有一个正在加速到来的未来场景：你可以直接用意念操控日常电子设备。在某种程度上，这一愿景已经开始实现，这要归功于神经接口——一类专门与人体神经系统进行信息交换的工程设备。
从消费级可穿戴设备到临床植入装置，由神经接口驱动的电子产品正逐步进入市场和医疗实践，展现出增强甚至恢复人类能力的巨大潜力。
从头带到植入：神经接口的多种形态
目前已有多种类型的神经接口投入使用：
- 脑电图（EEG）头带：如 Muse 和 Neurosity Crown，被用于帮助用户提升专注力和精神状态调节。
- 肌电图（EMG）腕带：如 Meta Neural Band 和适用于 Apple Watch 的 Mudra Band，通过捕捉细微的手指动作，实现对电子设备的免提控制。
- 植入式神经接口：例如 Synchron 的 Stenrode 和 Neuralink 的 Telepathy 芯片，使瘫痪患者能够利用神经冲动操控电脑、数字设备甚至机器人肢体。
这些进展表明，神经接口在辅助和恢复感觉运动功能方面具有巨大应用前景。
个体差异带来的核心难题
尽管技术发展迅速，要让神经接口真正广泛、稳定地服务更多人，仍有不少关键问题需要解决。其中最重要的一点是：
神经接口必须在一定程度上针对每一位用户进行个性化设计，因为没有两个人的大脑和身体是完全相同的。
要让接口的控制方式适配每个用户独特的神经系统，才能更好地保证预期效果和可靠性能。考虑到人类神经系统的巨大差异性，以及在真实环境中大规模部署这类技术的需求，这对科学家和工程师来说是一个相当严峻的挑战。
为此，华盛顿大学电子与计算机工程系教授 Amy Orsborn 和 Sam Burden 正在合作，为能够“学习并适应个体用户”的神经接口设计提供理论和工程基础。
用博弈论重构神经接口设计思路
在最近发表在《自然机器智能》（Nature Machine Intelligence）上的论文中，Orsborn、Burden 及其团队提出了一个基于博弈论的神经接口设计计算框架。
博弈论是一门研究理性决策者之间战略互动的数学学科。在这项工作中，“决策者”指的是人类用户和嵌入在神经接口中的自适应算法。这里的“博弈”并非对抗，而是合作：
- 用户和神经接口算法在交互过程中不断调整各自策略；
- 双方在持续“互相学习”的过程中，逐步提升整体性能。
Orsborn 指出，这项研究很可能是首次系统性地将博弈论（以及在较小程度上控制理论）引入神经工程领域的工作之一，也是少数尝试用这类计算与数学框架来指导神经接口设计的研究。
研究团队与跨学科背景
Orsborn 是神经工程领域的知名学者，长期致力于工程与神经科学交叉研究，开发用于恢复和康复人类感觉运动功能的治疗性神经接口。她是华盛顿大学电子与计算机工程系及生物工程系的 Cherng Jia 和 Elizabeth Yun Hwang 讲席教授，同时是华盛顿大学神经技术中心成员，并担任 Meta Reality Labs 科学顾问。
Burden 是华盛顿大学电子与计算机工程系副教授，主要研究人类感觉运动控制的基本原理，并将其形式化，研究方向涵盖机器人、神经工程和人机交互。
Burden 表示，他们的核心设想是：
博弈论可以作为预测用户与神经接口交互结果的合适计算框架，并帮助将这些结果引导至更优的终态和性能水平。
例如，在康复场景中，可以据此设计一种神经接口，诱发原本难以主动调动或训练的运动或肌肉活动，从而辅助康复训练。
Orsborn 和 Burden 认为，构建神经接口设计的数学与计算框架是一项长期工程，他们预计未来数年将持续推进这项研究，并吸纳更多华盛顿大学电子与计算机工程系的教师参与合作。
本次研究团队由多学科背景的华盛顿大学研究生和本科生组成。论文第一作者是电子与计算机工程系校友 Maneeshika Madduri（电子与计算机工程博士，2024 年），她在研究期间为博士生。共同作者包括电子工程博士 Momona Yamagami（2022 年毕业，研究期间为博士生）、生物工程博士生 Si Jia Li，以及神经科学专业本科生 Sasha Burckhardt（2023 年毕业，研究期间为本科生）。Orsborn 和 Burden 作为资深作者，负责整体研究思路和实验指导。
从理论走向实验：闭环共适应验证
这项工作的另一大特点，是不仅提出了理论框架，还通过实验对其进行了展示和验证。
在实验中，参与者需要通过前臂肌肉收缩来控制屏幕上的光标，使其跟踪移动目标：
- 参与者在前臂皮肤表面佩戴一条肌电图电极带，并用胶带固定；
- 电极记录前臂肌肉活动，将信号传输到数据处理器和自适应算法解码器；
- 解码器根据肌电信号输出光标速度，系统再据此更新光标在屏幕上的位置；
- 肌电图电极带、数据处理器和算法解码器共同构成完整的神经接口。
整个过程构成一个闭环系统：
- 参与者看到屏幕上的光标和目标位置；
- 视觉信息被大脑处理，转化为神经信号传向手臂；
- 神经信号引发肌肉收缩，产生前臂运动神经元的电活动；
- 电极捕捉这些信号并传送给数据处理器和自适应解码器；
- 解码器更新光标位置，新的视觉反馈再次进入大脑，形成闭环。
这个神经接口被称为共适应系统，因为：
- 参与者在学习如何更有效地控制光标；
- 接口中的算法也在根据用户行为不断调整解码策略；
- 双方共同适应，协作完成任务并优化表现。
实验结果验证了团队提出的闭环共适应神经接口计算框架：
- 研究人员能够预测算法调整对接口整体性能的影响；
- 也能分析接口自身的不同属性如何塑造或引导用户行为，使其朝着更优性能或预期目标发展。
Orsborn 表示，在此之前，工程师几乎没有系统化的方法来设计共适应神经接口，设计往往是零散和经验驱动的。而现在，如果工程师预期用户和接口都会在使用过程中学习和改变，就可以利用这一框架来规划和设计系统。
面向未来：更多算法、更智能的闭环
接下来，Orsborn 和 Burden 计划在现有计算框架基础上，进一步测试更多机器学习和人工智能算法，观察它们在神经接口设计情境下能产生哪些不同且可量化的效果。他们也在讨论如何将人工智能更深度地嵌入闭环系统中，以实现对用户体验更智能、更细致的个性化定制。
华盛顿大学电子与计算机工程系有多位教师从事神经工程研究，Orsborn 和 Burden 希望将这套数学与计算框架推广到更多合作项目中。
目前，Burden 正与电子与计算机工程系教授 Lillian Ratliff、Kim Ingraham 和 Yiyue Luo 合作，基于这些框架开展外骨骼和可穿戴技术相关研究。Orsborn 则期待进一步加强与电子与计算机工程系副教授、兼任应用数学职务的 Eli Shlizerman 的合作，他们正在共同研究使用神经接口时大脑变化的建模问题。
两位研究者都对这一方向的未来充满期待，希望通过跨学科合作不断拓展研究边界。
Orsborn 表示，她对这项研究打开的新方向非常兴奋，因为这意味着有机会系统性地设计这些系统，以促进人们获得更积极的结果。这些潜在应用领域广泛且几乎尚未被充分探索，既具有实用价值，也为未来研究提供了大量新问题。
Burden 补充说，他们所做的是“以人为本的工程”：
目标不是造出一个设备然后要求用户去适应它，而是打造能够主动适应用户的设备。
在这一愿景下，未来的可穿戴设备和植入式神经接口，将不再只是“工具”，而是能与用户共同学习、共同进化的智能伙伴。
