象也在常见于一些训练不足的ANN模型，我建议ANN的训练应使用不同维度的数据。
而人类意识的强化和定型，使其成为了思考的基础，是由于人类对于周围环境变化形成的经验，以及经验转化成的记忆。记忆(这里主要指长期记忆)并非像电脑硬盘里固定的数据，而是被逻辑链路串联起来的不同概念。这个观点可以被用来解释梦的形成，以及一些失忆的人重新获得记忆的原因。人在做梦时，是将大脑中不同的概念（基于不同信号特征的组合），通过不同的逻辑链路重新排序和组合，所以一些梦境中人可以得到听觉，触觉甚至嗅觉。当链路与个人常识大相径庭时，梦境也自然而然地变得难以理解，甚至荒谬和反常识。而一些失忆的人在外部环境地重新刺激下，重新找回了某个概念，并形成了原有的逻辑链路，那他自然就找回来了记忆。关于人脑长期记忆和短期记忆产生和消除的研究，有助于我们找到有效的信号编译方法，从而建立起人脑与电子计算机的之间的桥梁。否则，当人们通过脑-机接口接收来自于服务器的信息时，我们无法将信息储存于脑中，而脑-机接口也将只是一个高级的人工耳蜗。
顺便说一句，之前机核有节目中提到为什么大多数人在思考时，思维的载体类似于听觉的东西？这里解释一下。当然，世界上存在基于图形思考的人，而一般人也可以尝试去试着用图形思考法。当然你会发现基于图形的思考会更费力气。这不只是因为你不习惯这种思考方式，更重要的是图形思考更费葡萄糖。用个不恰当的例子解释，同样用分形维数计算图形和声纹，图形的复杂度（FD 2-3之间）一定是大于声纹的复杂度（FD 1-2之间），而如果两种信号包含的信息量差不多，作为一个混沌系统的大脑自然会寻找耗能更少的声音传达信息。这大概就是懒惰的来源（笑）。
而声音具有的抽象性也为思考带来了无限的可能。而思考无论怎么走，都绕不开恐惧，脑神经在怎么转，都绕不开痛觉。痛觉，作为最原始的感觉之一，是生物自卫机制的基础，是恐惧在神经学上的表达。我个人认为痛觉是整个人脑神经元网络的核心。这就是意识基于脑组织的DNA表达的原因之一，是祖先留给我们的宝物。更深层次的围绕痛觉神经的研究，可以用来分析不同脑皮质区域相互关联的基础研究。
脑-机接口的研究不仅和脑科学有关，它更是一门跨学科的研究。随着规模更大的电极阵列被应用于脑波探测。首先数据量会爆炸式的增长，普通的人工分析方式将转化成由大数据挖掘算法支撑，人工神经网络辅助分析的先进分析方式以降低时间成本。
基于以上观点，笔者个人认为初级的脑-机接口是使用脑神经的信号控制体外装置，从而满足自己的特殊需求的系统。这种脑-机接口现在已经取得了很多突破。而更高级的脑-机接口，可以在人的控制下，对自己的意识和记忆进行改造，并且可以和外界（互联网或个人服务器）进行双向的交流，而人脑也可以变成一个可有限访问的节点服务器进行信息传送。这种更高级的脑-机接口更像是《攻壳机动队》里的设定。
如果脑科学能突破现有的这些问题，那么脑机接口的应用前进将会更加广阔。脑-机接口也将成为比肩核聚变的系统。核聚变解放了一群人，而脑-机接口将成为个人解放的突破点。
但是，除了技术壁垒，还有一座大山难以逾越。那就是传统伦理。同样是去年，基因改造的婴儿成为了科学界关于伦理讨论的中心。传统伦理依旧对一些尖端研究有很大影响。在一些大学里，普通的人头上表皮电位脑波测试都需要经过学校的人权（伦理）委员会批准和监督才可以实施。如果申请像马斯克那样的具有极大风险的实验，没有学术界权威大拿背书，是不可能进行的。马斯克和他的团队作为私人企业，能约束他的只有一些法律，及医学界的伦理审查。如果他的实验不够透明，那就真的没有人会知道发生了什么。如果实验失败的消息泄露，甚至造成人员伤亡，脑-机接口的研究将会变得更为保守，其发展也会变得缓慢。
如果马斯克的实验获得巨大成功，并且保证了实验对象的生命安全，那他的实验将会极大地鼓舞人心。脑-机接口的发展也会加快步伐。届时人们将会看到传统伦理对尖端研究的让步。随着混沌理论等数学工具的应用，精度更高的核磁共振仪器被用于脑结构扫描，人们将对人脑认识得更加深入，低成本的微创甚至无创脑-机接口手术的发明也将使得普通大众可以使用脑-机接口。如果一切顺利的话，我们还是有可能在2077年左右看到脑-机接口的大规模应用。
马斯克加速推进脑-机接口实验更像是出于对数据收集以加强算法的优化，从而获得商业上的优势地位。我们最好祝福那个实验可以成功，祝愿实验对象能无伤的活下来。
主要参考参考文献：
J.R.Wolpaw, E.W.Wolpaw, (2017) 脑-机接口原理与实践（Brain-Computer Interfaces Principles and Practice）， 国防工业出版社。
李颖洁（2009）EEG脑电信号分析方法及其应用，科学出版社。
A.D Ieva, (2016) The Fractal Geometry of the Brain, Springer
S. Kesic, S.Z.Spasic (2016) Application of Higuchi’s fractal dimension from basic to clinical neurophysiology: A review, ELSEVIER.
评论区
共 55 条评论热门最新