图 | 实验范式和硬件组件（来源：Journal of Neural Engineering）
在一个实验中，德州大学西南医学院的神经外科医生 Jonathan Cheng 为一位经桡骨截肢患者植入了四个纵向束状内电极阵列，其中两个位于正中神经，另外两个位于尺神经。这样的设计和手术方案是为了能更好的，有区别性的采集和调控神经电图中的运动控制信号和本体感受信号。虎山论坛
为验证人脑对假肢的控制效果，该团队采用镜像双边训练法，即要求患者用能动的手执行各种手势，同时让患者脑中想象让受伤的手也执行相同的动作。受伤的手的神经电图是从微电极上获取，而健全的手的运动会被数据手套捕获。
基于深度学习的 AI 模型则负责处理这些数据，包括预处理程序和神经电图解码。在这项工作中，解码有离线和在线两种模式，分别用于测量系统带宽和评估实际神经解码结果。
研究发现，该平台能从神经系统中获取大量的信息，且带宽超乎想象，以至于能让残疾人用自由意志来控制假肢。并且，该平台还支持双向交流，除了可以读取人脑的信号以外，还可以通过精密的微电刺激向神经系统写入信号，从而让残疾人对机械手产生接近自然的感觉。目前残疾人能够执行高达 15 自由度（DOF）的动作，包括五个手指的弯曲 / 伸展和外展 / 内收运动，实现灵巧地控制机械手。
杨知表示，目前市场上的绝大部分脑机接口都是无创的，在皮肤以外或者贴着皮肤。但就像隔着墙壁拍照一样，哪怕用红外照相机也很难拍清楚，通过无创的方法很难拿到高质量的电脑信号。虎山论坛
这些无创的脑机接口分两类。一类是基于脑信号，提前设定几个选项，再由脑信号来激活其中的某个选项。所以目前基于脑信号的假肢只能执行有限的动作，达到 3-4 个自由度。
另一类在严格意义上并不是基于脑信号。例如 Facebook 收购的 CTRL-labs 其实是基于体表肌电信号（EMG）。还有其他也声称是脑机接口的产品其实是基于眼球、舌头及身体各部位的移动。
杨知认为，不管是哪一类，只要是基于无创的，获取的信号质量就会受到限制，性能也就必然受到影响，因此都无法做到像他们的技术一样，能让残疾人用自由意志来控制假肢。
当然，还有一大类植入式的脑机接口，比较知名的就是马斯克去年宣布的 Neuralink。这需要在人脑中植入电极和芯片，做一个相当有风险的开颅手术。
“但马斯克是钢铁侠，他不 Care 这些所谓的风险和可能的感染。我自己也在做这方面的研究，所以我很清楚他们的技术目前还有很多无法解决的问题和挑战。也是因为这一点，他们现在只推进到动物实验阶段，离长期的人体试验和拿到有效的实验数据还有一段路。” 杨知说道。
相比而言，杨知团队所推出的平台能与神经系统做对接，而且其有效性和安全性已被人体试验验证。杨知强调称，“完成人体试验并获取大量有说服力的数据，是我们技术最大的优势之一。”
其次，他们的植入方式风险小很多。他们采用的方式是向手臂植入电极，属于微创手术，所以病人当天或者第二天就可以出院。
杨知告诉 DeepTech，早在 2004 年，他就开始做神经芯片方面的研究，并在当时参与过人造视网膜的项目，即在盲人眼球里植入芯片电极，让他们恢复部分视力。这一经历让他对植入式系统有了大概的了解。
毕业后，他从 0 开始组建自己的团队与神经电子实验室。最初 5 年在做脑机界面和植入式神经电子学研究，后又耗时 5 年走通各种临床道路。在此期间，杨知于 2019 年 7 月 8 日在美国得克萨斯州成立了初创公司 Fasikl Inc.，致力于开发神经 AI 技术，推动先进的脑机通信技术的商业化落地。
“从开始到现在，我们耗费了大概 10 余年时间，才从科研走到应用以及创新创业。” 杨知感慨道。
回顾这一路求学和科研之路，他坦言，自己非常幸运能遇到一位知识广博且要求近乎苛刻的导师。一直以来，其导师秉持着 “不应该以文章为导向做研究，而且一定要选择自己真正感兴趣的有意义的课题” 的信条，这让他真正学会了如何做科研，并开始重新审视个人价值观。
受到恩师的影响，杨知开始慢慢从青年时代看重基础性研究，转到后来的 “更看重研究的影响力”， 最关心的问题也变成了这项研究究竟能否为社会带来好处，否则就没有现实意义。
因此，他们的团队十分注重病患对其设计的假肢的使用感受。一位常年佩戴商业假肢的患者曾对他说：“有了你们的技术，我可以回归自然的手部动作，这太棒了。” 这对团队来说就是前行道路上最大的鼓励。
为了让每一个研究进展都有的放矢，真正贴合病患们的实际需求，他们曾询问大家，“你觉得我们研发的脑机接口技术未来最大的应用前景是什么？”
其中一位病患的回答给他们留下了深刻印象：
“我觉得会是电脑游戏，这种接口也许不只能让残疾人，还能让健全的人实现‘用意念打游戏’，完全不需要动手就能隔空玩转《孤岛惊魂》”。
“真的会有健全的人愿意为了打游戏而去做一个微创手术，往身体里植入电极吗？”虎山论坛
“当然，你不知道用意念就能控制游戏中的角色，这对玩家来说有多酷！如果你们能够把这个技术做得更好，结果如何，who knows？”
病患的话让人惊诧，同时也让杨知得以从全新的视角审视这一研究的意义与应用前景。
因此，未来他将分两步继续推进这项研究工作，第一是继续做研究，把现有框架进一步开发成在线范例，做到实时解码神经数据，更加灵活地控制假肢。并努力优化平台的各部分组件，使其无缝地协同工作，让处理延迟最小化。第二则是大力推动产业化与实际应用，并进行大规模的临床实验，让这项技术得到充分利用，最大程度普惠大众。
