会议报道｜当AI遇上BCI，用机器智慧重塑大脑未来？
人工智能（AI）与脑机接口（BCI）这两个位于世界前沿的新兴技术存在着奇妙的共同之处，那就是它们都试图将人类智慧与机器智慧融合。那么，当它们相互碰撞，能否开启超越传统交互方式的新纪元？
7月28日，天桥脑科学研究院（中国）与中国神经科学学会脑机接口与交互分会联合主办了中国神经科学学会年会人工智能和脑机接口主题论坛。会议主题一出，就吸引了众多神经科学学者学习观摩，现场气氛热烈，座无虚席。四位来自中外的科学家就该领域的最新进展进行了深入讨论。
如何解决数据采集与模型训练中的痛点？
天桥脑科学研究院（TCCI）应用神经技术前沿实验室主任Gerwin Schalk是本次论坛的主持人。他代表TCCI发布了“MindX数据支持计划”。他指出，数据是机器智慧和人类智慧连接的基础，但当前存在数据流失、数据混乱和数据沉默三大难点。具体而言，数据收集和存储的成本高、缺乏有效的数据采集工具和方法、缺乏合适的数据管理经验，并且大部分数据未被利用。基于此，MindX数据支持计划应运而生，以期从经费、技术和人才三方面出发，实现“AI+脑科学”的数据可汇聚、可管理、可挖掘。
▷图注：Gerwin Schalk发表演讲
Gerwin Schalk介绍道，该计划将提供1亿元研究经费，并免费开放存储服务器、算力等基础设施，以及侵入式电极、Smart EEG、眼动追踪及其他创新数据采集技术。目前，TCCI已招募50名数据和AI科学家（涵盖自然语言处理、计算机视觉、语音算法、知识图谱等领域），未来将扩建至200人。Gerwin Schalk强调，该项目的目标受众为中国的神经科学家、认知科学家、心理学家，以及神经和精神疾病临床医生，申请人必须属于人类智能和人工智能领域，最终通过TCCI专业团队评估的申请人将获得支持。
扫码下载申请表
下一代AI的关键突破口在何处？
中国科学院深圳先进技术研究院工程学教授李骁健，分享了类脑计算与脑机接口方面的研究。首先，他以自身研究经历系统回顾了脑机接口技术的发展历程。从最初使用玻璃电极进行有关猫视觉皮层的电生理研究；到使用128通道Plexon在体电生理系统，记录脑区神经元的群体放电并进行神经活动解析；之后，他研究了脑区间远距离投射的神经环路和功能神经网络；此时他的研究聚焦于双光子成像和激光扫描技术，进行了遗传性光激活神经传感和刺激的实验研究。此外，他还研发出了使用光纳米材料进行非遗传性神经元调控的技术和方法。他指出，这一系列的研究成果不断推动着脑机接口技术向前发展，也为该技术与AI技术的融合打下了坚实的基础。
▷图注：李骁健发表演讲
随后，李骁健介绍了其实验室最近的研究进展。一是，对光纳米技术进行了改进，改进后的技术可以诱导持续性神经活动（包括兴奋性和抑制性两种），并且可以较低光功耗调控皮层活动；二是，开发了柔性高密度uECoG电极阵列以及配套的高通量神经信号采集和处理器，并在猴子上进行了脑神经信号采集和运动意图解码功能验证。
最后，李骁健向与会者介绍了他通过自主技术构建的脑机接口系统，就是从脑信号到数据到信息到与计算机交互的通信链条。
AI：语言解码与合成的希望？
上海科技大学生物医学工程学院助理教授李远宁，分享了利用颅内记录对人脑中的语言信息进行编码和解码方面的研究。目前，他的工作主要集中在三个方面：
1）用侵入式方式记录语言加工处理过程中的神经活动；
▷图注：李远宁发表演讲
李远宁表示，研究自然语言的神经机制需要高分辨率的脑成像技术（如ECoG和HD-ECoG）对神经活动进行记录。对于第二个方面的研究，李远宁介绍道，他重点研究的对象是语音的感知和产生过程所对应的神经活动及其编码机制。然后，他使用神经解码技术，在语言感知和表达过程中，由侵入式神经记录信号直接合成自然语音。
AI可以从类睡眠加工中获益？
约翰霍普金斯大学应用物理实验室高级研究员William Coon，另辟蹊径，从睡眠与学习的角度分享了AI在全生命周期中的学习机制。众所周知，对生物而言，睡眠之于持续学习十分重要。William Coon表示，对于持续学习，不稳定/饱和、灾难性遗忘以及泛化是主要的影响因素，而睡眠过程可以实现突触缩减、记忆回放以及生成建模（做梦）。
▷图注：William Coon发表演讲
其中，记忆回放过程涉及慢波振荡和睡眠纺锤波之间的耦合，这种动态耦合可以调节记忆巩固，而人工神经网络则会灾难性遗忘（被训练完成新的任务时，它们很快就会忘记以前学过的东西）。海马可以在慢波睡眠阶段调节记忆回放。
受此启发，William Coon提出了一种新的回放变体，其中回放由网络自身生成的内部或隐藏表示，由上下文调制的反馈连接。接着，他在不存储数据的情况下，建立了一种在大脑中回放的新模型。结果发现，与单一睡眠阶段相比，对多个睡眠阶段进行建模可以防止灾难性遗忘。此外，William Coon还表示，睡眠汇聚了一系列神经信息的处理机制，可以作为优化人工神经网络的重要蓝图。
圆桌讨论
精彩纷呈的个人分享过后，四位专家围绕与会者感兴趣的话题进行了更深入的交流和讨论。
@Gerwin Schalk
AI如何增强神经技术与人脑的功能性和适应性？AI如何帮助神经科学？
@李远宁
建模方面的所有技术以及计算方面的进步，都有助于神经科学的发展。当然，这也取决于如何定义AI。如今大多数人认为AI就是深度神经网络，而深度神经网络可以在很多方面帮助我们。像我今天展示的这些研究，在以前是很难做到的。比如，从数据驱动的方式，来更好地研究神经编码表征问题。传统而言，我们依据一些简单的线性模型，从理论驱动的角度进行假设检验。我们对于大脑的特征空间有一组有限的理论假设，但可能它们都不是最优的。而我们可以将AI模型应用到假设检验中，可以搜索更大的特征空间，构建更为复杂的假设，然后我们可以在真实的神经数据上测试这些假设。
@Gerwin Schalk
大语言模型或其他新技术，有什么特别的应用？或者有什么让人眼前一亮的重大进展？
@William Coon
以脑机接口为例，当系统安全人员需要在上下文中加入大量的环境信息时，大语言模型可以大大缩小特定时间内的选择范围，从而减少脑机接口用户的选择数量。
@Gerwin Schalk
这是一个很好的点，听起来有点像语音解码。当能够真正限制上下文的时候，就可以解码单个字符或音素。这有点像摩斯电码，摩斯电码基本上只是压缩单个字符。它曾经是二元组和三元组。后来有了语言模型，我们可以理解一个单词到另一个单词或一个句子中的几个单词的过渡。现在有了大语言模型，我们可以理解和建模段落之间的单词和句子的转换。这其实是这种互动的一种自然进展。
@Gerwin Schalk
AI如何促进大脑研究或脑机接口的发展？
@李骁健
我可以分享一下我对AI在脑机接口中普遍性应用的看法。传统的植入式脑机接口只是一种运动神经学习研究，比如研究人员训练猴子通过脑控机械臂抓食物。这一学习过程需要很长时间，需要不断训练在脑内建立塑性神经网络，而神经元需要较长时间建立投射连接。这就是问题所在。临床使用的脑机接口则希望对新的脑控设备或者服务在2-3天就能学会使用。但是大脑是不能这么快学习并适应新的脑控技术的。此时，AI可以提供助力，比如它可以构建自适应解码器来帮助大脑快速适配新任务指令。
@Gerwin Schalk
这引出了一个重要的问题。AI正在适应大脑，同时，大脑也在适应AI。当所有的神经科学先进技术方法已经可以应用于人类大脑，如何看待大脑或者个人想法可能被他人操纵这一问题？
@李远宁
我想分享一下自己的想法。其实，这不仅限于人工智能，像社交媒体这样的技术也在操纵和改变人脑。比如，我的研究方向是语言，我们阅读能力尤其是汉语阅读与书写能力相关，写得越多，读得越好。但我们书写方式正随着计算机的发展而改变。现在大多数人，尤其是儿童，他们不写字，只是在触摸屏上打字。这只是一个例子，并不是侵入性的技术，但从行为上就已经改变了我们的认知能力。而使用这些更具侵入性的技术，如果你以不同于以往的方式进行沟通，这会影响和改变你的语言认知功能。这是需要认真考虑的问题。
在本次论坛上，各位专家展示了他们在脑机接口和人工智能领域的最新成果和探索，而圆桌讨论更是为观众揭示了未来的无限可能。
科技的发展如同探索无垠宇宙的星际航行，我们怀揣着对未知的好奇与渴望，期待着一个充满奇迹和惊喜的未来。
关于TCCI
天桥脑科学研究院（Tianqiao and Chrissy Chen Institute，TCCI）是由陈天桥、雒芊芊夫妇私人出资10亿美元创建的，旨在聚焦AI＋脑科学，支持、推进全球范围内脑科学研究，造福全人类，目前已经成为知名的支持人类脑科学研究的科研机构。
TCCI一期投入5亿元人民币支持中国的脑科学研究，与上海周良辅医学发展基金会合作成立上海陈天桥脑健康研究所（又名TCCI转化中心），致力于提升脑健康和脑疾病治疗研究和成果转化。后又与华山医院、上海市精神卫生中心等建立战略合作，设立了应用神经技术前沿实验室、人工智能与精神健康前沿实验室。在国际上，TCCI与加州理工学院合作成立TCCI加州理工研究院，设脑机接口、社交与决策神经科学、系统神经科学、分子与细胞神经科学、大脑成像、神经科学教育等多个中心，重点关注大脑基础研究。TCCI还在北美、亚洲、欧洲、大洋洲主办、资助了200多场高质量的学术会议。