科学家们已经完成了有史以来首次演示，该演示是由瘫痪者控制的“即插即用”的大脑假体。
该系统使用机器学习来帮助个人仅用大脑控制计算机界面。与大多数脑机接口（BCI）不同，该AI无需大量的日常培训即可工作。
这项研究的资深作者Karunesh Ganguly，加州大学旧金山分校神经病学系副教授，在一项声明中描述了这一突破：
近年来，BCI领域取得了长足的进步，但是由于必须每天对现有系统进行重置和重新校准，因此它们无法利用大脑的自然学习过程。这就像要求某人从头开始反复学习骑自行车。适应人工学习系统以使其能够与大脑复杂的长期学习模式平滑配合，这在瘫痪者中从未有过。
该系统使用大小约为便签纸的皮质脑电图（ECoG）阵列。该阵列直接放置在大脑表面上，在此处监视来自大脑皮层的电活动。
研究人员声称该系统可以长期，稳定地记录神经活动。相对于 由穿透大脑组织的尖锐电极组成的BCI而言，这具有优势，因为它们会随着时间的流逝而改变或丢失信号。
该团队在一个四肢瘫痪的人身上测试了该系统，并用它来控制屏幕上的计算机光标。首先，他们要求用户在观看光标移动时想象自己的脖子和手腕运动。这导致算法逐渐进行自我更新，因此可以使光标的移动与大脑活动相匹配。
但是，此耗时的过程限制了用户的控制。因此研究人员尝试了另一种方法：允许算法无需每天重置即可继续更新。
Ganguly说，这导致了系统性能的不断改进：
我们发现，通过确保算法的更新速度不超过大脑的更新速度，可以每10秒一次，从而进一步改善学习。我们认为这是试图在大脑和计算机这两个学习系统之间建立伙伴关系，最终使人工界面成为用户的延伸，就像他们自己的手或手臂一样。
随着试验的进行，用户的大脑开始放大移动光标的神经活动的模式。最终，他们开发了根深蒂固的心理“模型”来控制界面。研究人员随后关闭了算法的更新，因此参与者无需每天进行调整即可使用该系统。
当系统在未经培训或日常练习的情况下将其性能保持44天时，研究人员开始向BCI添加其他功能，例如“单击”虚拟按钮，而不会降低性能。
Ganguly现在希望在更复杂的机器人系统（包括假肢）中使用ECoG记录。
他说：“可以说，我们一直都在设计一种技术，这种技术不能最终出现在抽屉里，但是实际上可以改善瘫痪患者的日常生活。” “这些数据表明，基于ECoG的BCI可能是这种技术的基础。”
