不接觸就能準確無誤地打開臺燈、關閉空調11月9日的科大訊飛年度發布會十分“科幻”。腦機接口成為熱議話題。

　　省去“意念到肢體、肢體領會、實施控制”等中間步驟，直接用意念和機器“對話”，實現“人機交互”，是如何做到的呢？

　　“科學家很早就已經在生物神經通道上開始了研究，其中包括腦機接口的研究，”東南大學儀器科學與工程學院院長宋愛國說，首先要明確神經電脈沖與行動的對應關系，其次要消除噪音、提高系統辨識的精確度。

　　人機交互，如何直連神經

　　傳統的人機交互路徑是，信息從傳感器到處理中心，轉變成人能獲取的信號，再由器官感知，然后傳遞到大腦，分析接受這個信息。“這個過程中，交互轉換了多個場景，科學家開始嘗試直接研究體內的電信號，期望達到電影《阿凡達》里描述的場景。”宋愛國說。

　　“人的感覺，例如熱量、力度、刺痛，都是通過神經電信號，沿著手部感知神經傳到脊髓、再到大腦。在感知神經上加上與抓取感知同樣的電脈沖，大腦就會馬上感覺手里抓到東西了，盡管這個東西并不存在。”

　　為此，科學家要了解，不同的動作、情感等對應的神經電脈沖是什么樣的。

　　宋愛國團隊用購置的腦電分析儀與視覺系統構建了一個平臺，以不同場景帶來的不同情緒和腦電波的對應變化關系建立了一個數據庫，用來分析各種情緒對應的腦電波具有怎樣的特征。了解了腦電波對應的動作、情感，就可以逆向將這些電波設置為特定的指令，教給機器識別，實現用意念控制機器。

　　但這只是理想狀態，原因是大腦非常復雜，對神經信號的辨別是個瓶頸問題。宋愛國說，與肢體運動相關的腦電識別雖然相對發展較快，但由于腦電信號存在大量干擾，目前仍然難以識別手部精細的動作。

　　“我們也嘗試了直接進行肌電信號的獲取和傳遞，舉個例子，你不揮手的情況下，只要有一個揮手的神經信號傳遞到手臂肌肉，當我們捕捉到這個肌電信號，就能感知到你要揮手。”宋愛國說，他們正在嘗試與手機直接交互互聯，以期更快落地應用。

　　握個手，就需要極復雜的重構

　　除了將意念直接傳遞給機器，科學家還在研究將人類的行為以及背后意圖傳遞給機器，以期通過人類之間自然的溝通方式，與機器互動。

　　宋愛國說，人機接觸是一個復雜的組合信息，需要傳遞力覺、觸覺、熱量等，這些信息的載體五花八門，“單就握手來講，如何讓機器感覺到力量的大小、方向、扭轉，溫度的傳遞，觸摸到物體的形狀呢？”

　　傳感器的精度是信息準確捕捉的基礎。宋愛國說，“要解讀傳感器獲得的信息，下一步需要物理重構，將信息轉化為能量刺激作用于人手。摸到石頭和摸到布料的觸感不同，要做到精準的區別。”在信息獲取的精準度上，宋愛國團隊曾經受住了航天級別的考驗——2016年，其研制的“在軌操作力測量設備”成功保障了天宮二號的航天員在軌訓練任務，將失重狀態下各種操作力的信息準確傳遞出來。

　　“目前力觸覺交互設備相對來說體積較大、笨重，為了更實用，要向可穿戴的方向發展。”宋愛國說，在國家重點研發計劃“云端融合的自然交互設備和工具”項目的支持下，項目團隊已經完成了人機交互的小型化可穿戴力觸覺反饋裝置的研制。

　　“戴上這只基于微納光纖的數據手套，手部運動數據誤差小于1毫米，彎曲感應位置不少于5個，數據精度不低于16位，”宋愛國說，擁有了這套“手部的皮膚”，虛擬環境準確抓取不成問題。

　　和其他的人工智能輸入設備一樣，精度越高的設備意味著“理解力”越好，越“聰明”。宋愛國介紹，這只“手套”之所以精度高，基于捕獲方法和算法的創新。“此外，我們項目團隊還利用神經電信號進行手勢的識別，創新性地把肌電信號轉化為肌電圖像，大大提高了處理速度，同時提出了基于深度學習的高準確率手勢識別算法，在公開的數據集上的測試表明，手勢識別率超過了99%。”數據顯示，截至2017年5月，基于國際上公開的三個肌電手勢數據集的評估，這一核心識別算法在三個數據集上均是識別率最高的算法。

　　讓機器理解人的意圖，無論是截獲腦電波、肌電信號還是行為識別，最大的挑戰在于準確度，識別簡單、明確的指令距離習得“讀心術”還有很長一段路要走。