摘要：脑机信息交互技术是建立在脑机接口技术（ brain—computer interface， BCI）上的新型技术。对脑机接口技术进行了定义并简要阐述了其工作原理，从实际应用的角度解释了BCI技术的发展现状以及未来的发展趋势，最后列出了BCI技术存在的弊端和发展所需面对的难题。 
　　关键词：脑机接口技术;人机交互;人工智能;虚拟现实;信息反馈 
　　中图分类号：TP18      文献标识码：A      文章编号：1009-3044（2019）03-0184-02 
　　Abstract： Brain-computer information interaction technology is a new technology based on brain-computer interface （BCI）. The brain-computer interface technology is defined and its working principle is briefly explained. The development status of BCI technology and its future development trend are explained from the perspective of practical application. Finally， the disadvantages and the development problems of BCI technology are listed. 
　　Key words： brain machine interface technology; human interaction; artificial intelligence; Virtual Reality; information feedback 
　　腦机信息交互是指大脑与计算机之间通过非常规信息交互通路进行信息交换的技术。随着计算机技术、数字通讯、电子电路、生物科学、医学等科学技术的发展以及人们对脑科学的探知，上世纪末兴起了一门新的技术——脑机接口技术，简称BCI。 
　　1脑机接口技术定义及工作原理 
　　1.1定义 
　　BCI技术是指大脑不依靠感官神经细胞而直接与计算机等外界事物进行信息交互的技术。
　　1.2工作原理 
　　BCI技术是先对大脑皮层的脑电信号进行收集，然后对该信号进行过滤和加工，通过信号控制及信息反馈机制来完成脑机信息交互的。[1]通过侵入式与非侵入式的方法，采集大脑的脑电信号，然后筛选出特定的脑电波进行放大和滤波处理，加工处理后的脑电信号由设备转换为控制信号从而实现相应功能，最后给予大脑反馈信息。 
　　1.3可行性 
　　大脑是通过神经细胞间突触的传递来接收视觉和听觉等感官信息的，突触的信息传递由眼细胞等感官细胞受外界信息刺激而产生相应的动作电位，由此，计算机可以记录并模拟外界信息产生的特定电磁波从而传递信息来刺激神经细胞接受电信号。 
　　2脑机接口技术分类及应用 
　　2.1分类 
　　2.1.1视觉诱发电位（visual evoked potential，VEP） 
　　视觉诱发电位是由视神经细胞接受视觉信息而产生的诱发电位，它分为瞬态视觉诱发电位（transient visual evoked potential，TVEP）和稳态视觉诱发电位（steady-state visual evoked potential，SSVEP）。目前我国已经开发设计出了基于稳态视觉诱发电位的脑机接口系统以及电话拨号系统。[2] 
　　2.1.2慢皮层电位（slow cortical potential，SCP） 
　　慢皮层电位是大脑皮层电信号中频率最低的电位，具有较大的正负电位差，与大脑皮层兴奋度相关，当大脑皮层处于兴奋状态时，呈现出负电位;当大脑皮层静息时，SCP由负电位向正电位跃迁。因此可用作脑机接口控制信号。 
　　2.1.3事件发生相关电位P300 
　　当某事件发生时，事件相关电位P300将在该事件发生后的300ms左右，处于正向波峰，由此来反映该事件的发生频度。早在1988年，研究者就根据P300电位发明了虚拟打字机，经过不断改进，字符准确率达到了80%以上。 
　　2.1.4 α波、μ节律和β波 
　　与眼睛闭合相关的α波是一种自发的脑电信号，当人们闭眼时，大脑的α波信号增强;睁眼后，α波信号减弱甚至消失，因此可以用作BCI的控制信号。 
　　和运动想象相关的μ节律和β波也可用作脑机接口控制信号，当人们进行运动想象时，μ节律的信号增强;而当人们进行思考时，β波的信号显著增强，β波也可以用来反映大脑活跃程度。[3] 
　　2.2应用 
　　2.2.1新一代人机交互界面 
　　人机交互界面从诞生到现在，一共经历了三个阶段：首先是命令行界面（Command-Line Interface，CLI），然后是目前被广泛使用的图形用户界面（Graphical User Interface，GUI），例如微软操作系统的电脑桌面就是图形用户界面，最后发展成了新一代的自然用户界面（Natural User Interface，NUI）。[4]基于BCI技术的人机交互界面操作效率更高，利用范围更广。BCI技术的发展可以使人们可以通过简单的手势就能操作NUI界面，而NUI界面的普及也将推动教育的普及，由于具有无纸化的性质，信息传递将更加方便快捷，使教学质量有质的飞跃。 
　　2.2.2基于虚拟现实技术的脑机接口
与传统虚拟现实技术不同，BCI技术颠覆性地改变了与虚拟环境（virtual environments，VE） 的交互方式。对视觉障碍或听觉障碍的人来说，VE将使用者周围的声音和景象转换为电信号，通过BCI技术传递到使用者脑中，使其能够“听见”或“看见”。[5]人工耳蜗是迄今为止最成功、临床应用最普及的脑机接口。人工耳蜗是一种电子设备，由处理器将声波转换为经过特殊编码形式的电信号，通过植入在大脑皮层上的电极直接刺激与听力相关的神经细胞让听觉障碍者恢复或者重新建立新的听觉系统。 
　　而由于传递视觉信息的视网膜和相关的中枢神经系统相对更加复杂，使得视觉修复技术仍然处于研究阶段。 
　　2.2.3智能机器人远端控制 
　　随着智能机器人技术的不断发展，人们可以通过BCI技术远程控制机器人用于实际生活，甚至是军事战争。人们可以通过对机器人的思维操控，完成一些高危工作，例如高空作业、深海探究、战争机器乃至地外探索等，在高效完成任务的同时 为人们提供了安全保障。 
　　2.2.4基于脑机接口技术的人工智能算法 
　　人工智能必是未来科技的主力军，人工智能可用于医疗、军事、科技、生活等诸多领域，基于BCI技术的人工智能算法的完善，将为人们提供更为智能的人机交互方式。人工智能技术可以应用于生活中的方方面面，智能家电、汽车的无人驾驶技术等，都将为人们的生活和出行带来便利。 
　　2.2.5无声通信 
　　通过BCI技术可以将人类语言进行数字编码，形成语言数据库，将人们所想的话语转换为文字信息，显示在用户界面当中，进而转换为声波信号进行信息交流，甚至可以直接编码为声波信号与他人进行信息传递。 
　　3脑机接口技术的研究现状及发展趋势 
　　BCI技术起源于20世纪70年代，近年来随着计算机技术、生物科学、电子信息、信息通讯、神经科学等领域的飞速发展，人们对BCI技术的研究也取得了突破性的进展。人们已经可以利用BCI技术在电脑桌面上移动光标，甚至可以输入字符。在军事训练方面也得到了应用，飞行员可以通过BCI模拟器对飞行模拟器进行控制。[6]一些实验室已经可以通过BCI技术从猴和鼠的大脑皮层上记录脑电信号来实现运动控制。实验让猴想象给定的任务动作而不进行任何实际运动便可以操控屏幕上的移动光标，而且还可以控制机械手臂来完成一些简单的任务动作。另外在猫身上进行的研究对视觉信号也完成了一定的解析。 
　　迄今为止，人类已经可以修复一些听觉、视觉等感觉功能。但目前的BCI技术还有待深入研究，BCI也将朝着更贴近于人们生活的方向发展，未来BCI技术甚至可以移植于移动终端，取代智能手机，成为新一代的移动终端，更加方便使用者去使用。 
　　4脑机接口技术未来发展面临的挑战 
　　脑机接口技术发展至今还未成熟，尚处于实验探索的初级阶段。目前，虽然经过大量的实验及研究已经证明了BCI技术的可行性，但同时也体现了BCI技术的不稳定性以及不可靠性。BCI技术最明显的缺点就是信息传递速率非常低，难以满足人们使用该技术的日常需求，大脑与计算机的直接信息交互也无法保障传递信息的安全性、完整性与稳定性，而长期与电子设备之间的接触也难免不会对大脑造成辐射危害。 
　　因此，提高信息的傳递速率，建立稳定信息传递通道，减小设备的电磁辐射是推广BCI技术的关键难题。 
　　5结束语 
　　脑机信息交互技术拥有着无限的可能性，随着BCI技术的不断发展，人们的生活将会变得更加便利，虽然该领域还属于研究摸索的阶段，但是从目前的实验成果来看，脑机信息交互技术将会快速发展并且不断地走向成熟。 
　　参考文献： 
　　[1] 李勃.脑机接口技术研究综述[J].数字通信，2008，40（4）：5-8. 
　　[2] 高诺.脑机接口技术的研究现状及发展趋势[J].机器人技术与应用，2008（4）：16-19. 
　　[3] 刘铁军.基于运动想象的脑机接口关键技术研究[J].中国生物医学工程学报，2014，33（6）：644-651. 
　　[4] 徐振国.新一代人机交互：自然用户界面的现状、类型与教育应用探究[J].远程教育杂志，2018（4）：39-48. 
　　[5] 周忠.虚拟现实增强技术综述[J].中国科学：信息科学，2015，45（2）：157-180. 
　　[6] 孔丽文.基于虚拟现实环境的脑机接口技术研究进展[J].电子测量与仪器学报，2015，29（3）：317-327. 
上一篇：论文发表选题：卷积神经网络在视频跟踪中的应用及发展 下一篇：论文发表选题：基于对抗样本的神经网络安全性问题研究综述