我喜欢骑⾏，骑⻋时经常会冒出⼀些灵感，或者忽然记起⼀件没做的事，或者想记录沿途⻛景所⻅所感，但腾不出⼿打字……我想过骑⾏之前打开录⾳机，有什么想法就对着⽿机说出来，然后再将录⾳转成⽂字，摘取有意思的部分整理到笔记本⾥。但是，抛开路上有噪⾳和⻛声不说，把所有想法都说出来真的很社死诶，如果说旁边⼈的坏话被听到怎么办！还有，录着⾳就没法听⾳乐了，那骑⻋还有什么乐趣！
（不是）那么，有没有⼀种可能性……可以在脑海⾥默默“说话”，电⼦设备直接识别，转为⽂字呢？还真的有。脑机接⼝，宛如“读⼼术”的科技要说最接近“读⼼术”的科技，可能就是脑机接⼝。脑机接⼝（brain-computer interface，BCI）是指，通过⼀些装置，在脑和外界设备之间建⽴联系，将脑的指令传到电脑并进⾏解读；或者将电脑中的信息变成可以解读的信号传给⼈脑。
这类系统可以帮助感官或肢体运动能⼒受损的病⼈恢复相关功能。例如将摄像机拍到的画⾯转为脑电信号，帮助盲⼈产⽣视觉，或者读取瘫痪病⼈的脑电波，控制机械臂进⾏操作等。瘫痪患者⽤脑机接⼝控制机械臂⼁Johns Hopkins Medicine我们做任何动作、发任何声⾳，都是由⼤脑控制的。⼤脑⽪层的不同区域会控制不同肌⾁的动作。想要⾏动时，⼤脑通过电压变化发出指令，这种电信号通过外周神经传到相应肌⾁。
电信号不同，肌⾁产⽣的变化便不相同。输出式脑机接⼝正是利⽤这些特征，读取⼤脑产⽣的种种电信号，对其进⾏解读，从⽽转化为语⾳、⽂字、机械臂动作等表现形式。⽽输⼊式脑机接⼝，则是对⼤脑特定部分进⾏电、磁等形式的刺激，例如将拍摄画⾯转化为电信号，刺激失明⼈⼠⼤脑相关区域，产⽣视觉。脑机接⼝分为⾮侵⼊式/⽆创、半侵⼊式/微创和完全侵⼊式/有创三类。侵⼊越深，测量的信号就越准确、噪声越⼩。
⾮侵⼊式/⽆创：基于脑波（EEG）、脑磁等信号的系统，由于传感器放在头⽪上便可以采集信号，所以属于⾮侵⼊式。半侵⼊式/微创：基于⽪层脑电（electrocorticography，ECoG）的接⼝需要将传感器插⼊头⽪，在⼤脑⽪层上采集信号，对使⽤者有轻微创伤。完全侵⼊式/有创：完全侵⼊式传感器在⼤脑⽪层内采集信号，因此需要植⼊⼤脑⽪层，创伤较⼤。
例⼦有基于局部场电位（local field potential，LFP）的脑机接⼝。图⼁Nature需要注意的是，脑机接⼝⽤于“读⼼”的前提是，⼤脑相关功能区域没有受到损伤。例如脊柱受伤导致瘫痪的病⼈，⼤脑可以正常⽣成使⼿臂运动的命令，但因为信号传播会在脊柱中断，所以⼿臂⽆法响应命令。
如果是⼤脑损伤导致的障碍，脑机接⼝就不适合⽤于“读⼼”，但可以⽤于康复，⽐如通过向⼤脑提供输⼊和反馈，刺激⼤脑恢复⼀些神经功能。想法转⽂字：如何更快更准更⾃然？通过脑机接⼝“读⼼”的研究始于上世纪80年代，主要是为了帮助因中⻛、渐冻症等疾病或意外，丧失说话及打字能⼒，但⼤脑相关功能区完好的⼈群。
1988年，伊利诺伊⼤学厄巴纳-⾹槟分校的Donchin教授团队发表⽂章，分享了⼀种基于字⺟打字的脑机输⼊系统。这个体系把26个英语字⺟和⼀些功能键（如空格、删除、输⼊完成、取消）排列成⼀个6×6的⽅阵。使⽤者将注意⼒放在想打出的字⺟上，电脑依次尝试某个⾏或列是否包含其想使⽤的字⺟。如果选择正确，使⽤者的头⽪上会产⽣⼀个特定的脑电波EEG特征。这样⼀个⼀个字⺟输⼊，全部输⼊完成后再合成语⾳。
排列⽅阵示意｜Khanna et al. 2011但是这种情况下，仅仅打出五个字⺟的单词，想要达到80%准确率需要花20.7秒，达到95%准确率要花26.0秒。⽽正常英语对话每分钟⼤约说160词，相当于每秒说两个词以上。仅凭拼写合成对话，速度⾮常缓慢，实⽤性⾮常有限。另⼀种⽐较成熟的体系是通过想象⼿、⼿臂、脚等身体部位的动作，指引光标向上下左右移动，确认输⼊字⺟。
例如纽约州⽴⼤学的Wolpaw教授团队于2000年发表的⽂章，就分析了想象身体部位运动时的EEG，并指出这些特征可以⽤于脑机接⼝开发。2021年，斯坦福⼤学Francis Willett等研究员发⽂报告，让瘫痪患者试图动⼿写字，通过脑机接⼝读取这些动作指令的不同特征，对应不同的字⺟。
这个⽅法的转化速度能有每分钟90个字符，约合18个英语单词；准确率⾼达94.1%，如果加上⾃动纠错，甚⾄能达到99%。“想象⼿写转⽂字”示意图⼁Erika Woodrum/HHMI/Nature然⽽，⽆论通过意识选择字⺟，还是⽤动作想象输⼊，这些⽅式都在模仿打字⽽不是说话，处理速度太慢、思维⽅式太不⾃然。
AI赋能⼀切，包括想法转⽂字今年8⽉发表于《⾃然》杂志的两篇研究，则分别使⽤侵⼊式的微电极阵列（microelectrode array）和半侵⼊式的ECoG，实现了“想象说话”向⽂字的转化，且正确率达到四分之三左右。为了张⼝说出⼀个字，⼤脑要做出⼤量努⼒，发出⽆数指令，指挥嘴唇、⾆头、喉咙、下颌进⾏复杂的协同⼯作，才能发出正确的声⾳。
⼤脑就像交响乐队的指挥，指令畅通⽆阻，底下的乐队才能奏响动⼈的旋律。⽽许多疾病可能使⼈丧失清晰说话的能⼒。斯坦福⼤学同样以Willett为⾸的团队，在⼀位渐冻⼈症患者Pat Bennett脑部植⼊了微电极阵列。这些电极埋在⼤脑⽪层以下⼏毫⽶，能够精准测量脑电信号。接着，研究者让Bennett试着说各种字句，记录相应的脑电信号，然后⽤这些数据进⾏深度学习。
Pat Bennett在研究中｜Steve Fisch项⽬分析了两个数据集：⼀个⼩数据集只有50个单词，程序只训练这50个单词，测试时也只让程序在这个范围内辨认。训练后的程序正确率达到了91.9%。⽽⼤数据集包括12.5万个单词。经过训练，正确率也有76.2%。处理速度⾼达每分钟62个词，虽然还只是正常说话速度的1/3左右，但已经远胜于之前的研究。另⼀篇⽂章由加州⼤学旧⾦⼭分校的团队发表。
他们的受试者Ann在18年前患脑⼲中⻛后失语。他们在Ann的⼤脑⽪层植⼊电极（ECoG），记录了她试着说249句话（共使⽤1024个词）时的⽪层脑电信号，⽤来训练机器学习模型。这个算法的原理就像ChatGPT，会⼀边识别她的神经信号对应着什么声⾳，⼀边尝试预测后⾯紧跟的⾳节和单词。结果是，正确率为74.5%，平均速度触及了每分钟78词。
Ann通过脑机接⼝“说话”，并⽤数字化身做出快乐、悲伤、惊讶等“表情”｜NOAH BERGER虽然后者使⽤的单词库⼩，数据集⾥只有1024个单词，所以靠“盲猜”正确率也能更⾼⼀些，但是ECoG侵⼊性低于微电极植⼊，因此也有很⼤价值。
虽然两篇⽂章都只使⽤了⼀名受试，针对其脑电“定制”了机器学习模型，但它们证明了脑电转⽂字的概念是可⾏的，⽽且通过记录⼤脑表⾯⼀个⾮常⼩的区域的电活动，就⾜以解码语⾳信息。研究⼈员⽬前还在努⼒开发⽆线版本，如果能够不必被“电线”束缚，患者的⽣活质量必然还会有极⼤的提升。⽽能够造福障碍者的科技，往往也会慢慢向外“溢出”，顺便改善了健康者的⽣活。
也许在不远的将来，我们戴上⼀个头戴⽿机⼀样的设备，只需想象⾃⼰在说话，就可以输出⽂字了呢。