医疗科技评论 | AI 驱动的脑机接口能否提升人类智能？

星标“医工学人”，第一时间获取医工交叉领域新闻动态~

声明：本文编译自Nature Medicine 新闻专题文章”Can AI-powered brain–computer interfaces boost human intelligence?”

脑机接口（BCI）从大脑收集信息并使用人工智能（AI）工具对其进行解释，但最新的 BCI 正在通过可以训练参与者大脑的 AI 系统来翻转这种信息流。BCI 研究结合了神经生理学、计算神经科学、机器学习、理论神经生物学和神经外科。双向 BCI （其中大部分仍处于临床前研究阶段）可以重塑人类思维并帮助协助完成复杂的脑力任务，但伦理和监管挑战比比皆是。

图 A

来源：Nature Medicine

BCI 生理学家 Aaron Batista 说，在某些特殊情况下，人工智能可能会重塑人类智能，包括需要认知帮助的患者，也可能适用于医疗保健从业者。“这些都是非常前沿的问题，”当被问及这项研究时，Batista 笑着说。“双向接口的圣杯是刺激大脑以创造逼真的感知或在存储新记忆的配置中驱动神经活动的东西。”

我们映像中的机器

可能很少有人比 Yoshua Bengio 更了解 AI。与杰弗里·辛顿（Geoffrey Hinton）和扬·勒昆（Yann LeCun）一起，蒙特利尔大学教授 Bengio 被称为人工智能的“教父”之一，因为他们在将大脑研究与人工智能研究相结合方面取得了成功，并共享了 2018 年上午图灵奖。从那时起，Bengio 的行业合作者包括 Microsoft、Samsung、Google、Meta 和 IBM，他一直在探索大脑研究如何帮助改进和增强 AI。他说，他的追求是“按照我们自己的形象制造机器”。

Bengio 对 AI 如何影响医疗保健特别感兴趣。在 2022 年的一篇论文中，他强调，由于 AI 系统受到提供给它们的数据的限制，即使是刚毕业的医生也很容易超越它们。但随着人工智能研究最近取得突破，Bengio 现在预见到人工智能可能会与世界顶级医疗专业人员的临床敏锐度相媲美。“很有可能总有一天，一些最先进的 AI 将在临床决策方面与最优秀的人类相匹配，”Bengio 说。“没有科学理由认为这是不可能的。”尽管这一发展的时间表仍不确定，但 Bengio 在 2024 年 12 月于温哥华举行的小组讨论中指出，人工智能可能会在短短几年内与人类认知相匹配。

一些医疗保健从业者可能会将 Bengio 的评估视为警告，其他人可能会以承诺的形式欢迎他们。无论哪种方式，Bengio 的观点都值得关注。Bengio 与 LeCun（Meta 人工智能医疗保健研究的联合负责人）以及 Google DeepMind、Blackbird Neuroscience 和其他人工智能公司支持的研究人员一起撰写了文章，最近绘制了“下一代人工智能路线图”，其中脑科学作为一个越来越强大的框架，用于发现如何制作人工智能来复制人类智能和分析的生物效率。

根据 Bengio 的路线图，对神经科学的投资将使 AI 转向模拟自然智能，并将产生与人类认知能力相匹配的 AI 系统，他说这些能力“继承自 5 亿多年的进化——与所有动物共享”。

动物训练

总部位于帕洛阿尔托的 Neuralink 目前正在美国和加拿大对一种完全植入式的无线 BCI 进行临床试验，该试验将使四肢瘫痪患者能够用他们的思想控制外部设备。在最近的一篇论文中，来自谷歌、Neuralink 和西雅图艾伦研究所的研究人员合著，在艾伦研究所经营人工智能研究实验室的劳拉·德里斯科尔（Laura Driscoll）描述了一种人工智能“逆向工程”形式，其中对动物大脑行为和生物学的研究有助于改进在动物研究中集成到脑机接口的人工智能系统。“有些人研究老鼠或果蝇是为了提出不同类型的问题，”Driscoll 解释说，“]这些人工系统，你也可以将其视为生物体的不同模型。

她说，Driscoll 的目标是开发比现有系统“更灵活、更动态更新”的 AI 系统，以创建能够自行计算思考的 AI 系统。“尽管大型语言模型蓬勃发展，人们对他们的技能印象深刻，”她在提到 ChatGPT 和 DeepLink 时说，“但我认为这是一个悬而未决的问题，即 [大型语言模型] 是否除了训练数据之外还吐出了任何东西，这表明没有实际的计算。

Driscoll 认为，可以磨练精心改进的 AI 系统，以将训练信息传递给动物大脑。Driscoll 建议，通过更好地了解研究人员训练动物执行的任务，研究人员可以了解哪些 AI 系统培训课程更适合这些任务。“当你想到大脑时，与僵化的人工系统相比，它是一个灵活、快速的学习系统，”她说。“我们通过对我们训练的人工网络进行逆向工程来执行类似任务，了解大脑中需要学习哪些结构。通过这样做，我们可以为动物设计最佳的 AI 训练方案。目标是指导系统既高效又灵活，能够更快地学习。”

在匹兹堡大学，Aaron Batista 同意可以通过 BCI 来提高学习能力（下图）. Batista 与 Gatsby 计算神经科学部门和伦敦大学学院的研究人员合作，最近提出了一种“通过低维控制进行 BCI 学习”的理论，其中 BCI 的计算机校准任务不仅在 BCI 的机器端“作为构建 BCI 解码器的信息来源”;在人类方面，它们“还充当主题本身的信息来源，即 BCI 学习者的信息来源”。

为了将讨论带回家，Batista 指着一份购物清单，并建议 BCI 可以“将其刻录到短期记忆中，这样如果我们分心，你会记住牛奶、鸡蛋和苹果”，并补充说“那将是双向BCI的圣杯。

图1 双向BCI

政策挑战

政策制定者正在饶有兴趣地观察。在 2024 年 12 月提交给美国国会的 BCI 研究报告中，美国总会计办公室（GAO）估计，到 10 年，全球 BCI 研究投资市场每年将增长约 17-2030%。GAO 指出，2023 年，美国政府为 BCI 研究拨款近 7 亿美元。该报告警告说，“如果没有针对所有 BCI 的统一隐私框架或数据所有权和控制标准，开发和销售 BCI 的公司可能会在未经用户理解或同意的情况下访问敏感的大脑信号数据。此外，开发者和用户之间的协议可能是掠夺性的或不明确的。

GAO 指出，尽管所有植入式和许多可穿戴式医疗 BCI 在被开具处方或广泛使用之前仍处于清除监管基准的过程中，但一些正在开发的 BCI 可能有资格获得FDA的突破性设备地位。该报告还包括“一些有生活经验的人可能会将他们的 BCI 视为他们个人或自我的一部分。例如，一位瘫痪的 BCI 用户使用 BCI 来控制计算机、视频游戏和机械臂，他认为自己是半机械人。有些人可能认为对人格概念的这种改变是不可取的。

慕尼黑 TUM 医学与健康学院 AI 和神经科学伦理学教授、医学伦理学家 Marcello Ienca 同意 BCI 存在一系列伦理问题。他指出，目前，BCI 提出的伦理问题仍然完全属于医学伦理的范畴。“Neuralink 声称他们将在某个时候为普通人群生产神经植入物，”他解释说。“但就目前而言，所有这些考虑主要适用于医学，因为 BCI 医疗设备在人体内部运作很接近。”

尽管 Ienca 表示，BCI 作为 AI 嵌入式医疗保健设备将扩大获得高质量医疗保健的机会，但他也看到了医患关系方面出现的问题。“我们将 AI 嵌入到与人类近距离接触的设备中，无论是脑机接口、其他神经接口，还是可穿戴设备和虚拟现实工具，”他说，“将很难确定我们是做出了某个决定，还是我们有了某个想法，或者 AI 系统做了那个。

Ienca 说，另一个挑战是 AI 工具是否成为最佳护理标准。“我们在医学伦理学中有一个原则，即医生必须始终采用最好的护理标准。如果人工智能的性能优于所有其他工具，那么医生是否有必要使用它？“他问道，”如果是这样，谁将负责人工智能做出的诊断或治疗决策？

尽管 AI“如果真的被证明是最好的护理标准，它可能会在某个时候成为强制性的，”Ienca 反驳道，“但它应该始终是人类医生手中的工具。它永远不应该成为决策者。人类医生应该始终对他们的决定负责。

但 Ienca 警告说，医生控制和代理最终可能不是受到 BCI 技术本身的制约，而是受到拥有这些技术知识产权的公司的约束。

“公司将尽最大努力尝试将责任外包出去，”他警告说，“因为他们不希望 AI 系统对他们的决定负责。所以我担心的是，如果在某个时候，我们制造的人工智能系统由算法负责决策，那么基本上没有人再负责了。

Webster, P. Can AI-powered brain–computer interfaces boost human intelligence?. Nat Med31, 1045–1047 (2025). https://doi.org/10.1038/s41591-025-03641-7