想象一下，你只需一个念头，就能让屏幕上的光标精准落到按钮上，或者你动一下念头，就可以让机械臂把桌上的积木稳稳抓起。过去，这更像科幻小说里的情节，而在现实中，传统的脑机接口（BCI）却略显笨拙：它就像一个“死板的助手”，机械地翻译大脑信号，不仅慢还不够准确。

加州大学洛杉矶分校（UCLA）团队提出了一种新思路：让人工智能（AI）当“副驾驶”，以此开发出一款可穿戴的非侵入式脑机接口系统。有了它，BCI 不再只是被动执行命令，而是能和人类共享操控——你负责做决定，它负责预测、辅助、修正。于是，原本笨拙的助手摇身一变，成了默契的伙伴。

该研究以“Brain–computer interface control with artificial intelligence copilots”为题，发表在《自然机器智能》(Nature Machine Intelligence) 杂志上，表明该接口在非侵入式脑机接口 (BCI) 系统中展现出全新的性能水平。这有望催生一系列技术，帮助肢体功能受限的人士（例如瘫痪或神经系统疾病患者）更轻松、更精准地处理和移动物体。

在 AI-BCI 中，"AI 副驾驶(AI copilots)"使用任务信息来提高 BCI 性能

该团队开发了定制算法来解码脑电图 (EEG)（一种记录脑电活动的方法），并提取反映运动意图的信号。他们将解码后的信号与基于摄像头的人工智能平台配对，该平台可以实时解读用户的方向和意图。该系统使用户能够以比没有 AI 辅助时更快的速度完成任务。

该团队提出了一种全新的脑电图（EEG）信号解码方法。具体来说，他们利用卷积神经网络（CNN）来提取复杂的非线性特征，并将这些特征输入到卡尔曼滤波器（KF）中，用来预测和修正用户的运动意图。这一设计与常见的 ReFIT-KF 方法类似，但加入了在线闭环自适应机制（CLDA），使系统能够在使用过程中不断优化解码效果。

用于centre-out 8 和机械臂任务的 CNN-KF 和 AI-BCI 解码框架

为了验证这一架构的稳定性与实用性，研究人员在多天实验中对其性能进行了系统评估。在此基础上，他们展示了两类基于 AI 副驾驶的应用：

在光标控制任务中，参与者被指示移动计算机屏幕上的光标以击中八个目标，并将光标在每个目标上停留至少半秒钟。

实验结果显示，光标控制系统显著提高了任务效率：健康参与者的平均目标获取速率提升了 2.1 倍，瘫痪参与者提升了 3.9 倍。

在第二项挑战中，参与者被要求启动机械臂，将桌子上的四个积木从其原始位置移动到指定位置。

该研究的负责人、加州大学洛杉矶分校萨缪尔利工程学院电气与计算机工程副教授乔纳森·高 (Jonathan Kao) 表示：“通过使用人工智能来补充脑机接口系统，我们的目标是找到风险更低、侵入性更小的途径。最终，我们希望开发能够提供共享自主权的人工智能脑机接口系统，让患有运动障碍（例如瘫痪或肌萎缩性脊髓侧索硬化症 (ALS)）的人能够重新获得一些日常任务的独立性。”

在人工智能的协助下，所有参与者完成这两项任务的速度都显著加快。值得注意的是，瘫痪的参与者在人工智能的协助下大约六分半钟完成了机械臂任务，而没有人工智能的协助，他则无法完成这项任务。

脑机接口能够解码编码参与者预期动作的脑电信号。这款定制的人工智能利用计算机视觉系统推断用户的意图（而非眼球运动），从而引导光标并定位积木。

AI-BCI 系统的下一步发展方向可能包括开发更先进的副驾驶系统，使其能够以更快的速度和更精确的方式移动机械臂，并提供灵巧的触觉，以适应用户想要抓取的物体。