开通VIP，畅享免费电子书等14项超值服
首页
好书
留言交流
下载APP
联系客服
2024.08.23江苏
考量与讨论：脑机接口的清晰定义和明确范畴
引言
脑机接口（brain-computerinterface,BCI）是一种变革性的人机交互[1]，具有潜在的医学和非医学应用[2]。BCI是一个前沿热点研究方向，越来越多的团队涉及BCI的研发。
然而，最近几年出现了一些乱象：误导宣传和炒作BCI[3]，甚至把不是BCI的技术系统称为BCI。为什么会出现这种乱象？一种可能的原因是一些人尚没有正确理解BCI，还有一种可能是现有对BCI的定义尚不够清晰，对BCI的范畴尚没有明确的界定。无论是哪一种原因，本文认为需要深入考量与讨论BCI的清晰定义和明确范畴。
BCI的早期研究、术语出现和定义
1938年，神经学家HerbertJasper寄给HansBerger的节日问候信，其中的一幅图是对脑-计算机接口的一个早期描绘，意味着EEG信号也可以用于通信领域，尽管是以一种幻想的方式[5]。
1964年，神经生理学家和机器人学家GreyWalter证明了基于EEG的BCI，其工作标志着这一技术的早期发展阶段[6]。
1969年和1971年，神经科学家EberandFetz和他的同事，在首个基于神经元的BCI中，证明了猴子可以学会采用单个皮层神经元控制仪表指针来获得食物奖励[7-8]。
然而，BCI这一术语是20世纪70年代（1973年）由JacquesVidal首次使用的，他非常广泛地应用这个术语，用来描述任何能够产生关于脑功能详细信息的基于计算机的系统[5]。Vidal研发的BCI系统利用从视觉皮层上方的头皮记录的视觉诱发电位（visualevokedpotential，VEP），确定眼睛注视的方向（视觉注视点），从而确定用户要从哪个方向移动光标[9-10]。该BCI系统满足现今狭义的BCI定义[5]，现在基于VEP的BCI在本质上依然延续这个思想。
在1991年的一份原始研究报告中，BCI被定义为科学术语[11]。自1990年代以来，BCI已明确被定义为大脑与计算机系统之间的直接通信和控制技术。在2000年左右，BCI研究最初仅限于几个孤立的实验室，BCI现在已经成为一个非常活跃和迅速发展的科学领域[5]。
自1973年BCI术语被使用到现在已有50余年，虽然BCI研究界对BCI的定义和范畴存在争议，但是在总体上，对BCI定义和范畴的界定已有较清晰的、被大多数人所接受的共识，并沿用至今。与中枢神经系统（centralnervoussystem，CNS）的自然输出（包括肌肉活动和激素）相比，BCI为CNS提供了既不是神经肌肉也不是激素的新颖输出[12]。2012年正式确定的BCI定义为：BCI是一个记录CNS活动并将其转换为人工输出的系统，可以替代、恢复、增强、补充或改善CNS的自然输出，如表1所示；因此，它改变了CNS与身体其他部位或外部世界的交互方式[5,12-18]。
表1BCI的潜在功效
上述对BCI的定义强调：BCI必须是记录CNS活动并将其转换为新颖的人工输出，强调BCI的目的是用户通过BCI实现与外设直接的通信与控制，强调感觉输入变化的反馈，也特别强调BCI改变了CNS与其外部或内部环境之间原有的自然的交互（输出和输入）方式，这也是任何BCI的一个基本特征。仅仅监测大脑活动而不使用它来修改CNS与其环境之间的交互作用的设备不被视为BCI[12]。除此而外，该定义将BCI置于现代神经科学的理论框架，这个框架的基础是感觉运动假说：假设CNS的整个功能是将感觉输入转化为运动输出[12，19-20]。
然而，随着BCI的快速发展，在此过程中，一些公众/媒体/BCI研发者/BCI制造商/BCI监管者对BCI存在一些不准确或错误的认知与误导性宣传[3]。尤其是，如前言所述，一些人把本质上不属于BCI的系统也声称为BCI，本文认为有必要深入考量和讨论BCI的清晰定义、关键或必不可少的组件和明确范畴。
BCI的清晰定义
在已有BCI定义[5]的基础上，本文给出如下更为清晰的BCI定义。
当用户主动执行特定的心理任务或接收特定的外部刺激时，由特定的传感器技术获取中枢神经系统（用户的大脑）产生的信号，把表征或编码用户意图（特定的心理任务或外部刺激）的脑信号特征直接转化为与以计算机为核心的机器系统交互的通信和控制命令，并把交互的结果在线反馈（包括神经反馈）给用户，以主动调节其心理活动策略，为用户提供新型的人机交互方式，如图1所示。
图1BCI的清晰定义示意图[21]。
在图1中，中枢神经系统产生的脑信号（简称中枢神经信号）的预处理模块、特征提取模块和转换模块通常由以计算机为核心的机器系统实现。特别值得注意的是，普通的机器系统（非计算机的机器系统）难以解析复杂的脑信号，只有功能强大和灵活的计算机能够很好的解码用户意图。可视化的显示（如图形用户界面等）以及在线反馈组件通常也由以计算机为核心的机器系统实现。
本文给出的BCI的清晰定义与已有的定义有什么不同？如表2所示。其中的BCI神经编码将在4.3节描述。
表2本文BCI的清晰定义与已有BCI定义的不同之处
在表2中，BCI范式与神经编码在已有BCI定义中并没有出现或被突出，这容易引起一些BCI研发者和一些公众对BCI的误解，误认为BCI能够“读取”或识别用户的任意意图。然而，BCI仅能以一定精度和可靠性预测由BCI范式和神经编码确定的意图[3]。此外，基于特定的中枢神经信号采集技术的BCI系统性能不同，特别是一些BCI范式和神经编码仅存在于特定的脑信号采集技术。需要注意的是，一些BCI文献把BCI用户与BCI系统分开，但在本文的BCI定义中，明确BCI用户是BCI系统的关键组成部分。然而，在BCI定义中，如果排除了BCI用户，把BCI系统与用户分开，这是不准确的理解，甚至是错误的。
BCI关键或必不可少的组件
中枢神经系统（CNS）包括大脑和脊髓，但是BCI定义中的CNS通常是指大脑（brain），而不包括脊髓（spinalcord）。由以上BCI的清晰定义，BCI中的“大脑”必须是中枢神经系统（用户的大脑），BCI系统中的“计算机”，必须是以计算机为核心的机器系统。换句话说，BCI系统包含两个必不可少的关键部分，一个是产生脑信号（brainsignal）的中枢神经系统（CNS），另一个是分析复杂脑信号的计算机。除了大脑与计算机外，一个完整的BCI系统还包括BCI范式与神经编码、特定的脑信号采集技术和在线反馈。为此，本文明确指出BCI系统包含6个关键或必不可少的组件，如表3所示。
表3BCI关键或必不可少的组件
4.1中枢神经系统（用户的大脑）
在表3中，BCI利用中枢神经系统产生的脑信号作为通信和控制的主要信号源，因此，不以中枢神经系统产生的脑信号作为控制信号源的系统不是BCI。在线BCI系统包含了BCI用户的大脑，以中枢神经系统为研究对象的神经科学是BCI的基石。
为什么中枢神经系统，特别是大脑，是BCI的核心？大脑通过神经元之间的电化学信号传递信息，BCI系统捕捉这些信号，这些信号可能反映了用户移动肢体或选择特定选项等意图。BCI系统解码这些信号，将其转化为计算机或其他设备的指令。用户通过大脑中特定的思维、意图和注意力模式（由BCI范式与神经编码指定）来控制BCI。大脑能够通过训练和适应形成新的神经连接，这种可塑性使得用户能够通过反复训练来改善与BCI的交互性能，增加系统的准确性和效率[26]。这些方面使得大脑成为BCI的核心组件。作为BCI核心的大脑具有复杂性和多样性。BCI系统不仅需要捕捉和解码脑信号，还需要考虑整个神经系统及其与外部环境的交互。
4.2BCI范式
表3中的BCI范式是指在特定的脑成像技术下，由BCI研发者精心选择/设计的一组特定的心理任务或外部刺激，用于表示用户的意图[27]，如图2所示。如果用户要成功操控BCI，必须按照BCI范式主动执行指定的心理任务或选择性接受指定的外部刺激，以实现人机交互，否则难以成功操控BCI。换句话说，BCI不能识别用户的任意意图。
图2BCI系统中的BCI范式。图中也表明了BCI范式与特定的脑功能和脑结构关系示意图[27]。
4.3BCI神经编码
表3中的BCI神经编码是指在特定的BCI范式下，把用户不同的意图“写入”或编码进中枢神经信号中，由具有可分性的脑信号特征表征，这种具有编码意图的脑信号可由特定的脑成像技术检测到，最后可由BCI神经解码算法识别用户意图[27]，如图3所示。
图3BCI神经编码示意图[27]。
尽管CNS中真实的神经编码过程和结果未知，但研发人员可以建立模型以模拟真实的编码过程和结果。当前BCI系统中采用了不同的编码策略，以实现对外部刺激或心理活动的表征[27]，主要的编码策略如表4所示。通过这些编码策略，BCI系统能够从复杂的大脑信号中提取有意义的信息，并将其转化为可以用来控制外部设备或进行通信的指令。
表4BCI系统中主要的编码策略
4.4特定的脑信号采集技术
表5用于BCI的主要脑信号采集技术之间的比较。
4.5以计算机为核心的机器系统
脑-计算机接口这一术语中的计算机已获得BCI研发界的广泛认可和接受。如图1所示，BCI系统包含以计算机为核心的机器系统。为什么强调它包含以计算机为核心的机器系统？如前所述，因为普通的机器系统难以解析复杂的脑信号，即不包含计算机功能的机器难以有效处理和解析中枢神经系统产生的脑信号（如脑电等），不足以实现精确的控制和反馈，也难以向用户呈现BCI范式。与普通的机器系统相比较，计算机具有强大的计算能力（处理速度快、多任务处理和精确度高）和存储能力（大容量存储、快速存取和数据持久性），能够完成解析复杂脑信号等任务。脑与非计算机的机器系统（无计算机功能的机器）接口不属于脑-计算机接口。
非计算机系统（如传统实验设备和手工数据处理方法）在分析脑信号时，面临的主要挑战包括信号获取和质量控制、数据处理能力、复杂信号分析、个体差异处理、多模态数据整合、算法局限以及结果解释等多个方面，如表6所示。
表6非计算机系统在分析脑信号时面临的主要挑战
4.6在线反馈
在线反馈是形成脑机交互的关键，它使BCI成为一个双向闭环系统，通过反馈把通信或控制结果反馈给BCI用户，以便其主动调节心理活动策略或选择合适的外部刺激，获得稳定、准确和适时的性能，如图5所示。需要特别说明的是，在BCI系统中，用户不是被动接受反馈。
图5BCI系统中的反馈示意图[3,12,23-25]。
BCI的明确范畴
根据以上BCI的清晰定义，没有把中枢神经系统产生的脑信号作为交流或控制的主要信号源，没有包含以计算机为核心的机器系统，没有在线反馈，没有实现大脑直接与外部设备交互的系统，不是BCI系统。除此而外，根据已有BCI定义[21]，如果一个人机交互系统未改变CNS与其外部或内部环境之间原有的自然的交互（输出和输入）方式，就不属于BCI。可以利用反向思维明确指出现有哪些系统不是BCI的系统，如表7所示。
表7一些非BCI系统。
5.1没有利用中枢神经系统产生的脑信号与具有计算机功能的机器进行接口或交互的系统不是BCI系统
如前所述，由中枢神经系统产生用于交互的神经信号，由具有计算机功能的硬件和软件采集和分析中枢神经信号，以实现脑与外部设备的直接交互。因此，没有利用中枢神经系统产生的脑信号与具有计算机功能的机器进行接口或交互的系统不是BCI系统。
BCI的一个关键组成部分是计算机，随着信息技术的发展，现在普遍接受以计算机为核心的机器系统作为解码脑信号的系统。因此，没有采用计算机解码脑信号的其它交互系统或接口不被定义为BCI。
5.2仅监测大脑活动而不使用它来修改CNS与其环境之间的交互作用的设备不被视为BCI
如上所述，任何BCI的一个基本特征：它改变了CNS与其外部或内部环境之间的交互作用，通常，这些交互作用包括CNS对环境的运动输出和来自环境的感觉输入[12]。需要特别注意是：已有BCI定义强调输出，强调反馈，强调改变了CNS与其环境之间原有的自然的交互作用。
如前所述，BCI中的一个关键组件是在线反馈，解码脑信号的结果应该通过不同的形式反馈给BCI用户。这种反馈功能可能是利用大脑信号来操作计算机[29]、输入文本[30]，或者控制其他电子设备[31]，或者操纵机器人手臂完成特定任务[32]等。
然而，有许多应用利用大脑信号分析来获取临床诊断的附加信息，并向患者提供报告。这种报告模糊地被认为是一种反馈，误导了BCI的应用。例如，在睡眠期间对脑电信号进行监测，随后提供一个睡眠质量的分析报告，这是一种非常有意义的监测和分析脑信号的应用，而非BCI。对此，在不同学者之间可能存在争议。例如，一些文献把这类系统称为被动式BCI，并认为从环境控制到监测大脑变化是BCI的哥白尼革命[33]。然而，另外一些学者认为仅用于监测和分析脑信号以评估大脑状态变化的应用系统不是BCI系统，这类系统不用于实现用户大脑与外部设备直接的交流和控制。
5.3不以脑信号作为主要的交流或控制信号，而把其他生理信号作为主要信号的“所谓混合BCI系统”不是BCI系统
BCI系统必须以中枢神经系统产生的脑信号为主要的驱动信号，实现脑与机（以计算机为核心的机器或装置）的直接接口（interfacing）或交互（interacting）。这种系统也可以增加人体的其他生理信号（如肌电（electromyogram，EMG）、眼电（electro-oculography，EOG）、心电（electrocardiograph，ECG）或皮电（electrodermalactivity，EDA）等）进行辅助，构成混合BCI系统[34-36]，以提高系统的性能，如图6所示[27]。混合BCI可以采用两种（例如VEP和感觉运动节律（sensorimotorrhythms，SMR）[37]）或两种以上的不同类型的大脑信号产生输出的BCI。需要特别强调的是，混合BCI系统必须以脑信号作为主要的交流或控制信号，其他生理信号作为辅助信号，否则不属于BCI系统。
图6混合BCI示意图[27]。
5.4脑-器官交互系统不属于BCI系统
众多周知，大脑与身体其他器官存在交互作用，这种交互作用通常被称为“脑-器官交互”或“神经-内分泌-免疫（neuro-endocrine-immune，NEI）网络”，特别是在讨论脑与身体如何相互作用的情境中。脑-器官交互涉及大脑通过神经系统、内分泌系统和免疫系统与身体其他部分进行双向通信的过程[38]。这种交互不仅涉及从大脑到器官的信号传递（自顶向下），也包括从器官到大脑的反馈（自底向上）。然而，脑-器官交互系统不属于BCI，是自然的正常的CNS交互。
5.5基于肌电的肌-机接口或交互系统不是BCI系统
基于肌电（EMG）的肌-机接口（muscle-machineinterface，MMI）利用肌肉活动产生的电信号来实现肌与机器的通信或控制。通过传感器检测肌电信号，然后由信号处理算法转换为控制外部设备的命令[39]。这种接口可用于康复工程、辅助设备和人机交互领域，但不属于BCI。
5.6基于眼电或眼动跟踪的眼-机接口或交互系统不是BCI系统
6.1讨论
6.1.1清晰的BCI定义对未来研究和商业应用的影响是什么？
6.1.2BCI的定义和范畴（内涵和外延）将随着科学与技术的发展不断丰富和扩展吗
随着神经科学、认知科学与心理科学、影像医学、生物医学工程、信息技术和人工智能等的快速发展，特别是BCI的发展，BCI的内涵和外延可能会丰富和扩展。尽管如此，BCI的本质仍然保持不变。如果要把一个系统称之为BCI，必须包含必不可少的两个关键部分：脑和具有计算机功能的机器，并且主要利用中枢神经系统产生的脑信号实现二者的直接交互。
6.1.3术语脑-计算机接口（brain-computerinterface，BCI）与脑-机器接口（brain-machineinterface，BMI）有什么差异？
BCI与BMI都简称为脑-机接口，二者有何区别？BCI通常也被称为BMI。虽然BCI和BMI本质上是同义词，但使用外部记录信号（如EEG和fNIRS等）的系统通常被称为BCI，而使用植入传感器记录的信号的系统通常被称为BMI[12]。有研究者认为BCI和BMI在技术实现和应用上有区别，BCI的技术特点是灵活性高，适应性强，但信号噪声大，精度较低，而BMI的技术特点是信号精度高，响应速度快，但需要手术植入，风险较大。BCI系统的例子如基于EEG控制轮椅[18]和基于EEG控制虚拟现实游戏[46]等。BMI系统的例子如在大脑运动皮层植入电极采集信号以控制机械臂[47]等。
此外，有学者偏向采用brain-computerinteraction（BCI）术语，并指出其与brain-computerinterface之间的差别，前者强调双向的“interaction”，而后者强调二者的“interface”。但另外一些学者则认为二者本质上没有区别，“interface”也包含了“interaction”。
6.1.4依赖性BCI与独立BCI有什么区别？内源性BCI和外源性BCI有什么区别？
1）依赖性BCI与独立BCI有什么区别？
依赖性BCI与独立BCI这两个术语是2002年创造的，用于定义对正常（即神经肌肉）CNS输出依赖程度不同的BCI[12,14]。表8比较了依赖性BCI、独立BCI和介于依赖性与独立之间的BCI。表9比较了依赖性BCI和独立BCI面临的主要挑战、益处和案例。
表8依赖性BCI、独立BCI和介于依赖性与独立之间的BCI的比较
表9依赖性BCI和独立BCI面临的主要挑战、益处和案例。
2）内源性和外源性BCI有什么区别？
外源性刺激来自个体外部环境的刺激，如视觉、听觉和触觉刺激等，这些刺激由不同的感觉器官接收，并传递到大脑，由大脑解释和响应，可以影响个体的生理和心理状态。外源性（exogenous）BCI利用大脑对特定外部刺激的反应（如视觉、听觉或触觉刺激）来识别用户的意图或脑状态，并将这些脑信号转化为与外部设备的交互命令。这类BCI主要依赖于被动接收和处理外部刺激所产生的脑信号模式，而不需要用户主动生成脑信号，特别适用于那些无法执行物理动作的用户，如重度肌肉无力或闭锁综合症患者。但这类BCI不适合盲人或无眼动等残障人士。
内源性（endogenous）BCI通过解析用户的自发心理或认知活动（内源性心理活动）诱发的脑信号来生成控制信号，实现与外部设备的通信或控制。与依赖外部刺激的外源性BCI不同，内源性BCI不依赖于外部刺激的响应，完全基于用户内部生成的脑信号，例如思维、想象或意图。内源性BCI适用于行动不便或言语能力受限的用户。外源性和内源性BCI的局限性、优势和应用，如表10所示。
表10外源性和内源性BCI的局限性、优势和应用。
一些人认为外源性BCI不是BCI或真正意义上的BCI，而内源性BCI是真正意义上的BCI。但一些人认为外源性BCI也属于BCI。外源性BCI通常是依赖性BCI，而内源性BCI通常是独立BCI，这两类BCI都具有一定的价值。
6.1.5BCI系统必须有实时反馈吗？BCI用户必须执行特定的心理任务或接受特定的外部刺激吗？
然而，对于闭环BCI系统，必须有反馈调节，反馈是该类系统必需的关键环节。与闭环BCI相比，开环BCI系统实现相对简单，无反馈调节，但难以实现闭环调节，稳定性和准确性难于收敛。
一些人认为如果按照1973年Vidal给出的BCI内涵（用于描述任何能够产生关于脑功能详细信息的基于计算机的系统[10-11]），那么这类监测大脑状态的系统也属于BCI系统，可以归入被动式BCI系统。他们认为被动式BCI系统实现了从环境控制到监测大脑状态的转变，这种转变被称为BCI的哥白尼革命[33]。
在BCI系统中，在线反馈主要用于训练用户控制自己的脑信号以成功的操控BCI。需要注意的是，在线反馈不一定是神经反馈，但通常是神经反馈，如用于脑活动调节的视觉、听觉和触觉反馈等，这些反馈帮助用户实时了解和控制自己的大脑状态，从而提高BCI性能。实时反馈以及几种主要的反馈方法的优缺点，如表11所示。
表11实时反馈以及几种主要的反馈方法的优缺点
6.1.6是否可以将神经调控技术归入BCI技术
一些研究者认为BCI也可以被视为一种通过向CNS注入物理能量（如经颅电刺激（transcranialelectricalstimulation，TES）、经颅磁刺激（transcranialmagneticstimulation，TMS）、经颅聚焦超声刺激（transcranialfocusedultrasoundstimulation，tFUS）或直接脑信号调制）来影响CNS活动和行为表现的系统，从而改变CNS与其外部或内部环境之间的持续互动[86]。这类系统主要由外部设备直接或间接向大脑输入电、磁、声和光等刺激或神经反馈，以调控中枢神经活动。有研究者把这类系统称为以输入为主的输入式BCI，尽管也可以把神经刺激产生的大脑响应输出反馈给刺激装置以调节刺激参数，构成闭环神经调节[87]。与输入式BCI相比，把由大脑直接向外部设备输出通信和控制指令的系统称为以输出为主的输出式BCI（狭义的BCI），尽管这类系统也把结果通过视听觉等反馈形式提供给用户形成闭环以调节其脑活动信号，从而提升脑机交互的性能[88]。
实际上，输出式BCI和输入式BCI均可由在线反馈构成交互式的闭环系统，即交互式BCI，主要看以输出为主还是以输入为主，这取决于所设计BCI的主要功效。也有研究者提出双向闭环BCI，包括从大脑到外设以及从外设到大脑的交互，属于交互式BCI[89-91]。
有研究者认为广义的BCI是指任何大脑与外部设备直接相互作用的系统，包含上述输出式、输入式和交互式BCI。他们认为广义BCI涵盖了各种通过神经刺激和脑信号读取实现的系统，适用于广泛的适应性神经技术，这些技术优化新的交互作用，并诱导中枢神经系统的适应性可塑性[92]。广义BCI提供了更宽泛的研究和应用视角？有研究者认为，BCI的定义如果被泛化，很难确定这对BCI的发展是有利还是不利。相反地，如果将BCI的定义狭义化，同样难以判断这对其发展是否有益。
另外一些研究者认为简单的把神经调控（包括神经刺激）技术归入BCI技术是不准确的。尽管两者有一些共同点[93-94]，如表12所示，但它们之间在主要目的、定义、原理、实现方法、信息流向和应用领域等方面存在较大的差异，如表13所示。
表12BCI和神经调控的一些共同点
表13BCI和神经调控的一些不同点
表13中，神经调控治疗神经系统疾病，如帕金森病、癫痫、慢性疼痛等；恢复神经功能，如帮助恢复感觉、运动或认知功能；调节情绪和认知，如治疗抑郁症、焦虑症等情绪和认知障碍；提高生活质量，如减少疼痛、改善睡眠质量、增强运动控制等。表13中，脑信号采集包括非侵入式（EEG、fNIRS、MEG、fMRI）和侵入式（ECoG、深部脑电极（intracorticalelectrodes））。
有研究者提出，通过电磁线圈产生的电磁场作用于大脑，引起脑神经的调制作用。这是否是交互？如果是这样，那么经颅直流电刺激（transcranialdirectcurrentstimulation，TDCS）也可以称为BCI。需要特别说明的是，尽管BCI与神经调控均涉及脑与机的交互，但有所不同。在BCI系统中，脑与机的交互作用旨在实现用户与外部设备的通信与控制。这种系统依赖于用户的主动参与，通过特定的脑活动模式来控制设备。相比之下，闭环神经调控系统中的脑与机（如刺激装置）交互作用是为了调节用户的神经活动，以治疗或康复某种疾病，而不是为了实现与外部设备的通信与控制。闭环神经调控系统会根据实时监测的神经响应自动调整刺激参数，通常是自动化的，用户在其中的角色是被动接受刺激，而非主动控制设备。
此外，BCI与闭环神经调控系统中的在线反馈在反馈信息的内容、信息流向和作用方面存在不同，如图7所示。在图7（a）中，闭环神经调控系统将神经刺激下的神经响应反馈给神经调控装置，信息流从CNS输出，作用是优化神经刺激参数。而在图7（b）中，BCI将通信和控制的结果反馈给用户，信息流输入CNS，作用是帮助用户调整其心理活动策略。
图7BCI与闭环神经调控的在线反馈比较。（a）闭环神经调控中的在线反馈；（b）BCI中的在线反馈。
如果使用某种BCI技术来产生神经可塑性，那么这可以被视为一种神经调制。例如，神经反馈训练系统能够促进神经可塑性，实质上是一种类型的BCI[113-114]。有研究者认为BCI适用于广泛的适应性神经技术（adaptiveneurotechnologies），适应优化新的交互作用，并往往诱导CNS的适应性可塑性，这也有助于优化交互作用。有些适应性神经技术直接作用于CNS，如深部脑刺激（deepbrainstimulation，DBS）[115]，与BCI形成对比，BCI使CNS能够直接作用于世界。
此外，有研究者利用超声波调节脑活动，以提高BCI训练的性能，这展示了神经调制对BCI的积极作用[116]。这表明一些神经刺激系统（例如，刺激皮层或皮层下感觉区的系统）可能会被纳入未来的BCI系统中，以提高BCI性能[117-118]。
6.1.7脑器交互（brain-apparatusinteraction,BAI）与神经接口（neuralinterface）是BCI吗？
一些学者另辟蹊径，提出新的交互概念，把已经是BCI或不是BCI的概念纳入。例如，有学者提出脑器交互（BAI）术语，将BCI纳入，试图拓展BCI的应用范围，使得大脑与更广泛的设备进行交互，推及到各种器件。然而，一些学者认为脑-计算机-机器系统的信息流本质上仍然是BCI。实际上，基于BCI的脑控技术可以控制各种外部设备，包括各种器件，如图8所示。例如脑控轮椅[119]、脑控机械臂[120]、脑控移动机器人[121]、脑控人形机器人[122]、脑控矫形器[123]、脑控智能家居[124]、脑控拼写器[125]、脑控假肢[126]、脑控光标（一维、二维或三维）[127]、脑控无人机[128]、脑控车辆[129]、脑控辅助设备和康复设备[130]等。
图8基于BCI的脑控技术可以控制各种外部设备，包括各种器件。
如果BAI系统中没有计算机，它可能难以分析复杂的脑信号，从而难以实现与多种器件的交互。然而，一些人认为BAI术语拓展了BCI的边界，有自己的研究内容和研究方法。还有人认为简单的BAI不是BCI。不同的人有不同的观点，BAI术语可能带来定义和范畴上的模糊性。
此外，神经接口是在生物神经系统与外部设备（计算机或其他电子设备）之间建立直接的数据连接，这种连接实现了双向的数据传输[131]。神经接口包含BCI吗？BCI是神经接口的一种类型吗？神经接口的范畴比BCI的更大吗？对这些问题，不同的学者有不同的观点，一些学者认为神经接口包含BCI，BCI是神经接口的一种形式，但并不是所有的神经接口都是BCI，神经接口的范畴远远超出了BCI的范畴，还包括其他类型的接口，如神经肌肉接口（neuro-muscularinterfaces）和神经感觉接口（neuro-sensoryinterfaces）等，这些接口涉及到不同类型的神经系统信号和处理方式。然而，一些学者认为神经接口与BCI是两种不同的接口，神经接口旨在建立直接连接人类或动物个体的神经系统（不仅仅包括中枢神经系统）与个体的其他神经系统或外部设备之间的通信通道，这种接口可以用来监测神经信号、传输信号到神经系统，或者两者兼而有之。
6.1.8视网膜植入和人工耳蜗属于BCI吗？
表14视网膜植入与BCI的比较
此外，耳蜗（cochlea）在听觉处理过程中起着至关重要的作用，负责将声波振动转换为神经信号，这些信号通过听神经传递到大脑进行处理[134]。尽管耳蜗和大脑通过听觉通路密切相连，但耳蜗本身并不是中枢神经系统的一部分，而是听觉系统的外围器官[135]。人工耳蜗植入（cochlearimplants）是否属于BCI？人工耳蜗植入不属于BCI，它不涉及直接读取和解码大脑信号。
人工耳蜗是一种神经接口装置，用于替代因耳蜗损伤而失去的听觉功能。它通过外部麦克风捕捉声音，转换为电信号，然后通过植入的电极阵列直接刺激听神经，使得听觉信息能够传递到大脑，其信号处理发生在耳蜗层面[136]。
6.1.9BCI是最自然的人机交互吗？是人机交互的最高形式或形态吗？
健康个体的中枢神经系统（CNS）的自然、正常的输出由CNS接收感觉输入，并产生适当的运动输出，它的自然输出包括肌肉活动和激素[12]。与此相比，BCI为CNS提供了既不是神经肌肉也不是激素的新颖输出，它是一种记录CNS活动并将其转换为人工输出的系统，它改变了CNS与身体其他部位或外部世界的交互方式[12]。显然，BCI系统是非自然的、非正常的新颖的人工输出。
然而，有人认为BCI是最自然的人机交互，是人机交互的最高形式或形态。与之相反，一些人认为BCI不是如此。还有一些人认为回答这些问题为时过早。
6.1.10如何把BCI的潜在功效转化为实际应用？
表1所示的BCI的潜在功效已经在实验室和临床得到了验证，但面向实用的BCI需要缩小研究与实际应用之间的差距[88]。当前，将BCI潜在功效转化为实际应用面临的障碍主要有技术挑战、用户接受度低和经济成本较高等，转化的具体步骤可参考表15。此外，建议采用BCI转化为实际应用的综合评价方法：在线BCI系统可用性、用户满意度和使用情况[137]。
表15将BCI潜在功效转化为实际应用的具体步骤
BCI是现实生产力吗？从实际应用角度，特别是从是否真正受益于患者或用户的角度看，BCI技术尚处于发展的初级阶段，还难于像人工智能那样成为现实生产力。
对于BCI研究或转化应用，一些建议是：
1）确保患者真正受益于BCI。以患者为本并且考虑其承担的费用；
2）确保对大众负责。不可以误导大众对BCI的认知；
3）对支持经费的国际组织或国家负责。
对于炒作BCI的一些科学家或组织可能争取到了国际组织或国家支持的大量经费，可能最终发表了许多高分SCI（sciencecitationindex）论文，展示了许多BCI演示系统。然而，真正有益于患者落地的研发可能不多。
Neuralink在BCI硬件和手术自动化方面的创新确实推动了该领域的发展。其高密度电极和手术机器人为未来的BCI应用提供了新的可能性。Neuralink的技术仍处于早期实验阶段，实际效果和长期稳定性需要更多的临床试验验证。夸大的宣传可能会导致公众和投资者对BCI技术的期望过高，不利于科学理性的发展。
6.1.11BCI技术的成熟度已经达到了能够形成或制定行业标准的程度？
BCI可以利用不同大脑区域以不同方式记录的不同类型的大脑信号。关于应该为哪些应用从哪些大脑区域以何种方式记录哪些信号的决策是经验问题，只有通过实验才能正确回答[13]。因此，BCI的研发难以形成统一的标准。
此外，一些BCI研发者认为，从BCI的实用性或实际应用情况的角度看，BCI尚处于发展的初级阶段，其技术成熟度较低[141]，涉及BCI的许多技术不成熟，还没有发展到能够形成明确的强制执行的行业标准的阶段。例如，尚没有可用性好和用户满意度高的BCI范式，如何制定BCI范式标准？也没有用户满意度高的脑信号采集技术，如何制定脑信号采集标准？对于实用的BCI系统使用多少个电极合适？采集哪几个脑区的神经活动合适？如何制定BCI解码算法标准？BCI最适合哪些个体？BCI的最佳应用场景是哪些？如何制定BCI神经反馈标准？这些问题隐含的科学问题和技术问题解决得如何？有足够的证据支持吗？现有BCI技术与实际应用还有多长的距离？
然而，另外一些BCI研发者认为，BCI技术不断取得突破，已发展到高级阶段，技术成熟度较高，已经到了可以转化为实际应用的程度，到了需要制定BCI行业标准的时候。这些人认为BCI技术有较大的功效，具有智能和广泛的应用，其市场规模很大，他们正在推动制定BCI行业标准。他们热衷于制定BCI的行业标准，这可能是因为制定行业标准者可以从中谋利。
一些BCI研发者认为制定BCI行业标准需要谨慎，因为标准是一种行业内的规范性文件，需要业内遵守。还有一些BCI研发者认为，随着BCI技术的发展，可能需要达成同行广泛的研究共识。BCI研究共识是一种倡议，这种共识不会强制约束所有的BCI研发者，不会束缚创新。
6.1.12什么是BCI芯片？BCI芯片有什么独特的结构和功能？
什么是BCI芯片（或片上BCI）？BCI芯片有什么独特的材料和结构？BCI芯片有什么独特的功能？BCI芯片里面包含什么需要保密的算法代码？BCI芯片可以把BCI范式、脑信号采集、信号处理和解码算法以及神经反馈集成在一个芯片上吗？由BCI芯片能够构建一个完整的BCI系统吗？如果不能，还需要什么硬件和软件？
对这些问题，不同的人有不同的看法。一些人认为，能够制造出BCI芯片，并具有潜在的应用。然而，另外一些人认为，炒作BCI芯片可能涉嫌借助进口芯片被限制的事件，以获得利益和荣誉。还有一些学者认为，BCI芯片只不过是针对特定的生物医学信号，仅仅把脑信号采集、处理和解码算法集成在一个芯片上。还有学者认为，传统的片上计算机、数字信号处理器（DSP）和超大规模集成电路（VLSI）芯片也能够实现脑信号处理和解码。
此外，在目前的技术条件下，“智能BCI”或“BCI智能”技术的提法与BCI技术系统的现实情况不符合[3]。因此，“智能BCI芯片”或“BCI智能芯片”可能主要是炒作其作为未来竞争而可能被限制的芯片技术。当前，VLSI技术正朝着更高集成度、更低功耗、更高性能、更多功能集成和更多应用的方向发展。这也是BCI芯片发展的方向吗？
6.2结束语
本文针对最近几年和当前出现的一些乱象：误导宣传和炒作BCI，甚至把不是BCI的技术系统称为BCI，在已有BCI定义的基础上，给出了BCI的清晰定义、关键或必不可少的6个组件和明确范畴。
本文给出的BCI清晰定义中明确包含了BCI范式与神经编码，认为它们是BCI的科学原理，BCI范式诱发的脑信号的时-空-频特征是BCI解码算法能够识别用户意图的依据或前提，这是与以往定义不同的方面。在本文的BCI定义中，明确BCI用户是BCI系统的关键组成部分，这也是与以往一些BCI文献把BCI用户（其大脑为主）与BCI系统分开不同的方面。
参考文献见原文
ChenY,WangF,LiT,ZhaoL,GongA,NanW,DingPandFuY(2024)Considerationsanddiscussionsonthecleardefinitionanddefinitescopeofbrain-computerinterfaces.Front.Neurosci.18:1449208.doi:10.3389/fnins.2024.1449208