AI播客，快速了解本文内容：
注：原文中Copilot被AI播客直译成了“副驾驶”，本文采用意译的方式，避免引起误解，翻译成“辅助系统”。
近日，美国加州大学洛杉矶分校（UCLA）研究团队发表了一项最新研究，开发出一种融合人工智能（AI）辅助系统的非侵入式脑机接口（BCI）系统。该系统通过“共享自主性”理念，让一名脊髓损伤截瘫患者的光标目标命中率提升3.9倍，并首次实现了传统非侵入式脑机接口无法完成的机械臂随机块拾取-放置任务，为瘫痪患者运动功能恢复带来全新临床可能。
在AI-BCI中，AI辅助系统利用任务信息来提升脑机接口的性能 @Nat Mach Intell
“通过使用AI来补充脑机接口系统，我们的目标是找到风险更低、侵入性更小的途径，”该研究的负责人、加州大学洛杉矶分校塞缪里工程学院电气与计算机工程副教授乔纳森·高（Jonathan Kao）说，“最终，我们希望开发出具有共享自主性的人工智能-脑机接口（AI-BCI）系统，让患有运动障碍（如瘫痪或渐冻症）的人在日常任务中重获一定的独立性。”
脑机接口被视为瘫痪患者“重新获得运动能力”的希望——它通过解码大脑神经信号，将其转化为计算机光标、机械臂等设备的控制指令。过去20年，脑机接口技术虽有进步，但临床应用的核心障碍始终未破：传统系统仅依赖神经信号解码，性能难以覆盖操作成本与医疗风险，多数患者仍无法完成精准、稳定的日常任务。
其中问题的关键是，我们每天点击屏幕、抓取水杯等动作，本质都是“目标导向”的，而传统脑机接口只“听”神经信号，却忽略了任务结构、物体位置这些关键信息。如果让AI像“辅助系统”一样推断用户目标并提供辅助，就能突破性能瓶颈。
双重技术突破：从“稳定解码”到“智能辅助”
研究团队的核心创新在于构建了“混合解码架构+专用AI辅助系统”的双重体系，彻底改变了传统脑机接口的控制逻辑。
突破一：CNN-KF解码架构，实现“跨天稳定控制”
要让AI辅助生效，首先需解决神经信号解码的“稳定性”难题。团队开发的CNN-KF混合自适应解码架构，将深度学习的精准性与传统算法的适应性结合：采用EEGNet卷积神经网络（CNN）提取脑电信号（EEG）中的非线性特征，捕捉大脑运动意图；创新引入“类ReFIT卡尔曼滤波器”，将CNN输出作为观测值，通过实时闭环适配（CLDA）更新参数，抵消脑电信号的漂移干扰；另外，通过“去相关闭环训练”，排除眼动等无关信号干扰，确保解码依赖的是大脑感觉运动区域的真实活动。
实验显示，该架构实现了“跨天稳定控制”：3名健康参与者可直接“即插即用”，无需重复校准；截瘫患者S2（T5完全性脊髓损伤，下肢无运动功能）在间隔19天的实验中，仍能保持稳定操作。
突破二：两款AI辅助系统，精准匹配不同任务需求
针对“光标控制”和“机械臂操作”两大核心场景，团队设计了专用AI辅助系统，实现“人机共享控制”：
光标控制辅助系统：基于深度强化学习（PPO算法）训练，通过模拟脑机接口输出数据“提前学习”用户操作模式。它能根据光标轨迹和速度推断目标，通过“电荷场模型”引导光标高效移动——就像“智能导航”一样，实时修正偏差、缩短路径。
机械臂控制辅助系统：结合计算机视觉技术（Grounding DINO目标检测模型），通过摄像头自动识别“待抓取的方块”和“待放置的十字标记”。当机械臂距离目标≤2.54厘米时，辅助系统会自动执行抓取、放置动作，无需用户精细控制。
临床级实验验证：性能实现“跨越式提升”
研究团队在1名截瘫患者（S2）和3名健康参与者身上开展了为期数周的实验，核心成果令人振奋：
光标控制：在经典的“中心-外8目标”基准任务中（需控制光标命中8个外围目标，最小目标直径仅2.3厘米），截瘫患者S2的目标命中率提升3.9倍，完成任务的平均时间大幅缩短，健康参与者的效率也提升2.1倍；关键突破在于“拨号时间”（光标精细调整至目标的时间，截瘫患者的拨号时间从4.15秒骤降至0.05秒，彻底解决了传统脑机接口“难以精准定位”的痛点。
机械臂操作：从“无法完成”到“93%正确率”。在更复杂的机械臂任务中，AI辅助系统展现了“从零到一”的突破：没有AI辅助时，截瘫患者S2完全无法完成“随机拾取方块并放置到指定位置”的基础任务；启用辅助系统后，S2不仅能完成“配对拾取-放置”任务，还能按随机序列完成4个方块的精准操作，最终正确率达93%，平均完成时间约6.5分钟。
@Nat Mach Intell
以上实验的积极结果意味着瘫痪患者未来有望通过该系统自主完成吃饭、喝水等日常动作。
开启脑机接口临床应用新路径
该研究首次证实，“AI辅助系统+共享自主性”可成为提升脑机接口性能的核心方向，其优势不仅在于效率提升，更在于降低了患者的操作门槛——无需高强度训练即可实现精准控制。
对于未来发展，团队提出三大方向：一是优化解码架构的鲁棒性，减少疼痛、感觉异常等因素对信号的干扰；二是开发更智能的AI辅助系统，适应开门、操作家电等更复杂的日常任务；三是将技术拓展至侵入式脑机接口，进一步提升性能上限。
“AI-BCI系统的下一步可能包括开发更先进的辅助系统，使其能以更快的速度和更高的精度操控机械臂，并提供灵活的触感以适应使用者想要抓取的物体，”共同第一作者约翰内斯·李（Johannes Lee）博士表示，“而且加入更大规模的训练数据也有助于人工智能协作完成更复杂的任务，并改进脑电图解码本身。”
科技发展的目标不是让AI“替代”人类，而是成为人类的“伙伴”。这项AI辅助技术让脑机接口从实验室演示向临床实用迈出了关键一步，未来有望让数百万瘫痪患者重获独立生活能力。
*本文主要基于9月1日发表在《Nature Machine Intelligence》的《Brain–computer interface control with artificial intelligence copilots》一文，视频、图片等资料来自原文，内容介绍播客由豆包AI生成；仅用作分享，如有侵权请告知删除。
参考：
https://doi.org/10.1038/s42256-025-01090-y
https://medicalxpress.com/news/2025-09-ai-boosts-noninvasive-brain-interface.html
