专访清华大学高小榕：实时交互的脑机接口，我们还需等待多久？

在上期新脑论坛中，高小榕老师从脑机接口的基本概念，面向医学应用的脑机接口演变历程及其未来发展趋势为我们做了精彩分享。基于本次论坛内容，“神经现实”团队对高小榕老师进行了专访，与他一同探讨了视觉脑机接口系统的历史与发展、有创脑机接口的障碍以及脑机接口与元宇宙的未来。后续更多精彩专访，还请关注“NeuS”公众号，我们将陆续为您呈现。

专访嘉宾-高小榕：清华大学医学院生物医学工程系教授

1986年获浙江大学学士学位。1989年获北京协和医科大学医学硕士。1992年获清华大学博士学位，之后在清华大学任教，先后担任讲师、副教授、教授、长聘教授。2004年入选清华大学“学术新人奖”。2019年中国心律学杰出贡献奖。中国生物医学工程学会医学神经工程分会候任主委。

从事脑机接口研究20余年，提出并实现了基于稳态诱发电位的脑机接口技术，并引起国内外多方面的重视，该技术表现为传输率高和可识别目标多，成为脑机接口主要范式之一。已发表学术论文百余篇，Google学术学术检索引用次数超13600次，2014年～2021年连续八年入选爱思唯尔中国高引学者榜，微软学术脑机接口领域全球影响力排名第11名。

请简单介绍一下您目前正在从事的研究。

高小榕：脑机接口的研究一直是我主要的研究方向。我们清华大学神经工程实验室做脑电图的研究已有30多年，到1998年真正开始做脑机接口的研究。当时个人计算机（personal computer，PC）非常火热，我们想解决残疾人如何使用个人电脑的问题，于是开始设计基于眼脑协同的鼠标，也就是不用手而只需要用眼和脑电图就可以操控鼠标，这也是我们做脑机接口研究的初衷。

这项研究最终于1999年发表了第一篇文章，2000年开始申请专利，2006年美国专利成功申请下来，此后我们基本上一直在做脑机接口相关的工作。我们主要从事的是视觉脑机接口，使用的技术叫稳态视觉诱发电位的脑机接口技术。

基于脑电稳态诱发响应的控制装置专利信息。

申请/专利号：CN99122161.3

什么是基于稳态诱发电位的脑机接口技术？它的优点有哪些？

高小榕：在从事脑机接口之前我们做过视觉诱发电位的研究，后来就叫脑机接口。当时我们做这个项目时还不知道这个技术叫脑机接口，即使到2006年申请美国专利的时候，也没用BCI（Brain Computer Interface，脑机接口）这个词，因为脑机接口对当时的广大研究者来说，都是很陌生的一个词，我们用“感觉相关的脑电活动”这样一个词来申请的专利，所以即使现在多数做脑机接口研究的人员做专利检索的时候，都查不到我们这个专利。

什么是稳态视觉优化电位呢？如果我们给视觉一个固定频率的刺激，在大脑就能检测到跟频率相关的信号，比如给一个7赫兹的刺激，我们就能在大脑检测出7赫兹、14赫兹、21赫兹这样跟7赫兹相关频率的脑电信号。如果脑电的检测转换为频率分析，一下子降低了信号检测的难度。但是要实现脑机接口，上述7赫兹可以代表一个按键，不同的频率同样可以分别代表不同的按键。当时我们用6个频率分别代表上下左右，其中各有2个频率代表左键和右键，所以用6个频率就可以实现对鼠标的操作，这就是最初的稳态视觉诱发电位脑机接口。

我们从事的稳态视觉诱发电位脑机接口属于无创脑机接口。实际上脑机接口方法有几十种，但最终流行下来的无创主流范式大概只有三个：一是稳态视觉诱发电位SSVEP脑机接口，二是想象运动MI脑机接口，还有一个P300信号的脑机接口。在这三个主流范式里，SSVEP是速度最快、目标数最多、具有响应特点的脑机接口，在传输率上是最快的，这是它的优势。这就是稳态视觉诱发电位脑机接口研究的特点。

您的团队研发了一系列视觉脑机接口系统，为什么选择视觉作为研究BCI的方向？

高小榕：因为我们之前一直做视觉诱发电位的临床方面的研究，所以我们对视觉比较熟悉。此外，人类收到的大部分信息主要还是来自视觉，只有大概10%以上源于听觉和体感。在脑区的功能分布上，大脑枕区是视觉专属的区域，颞区、顶区和前额也都与视觉相关，与视觉功能相关的脑区占大脑85%的区域。所以当我们在大脑中提取信号时，视觉信号会更强，以视觉相关的这些研究可能会更方便。

其次，大脑有选择注意性，所以靠眼动就可以很快切换注意的选择。如果要做听觉或体感，注意的选择切换就会要弱一些。而我们又专门有眼动来负责视觉的注意，所以做视觉时很容易让人专注，提高响应强度。即使眼球不能动的这些人，通过注意力调制的脑机接口，我们都可以把视觉脑机接口检测出来。而且在视觉诱发的时候，无创检测非常容易，信噪比比听觉要高得多。这是为什么选择视觉诱发电位的脑机接口的原因。

目前的BCI最高通讯速率为5bit/s，人类语言交互速率为40bit/s，BCI需要多久才可以达到人类语言交互的速率，甚至超越人类？摩尔定律适用于BCI吗？

高小榕：做脑机接口的时候，我们把大脑模拟成一个信道，信道的输入是我们的意念和想法，输出的是我们对计算机的控制，我们的意念在大脑里产生响应，这些响应被计算机检测出来就可以实现输出，所以它是通讯系统的输出。

脑机接口通讯速率大概是在2005年是第一次被报道出来，美国科学家Wolpaw在2000年的综述里给出了脑机接口的信息传输率（Information Transfer Rate，ITR）公式，到2005年才有第一篇文章给出具体数值，当时报道的传输速率是1-2 bit/min，当时用的单位是bit/min，比现在的bit/s要低60倍。

DOI: 10.1109/TRE.2000.847807

2005年以后，随着技术的逐步进步，通讯速率增长的斜率大概是每10年翻四番，我把这种增长比喻成一个脑机摩尔定律，实际上它也依赖于摩尔定律。我们之所以能有这种增长，是因为计算机处理的速度在增加。随着计算机性能的提高，我们能够检测更低的信号，但脑机接口的增长速度要比计算机的摩尔定律慢，计算机每18个月翻一番，我们大概是三年多才翻一番。

现在脑机接口的传输速度已经达到5 bit/s，如果打英文字符，我们有32个键，32=25，也就是5个bit，假设一秒钟打一次，大概是5bit/s，这个速率大概是手机触屏速度的一半。但这个速度还将继续增长，估计再过20年，应该能够达到语言的通讯速率（40bit/s），这是我期望的交流速度。如果再比这个再快，我们就可以用脑机接口实现比语言更快的交流，这是我们的愿景。

如何解决BCI的两难问题——有创BCI存在感染风险，而无创BCI感知脑电信号的能力太弱？

高小榕：这个问题确实是存在的，可以将它比喻成爬珠峰，爬珠峰有两条路线，一个是南坡，一个是北坡，这是两个完全不同的技术路线，但这两个都有各自的特点和特色。如果以通讯速率来评价我们攀登珠峰的高度的话，实际上无创脑机接口报道的速率比有创接口报道出的速率要高一点。无创技术在大人群、大样本测试出的是每秒5个bit；斯坦福大学报道出的有创方法能够达到大概2~3个bit。

我们常将大脑信号的检测比喻成要听礼堂内讲话，一种方法是把麦克风放进礼堂内，一种方法是在礼堂周围布满麦克风。我们在礼堂外面听不到里面的信息，是因为有墙相隔，如果在墙上打一些洞，把麦克风装在墙洞上，我们也能够听到信息。所以现在我们提出了一个概念叫微创无植入，用微创的办法改造大脑颅骨，这是介于有创和无创之间的道路，它和无创一样都没有植入，依然能够把信息获取出来。

实际上脑机接口要把电极植入大脑里是非常困难的，面临着三座大山。

第一座大山叫物理的山，我们现在都是以硅为核心做处理，硅是世界上最硬的材料，而脑是人体里最软的组织（除去作为液体的血液），这两者的硬度如果用物理上的杨式模量来说的话，相差106~108个量级。我们需要找到一个能够把一根针立在豆腐上的方法。

第二座山叫做生物兼容性。我们把一个物体植入人体组织里，人的免疫系统会发生排斥，从而引起感染的风险。

第三座山是信息的山，将接口植入脑内以后，收到的信息量是非常巨大的，如何将海量的信息解读出来同样是一大难题。

所以，我们面临的问题是怎么翻越这三座大山，用什么办法来翻越，而有创和无创的方法是两个不同的技术路线。

现在还绝对不能说谁优谁劣。由于马斯克选择的是有创的办法，有些人就存在误区，认为有创的办法一定是脑机接口的正确路线。但是我认为无创和有创是两个完全不同的技术思路，都可以实现脑机接口的研究，特别是我们要想在一些功能增强方面，不是给病人植入，而是给正常人实现功能增强，可能无创的办法比有创的办法更被大家所接受。有创BCI和无创BCI两者平行向前发展，不太可能出现谁最终占优取代了另一种的情况。

到现在南坡和北坡这两个技术路线还没有关联，但是我们快爬到珠穆朗玛峰峰顶的时候，南坡和北坡的这两个登山路线可能会出现融合趋势，尽管现在还没有。

您觉得最后站在峰顶的会是哪一种？

高小榕：站在峰顶的一定是以无创为主，它更适用于大人群。如果有两种方法，一个在大脑外面随时可以摘下来，一个是在脑子里面，使用之后不能摘下来，并且这两个的使用性能是一模一样，大家肯定选择在外面的。如果性能差10倍、100倍性能，人家可能都还会选择放在外面，只有出现极大的差异，才可能有这样的动力，将外物植入大脑里。

实际上还存在一些伦理问题。打个比方，把一个手机塞到大脑里，如果想切换供应商或者换手机，我们就无法做到，会存在一些我们无法预测和改变的问题。

目前的BCI都是单向通讯，实现双向脑机通讯的瓶颈是什么？什么时候可以实现双向脑机通讯？

高小榕：最开始应用的脑机接口是写入的，比如电子耳蜗就是一个脑机接口，在听力障碍的人群中，把电信号直接写到大脑里。但现在主要用的是单向读出的方式，是因为会受到伦理的限制。当我们读出东西时，人是主动的，产生的信号对外可控；而写进去的信号是不可控的，如果有黑客或通过其他手段在信息里加入一些声音到电子耳蜗，这就能够控制你能够听到哪些不能听到哪些，这是很危险的。

对于双向脑机接口，我一直说写入型的脑机接口的研究要非常慎重，只有在极其特殊的情况下是需要的。多数情况下只需要人能够主动控制这种读出的脑机接口。在进行写入之前，必须具有可擦除技术，写进去之后能够把它擦除掉，才能够进行写入研究。要先有橡皮，而不是先有铅笔，否则在大脑里进行是有伦理风险的。所以更多的还是受到伦理的限制，从技术角度来说并不是特别难了解。

BCI可以增强人体机能，包括运动功能、感知功能、认知功能等。其中认知功能的增强，它可以超越目前人类的认知吗？会不会达到我们人类无法企及的高度？

高小榕：增强分成两大类，如果将正常人的功能比作100%，而像渐冻症患者、听障人士他们是低于100%，帮他们增强功能，这是医学康复问题，我们可以实现运动功能增强、感知功能增强、认知功能增强等等。但是如果对于已经是100%的正常人，帮他成为在视觉、听觉、智力等方面远超普通人的“超人”，这就会失去社会的公正性，要受到伦理的限制。特别是如果这种技术被少数人垄断，那就更危险了。对100%的普通人，除非在特殊情况下，比如在极端特殊的情况下，在战场上我们想做一个超级战士，能够实现一些特殊的功能，这是可能有局部的应用场合的。但总体来说，应该受到限制。

但所有的功能增强都可以超越人类，这是肯定的。

BCI可以帮助AI打造一个以人为中心的智能体系，这种智能体系对于人的存在形态会产生怎么样的影响？

高小榕：AI的目的是为人服务，这点是大家一定要非常明确的。

中国有句话叫“仁者见仁，智者见智”，常规理解是每个人有自己的不同看法，但用字面含义延伸一下，AI是帮助我们“见智”的事，但是我们“见仁”的事，我一直把它称为价值问题，AI是解决不了的。我们要把人的价值、人的“智”赋予AI，这个系统才是“仁智双全”的系统，否则不具备人道德的仁义性能，这个“智”是危险的。

未来所有的智能系统必须有人能够控制它的开关，或者能够把人的意愿和价值理念传递给它，这个智能系统才能在社会上运行。

是给智能体系加上了道德规范吗？

高小榕：我们都说想把道德规则写入程序里，也就是道德物化，但实际上在人类中间还没有一个完全能够写成条文的道德体系，如果人聪明到能把所有的道德体系都写成条文，就不会有战争和一些不合理的事情了。最终还是需要人来做判断。

您在NeuS新脑论坛中提到了元宇宙概念，元宇宙和BCI都是近期广受关注的话题，它们之间存在什么联系？有人说BCI是元宇宙的终极形态，对此您怎么看？

高小榕：元宇宙的出现是因为我们在技术上实现了近眼显示。

我将显示技术分成三大类，一类叫远身显示，即离我们的身体非常远，跟人的身体没有接触。从露天电影的屏幕再到电视屏幕，这种量级都是远身显示。第二类是近身显示。从远身显示到近身显示、可触显示走了大概几十年。我们现在的屏幕包括电脑屏幕、iPad屏幕、手机屏幕都是近身显示，在我们的视觉手可触及的范围之内。现在又出现了叫近眼显示技术，这又是一个新时代的开始。这项技术能够把显示做到眼前，直接戴在眼睛上就可以呈虚像显示。

上世纪70年代以前都是远身显示，70年代到现在的50年里是近身显示蓬勃发展的时期，近身显示还是基于键盘、鼠标这些可触摸的操作，但是近眼显示技术由于不能在眼睛上进行触碰，如何进行操作、交互是一个很大的问题。现在，在操作过程中唯一能够支持近眼显示的现有技术只有脑机接口，或者眼动的交互模式。

从交互角度来说，元宇宙是需要近眼显示技术的。元宇宙只是近眼显示的一个应用方面，近眼显示技术会比元宇宙的应用范围大得多。

在元宇宙里，我们要集成什么样的技术？我认为是 “四联”技术，元宇宙必须实现“四联”才能够让人家感觉到它的优越性。

第一个联叫互联，即信息必须能够互通。

第二个联叫价联，就是价值连接，在我这里显示好的东西在另外一个人那边也应该显示是好的，才可能实现价值供需平衡，价联的基础技术就是区块链技术。

第三个联叫境联。视觉的境界、听觉的境界、触觉的境界、嗅觉的境界，将人的这些感官连接起来。比如说，两个互联的人，在不知道对方物理空间位置的前提下，在元宇宙里双方见到的大海、海里的鱼应该有相似的特征。这是环境的连接，境联基于VR（Virtual Reality，虚拟现实技术）和AR（Augmented Reality，增强现实技术）技术。

光有了这三个联还不够，还要有灵联，也就是我们的灵魂、思想，能够通过这个技术很快地传递。比如说我高兴了，在你那显示出来的我的数字替身也应该表现出高兴，这种情绪和灵魂的连接能够让对方感觉到。灵联技术的技术基础是脑机接口，但它可能比脑机接口更宽泛一些，它的核心是要从大脑提取信号，把我的喜怒哀乐分析出来传递给你，我想说的话也可以传递给你，这叫灵魂的连接。

这样元宇宙才丰满起来，才是达到让人可以接受的一个状态。所以我认为元宇宙必须具备这“四联”。现在的元宇宙只有三联，就已经碰到了很多的问题，比如如何进行交互、交流。元宇宙最终形态是什么样的现在还很难说，但至少需要这四个点才能够实现元宇宙技术，否则肯定会被抛弃。