Nature头条：用AI增强脑机接口，帮助瘫痪者更好地控制机械臂

脑机接口（BCI）捕捉大脑发出的电信号，然后对其进行分析以确定使用者想要做什么，并将这些信号转化为指令，例如用来帮助瘫痪者实现肢体运动和交流。脑机接口可以分为两类——侵入式脑机接口和非侵入式脑机接口，前者将电极通过手术植入大脑，能够直接从大脑中记录电信号，通常比将电极贴在头皮上的非侵入式脑机接口更准确。而非侵入式脑机接口的优点在于使用简单、风险也更低。

那么，我们如何能够让更安全的非侵入式脑机接口的性能得到大幅提高呢？

在大多数传统脑机接口中，包括控制计算机光标和机械臂，唯一的控制源就是解码后的大脑神经电信号。人类所执行的许多动作都是目标导向型的，其中动作是朝着目标位置进行的，例如你去点击电脑屏幕中的搜索栏、按钮和图标，抑或是拿起桌子上的杯子、钥匙，拉动门把手等待。在这些情况下，使用者在有限数量的可能目标之间进行权衡，一旦目标确定，人的行为往往会变得模式化，此时人工智能（AI）能过通过解读意图和辅助行动来提升脑机接口使用者的操控力。这种方法被称为“共享自主权”，即人类自己作为主驾（pilot）与人工智能作为副驾（AI copilot）共同操控，以实现脑机接口更高的性能。

2025 年 9 月 1 日，加州大学洛杉矶分校的研究人员在 Nature 子刊 Nature Machine Intelligence 上发表了题为：Brain–computer interface control with artificial intelligence copilots 的研究论文。

该研究登上了 Nature 官网头条——AI-powered brain device allows paralysed man to control robotic arm（AI 赋能的大脑设备让瘫痪男子控制机械臂）。

为大幅提升非侵入式脑机接口的性能，研究团队采用“共享自主权”架构，使 AI 副驾（AI copilot）系统与脑机接口使用者（人类主驾）协同达成任务目标，并在基于脑电图信号解码的非侵入式脑机接口系统中验证了这一架构。

首先，研究团队首先开发了融合卷积神经网络与类 ReFIT 卡尔曼滤波器的混合自适应解码算法，让一名身体瘫痪者与三名健康用户通过非侵入式脑机接口解码大脑电信号来操控计算机光标和机械臂，他们 4 人在大多数时间里都能过完成这项任务。

接下来，研究团队设计了两套 AI 副驾（AI copilot）系统，分别在光标控制任务和机械臂抓放任务中辅助脑机接口使用者（人类主驾）。结果显示，在 AI 副驾的加入后，使用者完成任务的速度更快了，完成率也更高了。具体来说，接入 AI 副驾的脑机接口（AI-BCI）让脊髓损伤瘫痪者在控制计算机光标任务中的表现提升了 3.9 倍，让健康参与者的表现提升了 2.1 倍。不仅如此，AI-BCI 还能让瘫痪者操控机械臂将彩色方块移动到特定位置，成功率高达 93%，而使用未接入 AI 副驾的脑机接口时无法完成这一任务。健康参与者使用 AI-BCI 则能过更好地完成这一任务。

研究团队表示，接入了 AI 副驾的脑机接口不再需要解码那么多的大脑活动，因为 AI 可以推断出使用者想要做什么。这些 AI 副驾本质上是在与人类主驾合作，并试图推断出用户希望实现的目标，然后帮助完成这些动作。

该研究开发的这种 AI-BCI 或能帮助脑机接口在日常使用中更实用、更高效，随着 AI 系统的升级，有望帮助使用者更轻松地完成更多复杂任务，还有望开发出更复杂的 AI 副驾，整合到侵入式脑机接口中。

最后，论文通讯作者 Jonathan C. Kao 表示，这种人机“共享自主权”的一个挑战在于，如何在不削弱使用者自主权的情况下为其提供帮助，实际上，使用者并不喜欢那种 AI 能够控制机械臂运动轨迹的脑机接口版本。因此，需要平衡 AI 与人类使用者之间的控制权，不能让 AI 违背人类的意图。