BCI 的问题不在于解码器的准确性。我们不是试图破译大脑，而是按照大脑自然工作的方式进行设计。这种思维转变为 BCI 的学习问题提供了一个答案。
耶鲁大学的一个研究团队开发了一种显着加速非侵入性脑机接口（BCI）学习的方法，并于2026年6月9日发表在《自然神经科学》杂志上。
传统的基于 fMRI 的 BCI 需要长达 10 次的长时间会话才能掌握，即便如此，大约三分之一的用户仍无法掌握控制。研究小组假设这些困难是由于设计忽略了大脑的自然几何结构（神经流形）造成的。
在实验中，健康的年轻人参加了四次功能磁共振成像会议。在第一阶段中，在玩视频游戏时测量大脑活动，在游戏中用操纵杆控制化身，并使用称为 T-PHATE 的专有算法提取每个参与者独特的神经流形。之后，我们尝试在三种情况下仅用思想来控制虚拟角色：沿流形映射、流形内另一个方向映射、流形外映射。
他们发现，在流形内的条件下，特别是那些遵循大脑最自然模式（直观映射）的条件下，他们能够在不到一个小时的时间内学会控制，而在流形外的条件下，他们根本无法在相同的时间内获得控制。研究还证实，脑机接口学习的结果是大脑活动模式本身得到了重组。
【编辑部评论】
耶鲁大学的一个研究小组为长期困扰 BCI 技术的一个基本问题提供了答案。该论文于2026年6月9日发表在学术期刊《自然神经科学》上，对非侵入式脑机接口的设计理念提出了质疑。
BCI 的历史基本上是建立在“读脑”的方法之上的。它尽可能准确地破译大脑输出的信号，并将其转化为设备的动作。创建卓越的解码器和使用高精度传感器是 BCI 研究的主要战场。侵入性方法（将电极植入大脑）已经取得了一些成功。另一方面，非侵入性方法，尤其是使用功能磁共振成像的方法，长期以来存在尚未解决的问题。现实情况是，它需要长达 10 次的长时间培训才能掌握，即便如此，大约三分之一的用户仍无法掌握控制。
这项研究提出的问题与“提高解码器准确性”的方向不同。这个想法是，“大脑自然倾向于生成一些模式，也有一些它不会生成的模式。如果是这样的话，那么为什么不设计一个与容易生成的模式相匹配的脑机接口呢？”
研究人员将这种“易于生成的模式集”称为“神经流形”。尽管大脑活动看似在高维空间中飞来飞去，但实际上它是沿着某个低维“路径”移动的。这是一个对每个人来说都是独特的流形。研究团队使用一种名为 T-PHATE 的算法成功地从功能磁共振成像数据中实时提取每个参与者的流形。
在我们的实验中，我们故意比较沿着这个流形和离开这个流形的映射。在沿着流形的条件下，参与者在不到一个小时的时间内学会了控制化身。在没有歧管的情况下，在相同的时间内根本没有控制。这种不对称性是本研究的核心。这表明“BCI不起作用”并不是用户的努力或能力的问题，而是设计可能与人的大脑结构不匹配。
更有趣的是，大脑的活动模式在学习时会自行重组。大脑从内到外发生了变化，以适应脑机接口的需求。这种重组超出了目标大脑区域，表明沿着流形学习可以在整个大脑中产生连锁反应。
然而，此时我们需要对这项研究的范围保持冷静。该实验使用了一种名为功能磁共振成像（fMRI）的大型且昂贵的设备。它不能用作日常 BCI 设备。参与者为 18 名健康年轻人，是否适用于患有运动障碍或神经系统疾病的人需要单独验证。此外，用于流形提取的T-PHATE算法是否可以应用于fMRI以外的非侵入性测量方法（例如脑电图）仍然是未来的问题。
尽管如此，研究人员将“设计脑机接口以匹配大脑的自然几何形状”的原则定位为适用于功能磁共振成像以外的神经技术。这种围绕大脑结构而不是反对大脑结构进行设计的思维转变是一个可能影响广泛领域的原则，包括康复、心理健康和认知训练。这也是对为什么会出现学习个体差异这一问题的一种回答。
【术语解释】
脑机接口（BCI）
一种测量大脑活动并直接转换信号以控制计算机和外部设备的技术。它大致分为侵入式（电极植入大脑）和非侵入式（使用功能磁共振成像和脑电图从体外测量）。应用范围正在从医疗用途（帮助瘫痪患者）扩展到研究、游戏和认知训练。
fMRI（功能磁共振成像）
一种通过测量大脑血流变化来非侵入性地显示哪些区域处于活动状态以及何时处于活动状态的技术。空间分辨率较高，可达毫米量级，但时间分辨率仅为几秒量级，且设备庞大且昂贵，不适合日常使用。
神经流形
大脑活动理论上是非常高维的数据，但实际上它沿着某个低维“路径”移动。这种自然发生的几何结构称为神经流形。它代表了一组因人而异的活动模式，并且该模式往往是人的大脑自然产生的。
T-磷酸盐
该研究团队开发的算法。从时间序列功能磁共振成像数据中实时提取每个人的神经流形。它基于一种称为数据扩散的数学技术。
神经反馈
一种允许用户通过实时测量大脑活动并以视觉和听觉反馈的形式向用户提供反馈来学习自我调节大脑活动的方法。在这项研究中，反馈是通过游戏中的化身动作给出的。
[参考链接]
耶鲁新闻——脑机接口与大脑一起工作，而不是对抗大脑（外部）
耶鲁大学关于这项研究的官方新闻稿。它包含大量研究人员的评论和实验设计的细节。
自然神经科学——人类通过流形几何学习非侵入性脑机接口（外部）
发表该研究论文的期刊。摘要可以免费查看。作者：Erica L. Busch、E. Chandra Fincke、Guillaume Lajoie、Smita Krishnaswamy、Nicholas B. Turk-Browne 等。
耶鲁大学五蔡研究所（外部）
耶鲁大学的一个跨学科研究所，由尼古拉斯·B·特克-布朗 (Nicholas B. Turk-Browne) 领导，他领导了这项研究。他进行的研究涉及神经科学、认知科学和数据科学。
[参考文章]
通过流形几何加速非侵入式人脑机接口学习｜bioRxiv（外部）
该论文的预印本发表于《自然神经科学》（2025 年 3 月）。全文可以免费阅读，详细描述了之前研究的实验设计、方法和背景。
[相关文章]
科学公司|使用培养神经元连接大脑的“生物混合脑机接口”在美国进入首次临床试验
与此同时，在侵入式脑机接口领域，一场运动已经开始重新考虑将电极插入大脑的方法。
何斌教授等。通过非侵入式BCI成功实现个体手指控制|突破性研究发表在《自然通讯》上
作为另一种非侵入性脑机接口方法，利用脑电图控制手指运动的研究正在取得进展。
脑机接口标准化加速中国主导的全球合作——2025年国际电联人工智能惠善峰会
虽然 BCI 的设计原则正在巩固，但社会实施标准化的进程也正在开始。
[编者后记]
“大脑无法学习的原因可能是由于设计不当。”这个问题超出了BCI的框架，也引起了我们这些参与教育和培训设计的人的共鸣。当我们回答“为什么有些人学得快而另一些人学得慢？”这个问题时，我们能改变什么？当我们在问题中添加结构性解释，而不是努力或天赋时？
这项研究表明“设计适合大脑的东西”的理念发生了转变。这也与改变学习环境而不是改变学习者的想法重叠。在教育、康复和心理健康保健领域，我们长期以来一直将“无法学习”视为原因，但神经科学开始提供证据来重新考虑这一前提。
当然，基于大型功能磁共振成像设备的研究要应用于日常学习和临床实践，还需要很多步骤。尽管如此，我还是忍不住想，当“根据人脑结构进行设计”的原理与更简单的测量技术相结合时，会发生什么变化。这项研究悄悄地表明，我们学习、教学和构建治疗方法的方式可能会改变，以考虑大脑的个体差异。