美国耶鲁大学研究团队日前宣布，他们成功开发出一套全新的脑机接口（BCI）系统，只需依靠用户的大脑活动，就能实时操控视频游戏中的虚拟角色，无需任何传统手柄或控制器。 研究人员表示，这一系统通过“顺应”人脑固有的神经活动结构，实现了极少训练时间内的快速上手，有望重塑医疗康复、心理健康干预以及人机交互等多个领域。

这项研究采用功能性磁共振成像（fMRI）对受试者的大脑活动进行实时监测，并将这些信号转换为游戏指令。 研究结果近日发表在《自然·神经科学》（Nature Neuroscience）期刊上。 团队发现，当脑机接口的设计贴合大脑既有的神经通路和活动模式时，用户能明显更快地学会用“意念”控制系统，而大脑本身的活动也会随之进行适应性重组。

论文第一作者、刚在耶鲁完成博士学业的Erica Busch指出，大脑活动并非杂乱无章，而是沿着既定的“神经流形”（neural manifold）运作。 当脑机接口顺应这种天然结构时，学习负担大大降低，用户能在短时间内获得稳定控制能力；相反，如果系统要求大脑产生不自然的活动模式，学习效果几乎不会出现实质性提升。

脑机接口是一种让人类通过脑活动直接与计算机交互的技术，人类相关研究已持续多年，但许多系统的实用性和学习效率仍然有限。 以往基于实时fMRI的脑机接口，通常需要多达十次、每次时间较长的训练，表现提升却十分有限，大约三分之一的参与者无论怎么练习都无法学会有效控制系统。 Busch团队认为，这在很大程度上源于传统系统的设计方式：它们往往忽略了大脑固有的组织结构，强迫用户“逆着大脑的自然习惯”去学习。

为验证“顺应大脑几何结构”的设想，研究团队招募了一批健康青年受试者，安排他们参加四次fMRI实验。 在首轮实验中，参与者使用实体摇杆，在扫描仪内操控一个虚拟角色在场景中移动，同时研究人员记录其大脑活动。 团队重点关注与导航、空间运动相关的脑区，随后引入此前研究开发的一种算法“T-PHATE”，用于提取每一位参与者的个体化“神经流形”，即其大脑活动的自然结构轨迹。

基于这一“脑活动地图”，研究人员为每名受试者构建了三套不同的“脑控—游戏映射”系统。 第一套为“直观映射”，对接的是大脑中最强、最自然的活动模式；第二套为“流形内扰动”，依然依托大脑固有结构，但转向相对次要的活动模式；第三套则是“流形外扰动”，要求大脑产生其平时基本不会自然生成的活动模式。 换言之，这三种系统分别代表“顺势而为”“勉强顺势”和“完全逆势”三种不同设计思路。

在随后的三次实验中，研究团队搭建了一个闭环系统，每两秒采集一次新的脑扫描数据，并立即将这些信息转换为虚拟角色的移动指令。 参与者仅依靠“想法”来尝试控制游戏，每次实验对应一种映射方式。 结果显示，当脑机接口遵循大脑自然流形时，受试者通常在不到一小时内就能学会相对熟练地操控角色，有些人甚至明显更快；而在“流形外扰动”条件下，在同样时长内几乎无人能真正掌握控制。

行为表现之外，大脑自身也表现出显著适应性变化。 随着参与者逐渐掌握“意念操控”，相关脑区的活动模式会重新组织，以更好匹配系统的需求。 在部分条件下，这种重组程度与参与者的操作水平高度相关；同时，这种变化并不限于最初锁定的导航脑区，而是向更广泛的神经网络扩散。 研究者据此认为，“神经流形”既是学习的约束，也是机会——它决定了人能学会什么、能学多快。

这一发现也为理解人类技能学习提供了新的视角。 研究团队指出，某些技能之所以相对容易掌握，可能不仅仅取决于个人努力或天赋，还与任务本身是否“顺应”大脑现有结构密切相关。 对那些与大脑天然模式高度吻合的任务，人类往往学习迅速；而若任务设计与这些模式严重背离，再多训练也可能收效甚微。

在应用层面，这项研究的潜在影响远超实验室范畴。 在心理健康领域，研究人员认为，诸如抑郁、焦虑等疾病的干预手段，若能沿着大脑既有活动模式“循序渐进”地调整，而不是试图彻底重塑大脑回路，可能会更为有效。 对于存在运动或沟通障碍的患者，这种顺应脑结构的设计理念也有望催生更稳定可靠的非侵入式脑机接口，让他们更自然地通过脑信号操控外部设备。

更广泛来看，这种方法也有望被用于提升健康人群的认知能力。 通过围绕大脑自然组织结构来设计训练方案，人们或许能够更高效地学习新技能、优化注意力与记忆表现。 正如Busch所言，人类在教育、训练与治疗上投入了大量资源，希望成为“更好的自己”，而真正理解自身大脑的结构，可能是大幅提高这一过程效率的关键。

该研究由Erica L. Busch、E. Chandra Fincke、Guillaume Lajoie、Smita Krishnaswamy和Nicholas B. Turk-Browne等人共同完成，论文题为《通过流形几何实现人类对非侵入式脑机接口的学习》（Human learning of noninvasive brain–computer interfaces via manifold geometry）。 研究获得了美国国家科学基金会、加拿大高等研究院、斯隆基金会以及美国卫生与公众服务部所属机构等多方资助。