陳根：如果只追求成功率，腦機接口終將背離醫學

文/陳根

在2025年，腦機接口（BCI）驅動的動力假肢和機械臂控制，已成為癱瘓康復的里程碑。然而，深入其底層邏輯會發現，我們目前實現的并非“意念與機械的無縫融合”，而是一場充滿了預測、腦補與妥協的“信號博弈”。

也就是說，當前我們所看到的臨床表現，比如患者控制機械臂時，其實這行為背后隱藏著深刻的物理、算力與認知危機。我們可以從下面的分析中，對這個問題進行更深入的思考。

一、 信號采集的“盲人摸象”：物理層面的不確定性

患者想要移動手臂的“意識”，在轉化為機械動作前，首先受阻于信號采集的極低精度。這個問題不論我們是否談論與重視，目前就是現實存在的問題，最現實的挑戰就來自于以下兩方面：

1、采樣空間的稀疏性： 運動皮層擁有數億個神經元，但目前主流的植入式電極陣列（如Utah陣列）僅能捕捉幾百個通道。這相當于試圖通過觀察海面上幾個浪花的跳動，來推斷整片海洋的海流方向。這種采樣極度欠擬合導致復雜的精細動作（如系鞋帶、旋轉鑰匙）幾乎無法從原始信號中直接還原。

2、生物信號的“噪聲污染”： 神經元放電（Spikes）混雜在巨大的背景噪聲（LFP）中。呼吸、心跳、甚至電極在腦組織中的微小位移，都會改變信號的波形。這種不穩定的物理源頭，使得信號從采集端開始就是殘缺且失真的。

二、 AI編譯的“臆斷”：代理意圖取代了真實意識

這是目前BCI技術最核心的矛盾：機械臂表現出的“靈巧”，很大程度上是人工智能的“猜測”，而非患者的“指令”。可以說，基于腦機接口的意念控制背后，其實是AI的參與，比如：

1、AI的預測性補全（Predictive Completion）：

由于原始神經信號不足以支撐平滑的運動軌跡，AI算法會引入“運動學先驗”。當AI檢測到患者有“向左前方移動”的微弱意念時，它會自動生成一條平滑的拋物線軌跡。這意味著，機械臂的運動細節是由算法優化的結果，患者只給出了起始沖動，AI補全了過程。

2、“共享控制”背后的主權稀釋：

為了提高抓取成功率，現代機械臂通常集成視覺傳感器和自主避障算法。當機械臂“自動”對準杯子時，這種操作實際上是機械臂的自主意識劫持了患者的控制權。長此以往，患者會感到自己不再是肢體的主人，而只是一個發出“確認”信號的審批員。

三、 認知的斷裂：本體感覺的“荒漠化”與虛假反饋

真正的肢體控制依賴于“本體感覺”（Proprioception）——你不需要看，就知道手在哪。但是腦機接口技術所控制的機械臂并不是這種機制，更多的是依賴于患者的視覺反饋，這就會導致以下問題的出現：

1、視覺依賴陷阱： 癱瘓患者控制機械臂主要依賴視覺反饋。這種“盯著手看”的控制模式極度消耗認知資源，極易導致精神疲勞。

2、反饋信號的異化： 即使通過閉環電刺激模擬觸覺，那種由電流誘發的“刺痛感”或“震動感”也與真實皮膚的溫潤觸感完全不同。這種感知錯位會導致大腦皮層功能區的異化，甚至誘發幻肢痛或人格解體感。

四、 接下來重點關注并急需解決的核心問題

要實現真正的“意識主權”回歸和精準控制，進入2026年，面對腦機接口不斷的進入臨床，我們的研究必須攻克以下堡壘：

1. 突破“信噪比”：開發柔性、高密度電極

研究重點： 告別剛性金屬針，轉向模仿腦組織物理性質的“神經絲”（Neural Lace）或導電水凝膠，以實現數萬個通道的長期、穩定采集，減少免疫排斥引發的信號衰減。

2. 從“生成式AI”轉向“信托AI（Fiduciary AI）”

研究重點： 改變AI“越權腦補”的現狀。開發能夠區分“患者原始指令”與“算法優化建議”的架構。AI應以透明度為核心，在補全軌跡前獲得神經層面的“預確認”，確保每一個微小動作都溯源于患者意志。

3. 神經重建：建立多模態本體感覺閉環

研究重點： 重點研發將機械臂末端的壓力、溫度、位置信息轉化為類生物神經編碼并回傳至感覺皮層。目標是讓患者產生“這只機械臂就是我肉體一部分”的幻覺，即實現“具身化”的深度融合。

4. 意識主權評估體系的建立

研究重點： 建立量化的“代理感（Sense of Agency）”監測指標。在康復訓練中，通過腦電分析實時評估患者對機械臂的控制感，防止AI過度介入導致的認知退化。

最后，腦機接口幫助癱瘓患者不僅僅是為了讓他們“能動”，或者是臨床實驗上的能控制的成功，更是要為了讓患者能夠找回“我在動”的尊嚴，不被誤讀，不增加額外的注意力負擔。因此，進入2026年之后，我們所面臨的挑戰，是如何在提升機械性能的同時，將控制權從算力的獨裁中奪回，歸還給那個在寂靜中沉思的靈魂，如何能夠更有效的編譯出患者的意圖。