Facebook脑机研究新进展,意念真能直接转文字语言吗脑机接口，一个看似很“赛博朋克”的技术，正在被推向新的发展高潮，而大家正在将科幻故事变成现实。
Facebook脑机项目，读懂你的大脑
两年前的F8大会上，Facebook首次对外展示了“大脑打字”项目，目标是通过非侵入式硬件创建一个无声语言系统，能够直接从你的大脑读取信号来打字，速度可达每分钟100词，是人们在智能手机上打字速度的五倍。
随之而来的是不少神经科学家的质疑，因为将脑电波转换为文字已经是技术难题，更何况要快于大家的打字速度。
据了解，这项研究早期是由Facebook的创新硬件部门Building8负责，这个神秘的团队有超过60名科学家和工程师，他们分布在UCSanFrancisco、UCBerkeley、霍普金斯医学院、霍普金斯大学应用物理实验室等机构中。
去年12月，Facebook对其进行了重组，把脑机项目转移到了FacebookRealityLab团队（原OculusLab团队）。
本周二，由该团队赞助的加州大学旧金山分校研究人员将最新研究结论发表在《自然通讯》（NatureCommunications），结果表明系统可以准确解码佩戴设备的人听到和说出的对话词和短语。
实验中，如果参与者听到有人问“你喜欢听哪种乐器”，参与者会在录制大脑活动时回答“小提琴”或“鼓”等几种选择之一，系统利用脑部活动来判断参与者是否在听或说，然后尝试解码这些语音。据统计，该系统可以达到61％至76％的准确度。
主要作者和加州大学旧金山分校神经外科教授EdwardChang表示，到目前为止，系统只能识别一组非常有限的词汇。
图｜EdwardChang
目前，研究人员与三名正在接受癫痫治疗的患者合作测试这项技术。不过，Facebook脑机接口计划的研究总监MarkChevillet表示，“大家没有任何实际的产品计划，因为这项技术是早期阶段的研究。”
相较之下，马斯克的脑机项目Neuralink野心更大：2020年之前将Neuralink的技术在人体上进行测试，“通过‘与AI的融合’来增强大脑，让人类与人工智能形成共生关系。”
学术界＋商业公司合力，新蓝海即将出现
无论是上世纪80年代英美电视节目中的著名虚拟人物超级麦克斯，还是把人的思维全盘拷贝到一个最新款的人形机器人上，围绕人的大脑和神经元的技术总是充满了神秘的吸引力，除了科技狂人马斯克和社交达人小扎之外，还有不少初创公司在路上。
在2017年发布的一份《中美首份脑机接口行业分析》报告中，列出了当时最受关注度的部分脑机接口公司。
国内的话，互联网早期风云人物陈天桥表示要投入10亿美元用于脑科学探索；哈佛大学的华人博士韩璧丞此前在哈佛大学创立了Brainco，试图攻克脑机接口领域最难的两个领域：脑电信号的意识解析、自适应算法（人与算法机器的相互识别）。
目前，脑机接口主要分为侵入式、部分侵入式和非侵入式三种类型。侵入式需要往大脑里植入神经芯片、传感器等外来设备；非侵入式通常是通过脑电帽接触头皮的方式，间接获取大脑皮层神经信号，包括脑电图（EEG）、功能性磁共振成像（fMRI）等。
通常情况下，非侵入式脑机接口设备会偏向于消费级产品，比如和VR＼AR硬件配合使用。侵入式的则更专注于研发高精度的脑电测量设备，产品针对临床和科研级别的。
不过，当前脑机接口技术的真正进展，还是来军方和科学家。比如美国国防部高级研究计划局（DARPA）自20世纪70年代以来就一直为脑机接口研究提供资金，最新的N3脑机接口项目，目的是在非手术的情况下实现大脑和系统间的通信。
今年4月，加利福尼亚大学旧金山分校的科学家在自然杂志上发表了一种由神经网络驱动的新型BCI，它可以让患有瘫痪或中风的人以自然语音的速度进行交流，平均每分钟150个词，这项研究的主要作者EdwardF．Chang也是Facebook脑机项目最新研究的主力研究人员。
随后的6月，卡内基梅隆大学与明尼苏达大学的研究人员使用非侵入式脑机接口，开发了有史以来第一个能用意念控制连续追踪电脑光标的机械臂。
在脑机接口的研究上，大家研究的步子越来越快。
同时，根据研究机构AlliedMarketResearch的研究报告，全球脑机接口市场预计在2020年将达到14．6亿美元，从2014至2020年的年复合增长率为11．5％。学术界接二连三的科研成果发布加上商业公司的快速推进，正在让脑机接口成为一个潜力巨大的商业市场。
最后：
处于初期发展阶段的脑机接口技术本质上还是为了“增强”或者“恢复”人自有的一些功能，这一点和当前的外骨骼机器人等产品又有着异曲同工之妙。
两年前，一名因脊髓损伤而瘫痪的64岁男子在使用脑机接口（BCI）以每分钟8个字的速度打字时创下了纪录。
这两年时间，国内外也陆陆续续涌现出不少优秀的脑机接口研究团队，但是人类的大脑皮层有上百亿个神经元，每个神经元又包含数个到数万个分支，构成庞大精细的神经网络。如何准确地解码出这些超大规模神经网络对外释放的信号仍旧是瓶颈。