12
專訪嘉賓
Krishna Shenoy
霍華德休斯醫學研究所（HHMI）研究員，
神經假肢系統實驗室（NPSL）主任，
Hong Seh和Vivian WM Lim工程學教授，
神經假肢轉化實驗室（NPTL）聯合主任
Shenoy教授領導斯坦福大學的神經假肢系統實驗室（NPSL），其團隊主要從事神經科學及神經工程研究，透過對大腦運動控制系統的解碼，設計醫療裝備幫助存在運動障礙的人群。同時Shenoy教授也與神經外科醫學博士Jaimie Henderson共同領導神經假肢轉化實驗室（NPTL；2009年成立），申請用於癱瘓患者的腦機介面的FDA臨床試驗。
讓我們先從簡單的問題開始吧，能否請您向讀者們簡要介紹您的研究領域？
Shenoy：
沒問題。我們正在嘗試幫助那些無法行動不能動或者無法交流的人群。他們往往患有神經損傷或神經疾病，例如脊髓損傷、肌萎縮性脊髓側索硬化症（漸凍人症）或者中風。為了幫助這些人，我們能做的就是
透過研究大腦和其中數百億個神經元，以及這些神經元是如何控制那些能產生正常行為的神經活動的
。
如果我們可以發現並解碼這些神經訊號，並將這種大腦的語言翻譯出來，那麼我們就能移動機械臂、控制電腦螢幕上的游標，或者用書面文字來幫助那些無法交流的人群。
這項工作
既包含了神經科學，又與神經工程學相關，像是電子工程、計算機科學和機器學習
。還有很大一部分，就是
轉化
——我們正努力讓科研成果造福大眾。為了讓這項技術能真正幫到大眾，一般來說，必須要透過一家甚至好幾家公司。所以，我們也在試著幫助一些公司，讓他們可以做出真正可使用的系統，希望不久後，數萬人甚至數百萬人，可以用上這些系統。
我們今天的採訪尤其關注您的團隊近期在《自然》期刊上發表的《透過手寫實現高效大腦-文字溝通》（High-performance brain-to-text communication via handwriting）一文，可以簡要介紹一下這篇論文嗎？
Shenoy：
當然。我們從小就學著如何在紙上書寫，我想這幾年紙張已經變成了平板電腦，但書寫的本質並未改變，它是一種非常棒的溝通方式。當然，講話這一方式也很妙，但是書寫這麼好的溝通方式，卻從沒有人想過了解人腦是怎麼控制它的。
所以，我們就提出了這一問題。我們招募了可以說話卻無法移動上肢的受試者，他們的胳膊一直處於絕對靜止的狀態。接著，我們要求受試者儘可能嘗試寫下所有的英文字母。字元種類那麼多，包括日文漢字、梵文和中文字等，但我們選擇了英文。很有趣的是，我們發現，在受試者書寫英文字母時，我們能很快且正確地解讀與之相關的神經活動，受試者在想要書寫的一瞬間，螢幕上就出現了字母。因此，這個系統為受試者們提供了一個與世界溝通的新方式。我們還打算針對其他語言和不同的疾病狀態繼續研究，希望能讓這個系統速度更快，也更準確。
Nature 封面
Volume 593 Issue 7858, 13 May 2021
我們從年輕科學家以及其他對該研究感興趣的學者那裡徵集了一些問題。第一個問題是這個系統可以持續多久？它能長期、穩定地輸入文字嗎？
Shenoy：
是的，這是個非常好的問題。
系統的可使用生命週期非常重要
，因為安裝這個系統需要進行外科手術。手術過程中，我們把一個小拇指指甲大小的電極感測器植入大腦表層，深度大約是大腦表層下方一毫米處。但這仍然是一種侵入式手術，確實存在著風險，千萬不要在家中嘗試。如今，很多人不想做手術，我們需要其他系統來解決這個問題。當然有一些不做手術就能使用的系統，但是它們往往速度更慢，錯誤也會更多。我們選擇了植入感測器的方式，所以您的問題實際上是問這些感測器可以持續工作多久？在這個問題上，我們其實是消費者的角色。我們其實是從一家公司購入這些4x4平方毫米大小的電極陣列和100個矽電極的，用的也是人們日常使用的計算機晶片技術。所以，我想表明我們並不從中獲益，這些感測器並非我們製造，我們與之沒有利益衝突。我們可以用它們記錄至少5年的訊號，或許更久。但通常我們的受試者在使用了5年後，會傾向於說：“要不還是把感測器取出來吧，我的日常生活開始變得有點兒更費勁了，我不想再繼續參與研究了。”
用了5年感測器以後，體驗會有什麼不一樣嗎？
Shenoy：
取出感測器後，他們沒法再使用系統。使用年限能否超過5年是個很有趣的問題，我們認為它是可以的。
但重點是如何讓電極變得更好、更小、更靈活，更持久
，而這些都需要大量的工程科學技術突破。有許多研究團隊正在做這方面的研究，這很重要，我們也很樂意與他們合作，試用他們的系統。
明白了。我們的一位讀者對文字識別很感興趣，他提出了下面這個問題。在輸入文字時，系統如何提高文字識別的準確性？是否需要更高通量的資料處理？還是演算法會自動補償？
Shenoy：
在我看來，回答這一問題的關鍵之處在於，受試者們每天都會使用系統，我們獲取那些資料，並將它們上傳到電腦中。
有了這些資料，我們可以訓練新的神經網路模型、機器學習模型，系統也可以透過這種方式不斷最佳化。因為你已經知道，當人們試圖寫“a”、“b”、“c”時，神經活動會作何反應，在這一基礎上，系統每天都在學習更多的資料。到了某個時刻，也許是一到兩週後，不再像之前那樣有許多的新資料，因為所有能學習的東西都已經在系統裡了。
這時會發生一件事，而受試者們自己甚至都不知道這件事正在發生。神經活動開始發生改變，是非常輕微的改動，我們稱之為“可塑性”（plasticity），它讓系統執行得甚至更好。這有點像我們學習打網球，也許能擊中網球，也許會犯錯，但隨著日復一日、年復一年地練習，你的水平會逐漸提高。這種練習效應（practice effect）之所以發生，就是因為大腦在同時改進對軀體的控制。同樣地，大腦也會慢慢改進對翻譯文字的機器學習演算法的控制。我認為有兩個關鍵點：
有了更多的資料，你就能更好地解碼；以及，人們使用這個系統越久，即使他們沒有覺察，他們的大腦也能逐漸適應
。
是不是可以說練習效應在這裡起到了最重要的作用？
Shenoy：
是的，我認為在剛開始的1-2周裡，輸入儘可能多的資料，建立起解碼模型，是最重要的。但你說得非常對，兩週過後，練習效應就是最重要的了。
- PIXILEON Motion Design & Animation Studio -
下一個問題比較籠統，請問如何才能擴充套件輸入功能，比如編輯、刪除等，以及如何擴充字符集，收錄更多的語言，像是中文或者是大寫字母等。
Shenoy：
是的，這個問題很棒，對此我有兩個答案。首先，在論文中，我們展示了輸入26個英文字母和5個特殊字元，像是逗號、問號這種。但我們並不知道如何解碼大寫字母之類的字元，因為這個系統可以起作用已經出乎我們的意料，尤其是可以解碼非常精細的手指活動。即便是隻能輸入基礎字元，為了達到我們想要的效能，光是完成第一個試驗就已經投入了非常多的精力。
所以，第一個問題是，現在它也許能輸入更多的字元。我們還不知道，但不妨這樣說，由於
系統還沒有嘗試更多字元
，所以我不知道，而我也不想直接假設它可以做到。好，接下來我們說說中文字元。當你想寫漢字時，一定會遇到兩個問題，對吧？第一，漢字的細節太多了，英文字母很簡單，超級簡單，“a”、“b”、“c”就行了。漢字卻很精細，所以要難得多。不過，
由於我們是從控制筆移動的腦區收集訊號，應該可以解碼、採集那些精巧的漢字線條，只是我們的瞭解還不夠多
。
我們得解碼不同語言的特點。
Shenoy：
沒錯。所以我們需要做些什麼，如何做，是個很好的問題。我們正在試著讓受試者寫下某種語言裡的單個字元，同時記錄他的神經資料。我們會讓他們把同一個字元寫很多遍，但不是在同一行全寫同一個字元，而是在裡面間隔插入其他字元，像是隨機地讓他寫另一個字元，直到電腦將書寫每個字元的神經資料都儲存下來。然後，我們會訓練機器學習演算法，在1秒種內把那個字元準確地識別出來，接下來就可以解碼了。所以，就漢字而言，一方面漢字太精細了，還有一個問題是，中文字元真的太多了。請見諒，這個答案我應該知道才是。粗略來說，中文裡有多少個漢字？普通話和粵語是一樣的，對吧？漢字總數應該一樣？
其實，我也不太確定，但我猜大概有數千個？常見字可能有數千個。
Shenoy：
是的，我試過搞清楚這個問題，因為我對它很好奇。我妻子是越南人，她寫越南語會用到五種聲調。我有一個親戚是中國人，我也問過他，但沒想到會有上千個這麼多。
沒錯，但每種語言肯定都會有些特點，我想未來人們可以解碼全世界的語言。
Shenoy：
肯定可以做到的。比如印度的梵語，我父親對它很熟悉，總共有52個字元，也很複雜。簡單來說，首先，
每個字元都有精妙的特徵
，第二點，
字元數太多導致難度更大
。所以，我們並不知道可以做到哪一步，但的確存在解決方法。而這一方法正是你們剛剛提出的問題。我們需要更高的頻寬嗎？需要更多資訊嗎？是的，我們確實需要這些，還需要更多的電極。每當我們往大腦中放入一個電極，我們就記錄了來自一個或者幾個神經元的訊號。所以，如果有足夠多的神經元，也許是1000個，而非200，那麼我想應該可以解決問題。為什麼我這麼自信？原因是我們可以寫下所有的字元。我不會寫中文，但是你（指採訪者）可以做到，你寫得又快又好看，所以你的大腦知道該怎麼做。那麼，我們只需要從足夠多的腦細胞那兒，監聽到足夠多的神經活動，這一點是可能做到的。不過具體需要多少神經元，只有時間會給出答案了。很抱歉我回答了這麼多，這樣解釋可以幫助讀者理解嗎？
- Mara Drozdova -
非常有幫助。但我也有個問題：怎麼區分那些相似的字元，比如“2”和“z”？英文的曲線也許能輕鬆區分出來，但我想其他語言則不盡然。
Shenoy：
沒錯，你說得太對了。例如，我們在論文中舉的例子，就是字母“h”，它有一個長豎，而“Nancy”中的“n”與“h”的差別是，“n”第一筆是短豎。有時候，就連我們也會搞混，因為它倆真的很相似。在書寫的時候，二者也很像。當然，大部分時候我們都會寫對，但當出現錯誤時，往往就是混淆了那些看起來相似的字母。
我們能做些什麼來改進呢？
Shenoy：
我們可以使用另一種機器學習，它熟悉不同字元之間存在的各種可能性
。有許多示例，論文裡我們用了“the”這個詞來解釋，當我們寫下這個詞時，有時候會認為它是“tne”，對吧？但並不存在“tne”這個詞，只有“the”。
如果你使用所有現存語言的機器學習，或者說語言模型，包括英文、中文、梵文等，當前面一個字母是“t”時，跟在它後面的字母更可能是“h”，而不是“n”。所以你寫下“t”“n”“e”後，繼續寫下一個詞，系統可以自動識別這裡存在拼寫錯誤。那我就會把“n”改成“h”，變成詞語“the”。這是不是很像在電腦上打字？電腦會自動糾正，這裡的原理相同，自動糾正的資料庫也一樣。
通常我們更關注的是，當系統不帶有自動糾正或者自動填充功能時，它還能不能很好地發揮作用，這樣我們就能知道，它在沒有輔助功能的情況下效果如何。但我們是可以開啟輔助功能的。你看，所有系統都有輔助功能，谷歌、阿里巴巴，每個系統都有。你打字的同時，系統就會自動糾正，或者是自動填充。對我來說，糾正的情況更多。我有一臺iPhone，它並沒有多好用，可是，當字母之間的差異非常小，甚至難以區分時，手機仍然可以幫我輸入地更準確。無論你在大腦裡放了多少個電極，這些電極運轉地多麼好，總是會出現錯誤。而我剛剛說的那些，就可以很好地改善這種情況。
感謝您的回答。下一個問題更像是對下一階段研究的提問。您的團隊已經達到每分鐘拼寫90個字元的速度。這已經很令人驚歎，不過說話往往比打字快得多，理解大腦如何編碼語音又非常難。您有解決這一問題的打算嗎？還是說，這正是您下一階段的研究？我們對此非常好奇。
Shenoy：
是的，那正是我們下一步打算做的。我們認為
關於書寫，還有許多可以挖掘的地方
，而且書寫本身是一個很有趣的話題。但是你剛剛說的很對，當我們說話時，兩個人溝通起來會更快。現在的情況是怎樣呢？加州大學舊金山分校的
Edward Chang
跟我認識很久了，我們是好朋友，也有合作，住處也離得很近。他正在做一項非常棒也非常重要的研究，用腦皮層電圖（ECoG）記錄大腦表層的訊號。在他最新一篇發表在《新英格蘭醫學雜誌》的論文中，他們做了一個包含50個詞語的詞彙集，受試者在其中任意選擇一個，解碼準確率可以達到75%。這項工作非常棒，但也讓大家看到了侷限性。
那為什麼會存在這些侷限呢？因為記錄訊號的大電極位於大腦表層。透過一臺外科手術，把電極放到大腦表層，可是它並沒有聽到單個神經元的活動，它做不到只記錄單個神經元的電活動。打個比方，假設在一個足球場裡，看臺上有十萬個觀眾，而我坐在直升飛機上，從空中往下懸吊一個麥克風，位置要高過看臺的觀眾們，我只能根據聽不聽得到吼叫，來判斷主場球隊是否進球。
但如果我可以把麥克風放得更低，那麼我就能聽到更多的對話。在這個比喻中，我就是神經元。而單個神經元就是記錄、聆聽、衡量的最佳物件。
Edward Chang團隊的研究
—
Neuroprosthesis for Decoding Speech in a Paralyzed Person with Anarthria，DOI： 10。1056/NEJMoa2027540
這是否意味著，在解碼時存在許多噪音？
Shenoy：
不，噪音更少。其實你基本說對了。如果我只記錄一個神經元的訊號，確實有許多噪音。但是如果我用前面提到的電極陣列記錄100個神經元的訊號，那麼你就有1個麥克風靠近你和其他100個人。
即使有些許噪音，你也能得到很強的資訊集，裡面有非常多的資訊
。把麥克風懸在所有人頭頂上方的問題是，會讓大家的聲音相互減弱，你聽不到某一個對話，或者只能聽到人們說話聲音的大小，僅此而已。這樣，你就沒辦法聽懂我們之間對話的內容。我想說明的是，把電極放到大腦內部，這樣電極尖端會靠近單個神經元細胞，你可以記錄到更多資訊，我想所有人都會同意這點，它就是這樣工作的。我們已經發表了兩三篇論文，來闡述已完成的實驗，那就是我們第一次弄明白大腦、單個神經元如何控制講話。接下來，我們打算在受試者大腦的語言區植入電極，以建立起可以聽到電活動並解碼的系統，用這個系統真正建立語音、合成聲音或者在螢幕上打字，你可以選擇任一方式。這就是我們接下來的研究方向，雖然還沒有正式開始，但國立衛生研究院（National Institute of Health，NIH）和其他聯邦撥款將會用於這個用途，我們的團隊也正在準備，想快一點得到結果。現在說回Edward Chang，他和我一致認為，我倆的研究方法應該合在一起，同時使用兩個方法，而不是選擇哪一個方法更好。
他的研究方法可以覆蓋一半大腦，因為電極位於表面，覆蓋面積更大。我們的方法則是深入某一個區域，希望是能記錄到許多單個神經元的最佳區域
。所以，在我看來，
研究前景就是將二者結合起來
。
我們非常期待看到這兩項研究問世。接下來讓我們回到與識別準確性提升有關的打字研究，是否有可能實現幾乎實時的思維-文字對話呢？是否有可能同步對話速度與思維速度呢？
Shenoy：
非常好的問題。所以，這實際上是兩個問題。首先，我們能要求一個人嘗試或想象手嗎？請記住，他們的手是無法移動的、癱瘓的。那麼，我們能要求他們儘可能快速地書寫、儘可能快速地嘗試書寫並且實時進行解碼嗎？是的，我們可以做到。這一點我們實際上已經在《自然》期刊上的論文中展示過了。
當下，要知道思維是什麼還有些困難，因為沒有人真的知道思維是什麼。但是，我們通常認為思維是以語言的形式表達出來的。如果我問你，你是怎麼思考的？也許你會說，我用語言思考，我用句子思考，諸如此類。所以也許我可以自我糾正，但是我認為可能你的意思是我們是否能像思考語言一樣儘可能快速地解碼。在此，我想我們還不知道這個問題的答案，我們還沒這麼幹過，但我相信答案會是肯定的，因為說話和書寫非常相似。想想什麼是書寫？書寫是非常準確地、迅速地活動不同的肌肉，說話則是非常快速地活動不同的肌肉、你的聲帶、口腔和嘴唇。
所以，
我們在書寫方面展示的所有數學、機器學習的內容都應該適用於說話
。並且，我想大多數人也會認同。但我們必須證明這一點。在我們能夠真正證明它之前，我不相信任何事。因為有時候你可能會出錯，對吧？我想，對於有些人來說，當他們認為自己能夠在腦海中描繪出這些詞語時，但實際上他們很難做到。這是對的，我想有一些很罕見的案例，一小部分人可能是以繪畫或顏色或事物的形式進行思考，但我想我們大多數人，比如我自己，是以語言來思考的。所以以上就是我的回答，雖然我們不知道，但這在神經科學中是非常有趣的，非常基礎的腦科學。
沿著這個問題，就像我們能夠把文字訊號傳輸給大腦，我們是否能夠連線兩個人的腦機介面讓他們能彼此交流呢？
Shenoy：
有人問到這個問題很正常。首先，我不知道，但這是個很有趣的問題。所以，讓我們一起來想想。如果我正在思考詞語，我認為我能閱讀、提取、解碼它們，也能以一定速度說出這些詞語。那麼，你的問題的第二個部分是，因為你會認為你能夠聽到或想到我的想法，那麼我能夠電刺激你的大腦神經元嗎？從科學的角度來看，我認為我們還不知道這是否可能。但如果是可能的，那我們應該會有一種電子的、無線的方式彼此交流。我確實認為有可能，隨著時間的推移，可能是1年、5年或者20年，我不知道。
但我的確相信，我們大腦裡的一切、精神生活的一切都是單個神經元的活動，所以應該是有可能的
。某一天，我的大腦裡會有一個小小的電腦晶片，向你的腦袋傳送無線電訊號，它刺激你的大腦，然後再反過來給我傳送訊號刺激我的大腦。你和我可以透過這樣的方式交流，卻不需要說任何話。
- Viacheslav Kudriashov -
接下來我有一個問題，如果我完全不懂英語，那麼您要如何理解我的意思呢？
Shenoy：
你是對的，這是一個很好的角度，因為我們也不知道，這取決於英語是我們的第一語言、第二語言還是第三語言，以及它在大腦中如何表徵。我認為這些問題都很吸引人。你可能是正確的。如果我們交流，你說，嘿，Krishna，你一定懂普通話吧。然後你在我的大腦裡植入一個晶片，開始輸入普通話，我可能會說：我根本不懂普通話。
或許一種解決方案是在通路中間放上一個翻譯器？
Shenoy：
是的，所以我認為，當我們想到這些技術可以幫助殘疾人時，這實際上引出了一個非常有意思的問題。我們正在做的也在推動科學發展，它促使我們對大腦提出新的有趣的問題，如果我們不思考如何利用這些資訊，有些問題可能就不會被問到，就像這場關於語言和其他問題的對話。我也不知道，這不像是基礎的神經科學研究者，我們必須像你和觀眾一樣思考這個問題。
但如果它們能連線每個人的大腦，那真的是有趣的想法，當然，也很可怕。
Shenoy：
是的，所以
倫理（什麼是對的、什麼是錯的）是很重要的
。你說得真的很對，我們所有人都在擔憂自己在手機上花了多少時間，我們在手機、電腦和網際網路上都在幹些什麼。但如果它真的就在你的大腦裡，真的很可怕。所以，我自己非常謹慎保守，因為我不想無意中傷害任何人，我的一生都在努力嘗試從醫學角度幫助有需要的人們。並且，就像在科學和工程領域一樣，你可以用不同的方式來使用它，但事實上可能不會幫到人們，就這點而言，我必須時刻保持謹慎。
說到臨床使用，另一個問題是，您預計腦機介面需要多長時間才能準備好用於臨床使用？未來你們將面對的挑戰是什麼？
Shenoy：
腦機介面的臨床應用是個非常有趣的問題。當下，從已有論文來看，一小部分人擁有臨床的腦機介面系統，在中國至少有1~2個人，美國很少。這個數字非常小，但是有人在做所謂的臨床試驗，安全性測試和其他各個方面的相關試驗非常少。
但如果我們考慮臨床使用，我認為你想說的可能是，如果我脖子受傷了，身體不能動了，我能不能直接去一家大醫院（可能不是距離最近的醫院），也許在北京或某個地方，然後作為常規健康護理的一部分完成手術？我希望如此，所以這也只是推測，我不知道，但我希望只需要再過10年我們就可以實現這一切。對於不知道的問題，人們總會給出10年這樣的答案。
但為什麼我說10年呢？我自己其實也很驚訝，大概是因為現在有許多公司開始對腦機介面很感興趣，如果公司有成百上千名員工能為此全職工作，這就是我所說的10年的含義。好比我的研究組有10人，只有10人，我們只是構思想法，讓公司來實際踐行我們的想法，得出的成果之後能幫到數以千計的人。但這些公司現在正在起步階段，製造電極的黑石微系統（Blockrock microsystems），還有一些中國或者歐洲的企業，美國埃隆·馬斯克（Elon Musk）創辦的Neuralink公司等等。
腦機介面開始受到關注並獲得了大量資金和人力支援，這一事實讓我變得更加樂觀。不過，也有可能會全面失敗，我不知道
。但我想，因為許許多多的人們真的在遭受痛苦，我們努力嘗試總歸是件好事。
許多人真的需要像腦機介面這樣的系統
。
所以我想10年是一個樂觀的猜測。
Shenoy：
我猜這也太樂觀了，我是這麼認為的。但如果5年前你問我同樣的問題，我想我會說20或30年，改變這一切的是數億美元以及成千上萬為此努力付出的人，這真的讓我很驚訝也很開心。因為我認為只要每個在這個領域工作的人能各盡其才，我的意思是，顯然有很多人致力於這個領域，包括（在加州理工學院建立天橋腦科學研究院的）陳天橋、雒芊芊夫婦，還有加州理工學院的理查德·安德森（Richard Anderson）。我曾在安德森門下接受訓練，最開始做神經義肢時我和他一同工作，1995年到2001年間，我是他負責培訓的博士後。陳氏夫婦在加州理工學院所做的一切都非常了不起。
天橋腦科學研究院（TCCI）在加州理工學院建成的科研大樓
我們也收集了一些科學家們的問題，他們對於資料非常好奇，您的團隊有可能向公眾分享原始資料嗎？也會包含原始的電生理資料嗎？
Shenoy：
這是個很好的問題，答案是“是的”。我們已經向大家分享了，但讓我再多解釋一點。
在處理人類神經資料時，人們必須對於隱私性非常謹慎
，所以，我們耗費了2年時間確保我們已經考慮過每一種不同的方法來保護我們的受試者。我們找到了一種好方法，我想每個人都會為此感到開心。當然，在論文中你可能沒有注意到，但它在論文很底部的位置，如果你想要獲取這篇論文中提到或沒有提到的所有神經資料，你可以去Dryad資料庫下載，它向公眾開放。你現在就可以下載全部資料，還有python程式碼，用於展示如何一步步完成機器學習的所有步驟。我們花了很長時間做這件事，這些程式碼資料就儲存在GitHub網站上——讀者們可能對此很熟悉。所以，
據我們所知，這是第一次有一項人類研究公佈了論文所有的資料和程式碼
。我們收到了許多非常積極的反饋，因為我們的目標是讓相關研究加速推進。我們想要幫助人們，我們想要幫助機器學習專家做得更好，我們想要幫助其他研究組，讓他們知道要記錄什麼。出於這些原因，我們做了這件不尋常的事情，這是前所未有的。
我想，所有的科學家，包括在中國的科學家，他們應該會感激你們開放的態度。
Shenoy：
那太好了。我們認為我們會一直這樣做，除了人們的隱私很難確保，我們很難確保科學家們也在保護他們的隱私。因為也許有人看到了神經訊號，然後發現某個人得了別的病或類似的病。但某種程度上，這個風險很低，好處卻很大。能用這個做點什麼呢？這些資料非常重要也很有意義。最後我們的受試者也授權了資料開放。我們解釋了我們認為應該做的一切，受試者也理解了我們的意圖，在反覆詢問之後我們得到的依然是肯定的答覆，受試者最終簽字同意。所以，受試者知道這是最重要的事情。老實講，我們非常高興，我們花了很多時間，我們沒有因此獲得任何嘉獎。但是沒關係，
我們不在乎榮譽，我們只是希望這些資料能夠幫助到別人
。
接下來的問題來自於一位工程師，他比較關心這項研究的硬體問題。他想問的是，你們下一步打算如何改進當前硬體？包括準確性、速度、效率、大大降低侵入性以及讓裝置使用起來更加簡易。
Shenoy：
這個問題非常好。硬體實際意味著兩件事。
其一是植入大腦的電極，其二是基於植入電極的所有電腦系統和聯結器
。雖然我們研究組不製造電極，但我們做的和這兩件事息息相關。首先，我們所做的與神經畫素緊密相關，這是霍華德休斯醫學院（Howard Hughes Medical Institute）和比利時微電子研究中心（Interuniversity Microelectronics Center，IMEC）的合作成果，他們用數百個微電極來製造電極，我們現在已經在動物模型上使用了這些產品，我們也已經發表了第一篇論文的預印本，目前有本期刊正在審稿。我們也在人類身上使用了這些產品，因此我們能記錄下3倍多的神經元活動。
第二個問題是大腦外的硬體？目前，患者頭頂上會有一個小聯結器，你們可能在影片中看到過，我們必須去掉它。它穿透了面板，是安全的，但我們不得不留下它，當然，它看起來不太好看，人們不太喜歡。所以我們需要的是較小的藍芽無線發射器，或者可能不是藍芽的而是無線的發射器。我們目前研究的還是侵入式的，我的意思是它仍然需要被植入到面板下方，大約深入到大腦表層下方1毫米或0。5毫米的位置。除此之外，我們沒有其他的研究方法，因為我們不知道還有任何其他方法能記錄或測量單個神經元。現在，有些出色的研究組在研究用於面板表面的電極，也就是EEG，這確實也很有效，但它們每秒從大腦獲取的資訊並不多，比如Jonathan Wolpaw在紐約的研究組等等都是採用這種方式。所以，
我們不是在研究非侵入性的方法，而是低侵入性的方法
。
- PIXILEON Motion Design & Animation Studio-
我們還有一些關於您個人興趣的問題。除了腦機介面，您還對神經科學的其它領域感興趣嗎？
Shenoy：
當然，腦機介面只是我們研究內容的一半，另一半非常相關但並不相同，是
純粹的基礎科學
。我們非常感興趣的是，大腦如何控制運動？它是如何學習運動的？它是如何適應運動、手臂運動和決策的？你是如何做決策的？以及你如何理解和解釋這些決定等等。之所以我說這個部分與腦機介面不同，是因為腦機介面是一種應用，對吧？它是我們如何運用科學知識、透過工程學來幫助人們的體現，而我現在提到的是純粹的基礎科學。比如，許多神經元如何一起工作來表徵資訊、計算資訊、控制等等，這是我們的基礎科學研究，我們致力於相關研究已有20年之久了。
未來5~10年內您的研究目標是？在這個領域您的終生目標又是什麼呢？
Shenoy：
我認為在高層次目標方面，實際上有三個，我先說前面兩個，因為第三個是順其自然的。一個是
幫助殘疾人，幫助無法行動的人們
，這是一個非常清晰的目標。我的第二個非常強烈的願望是
培訓學生和博士後，幫助他們學習如何選擇研究問題、如何解決問題
，當事情不順時不會沮喪，如何繼續前行
。我覺得幫助殘疾人和幫助人們發展自己的事業，這是最重要的事情。現在第三個目標就很明顯了，那就是
深層次地、真正地理解大腦
，因為它是如此的迷人，這正是我一生所想，也許沒那麼久，從大學開始吧。至少在大學以前，我對大腦真的沒有太多想法。一個暑期，我偶然得到了一份研究職位，基本上是關於神經計算的課題，我當時就對大腦感興趣了，真的太酷了，我很想知道大腦如何運作。35年來，我真的很想越來越多地瞭解大腦。我知道，終我一生也不可能將大腦瞭解透徹，那是不可能的，就像物理學家一樣，一輩子也永遠不可能理解物理學的一切。但是沒關係，我只想有所貢獻。
您今天說了很多內容，我們採訪結束後會把您所說的分享給許多年輕科學家。最後，您能分享一些想對年輕科學家們說的話和建議嗎？
Shenoy：
當然可以，這是一個非常好的機會來分享我的一些想法。我的智慧可能還不足以來分享任何東西，但如果讓我說的話，我想大家應該跟隨自己的內心。
是什麼不重要，但你得跟隨自己的內心
。在我自己的職業生涯中，我喜歡電子工程，我喜歡神經科學，因為我喜歡去了解有多少像小電晶體一樣的小部件變成了電腦，有多少神經元變成了大腦。我當時在麻省理工學院讀書，馬上就要獲得電子工程學博士學位。我決定拒絕一份非常賺錢的工作，遵從自己的內心。因為我知道，我只有在研究大腦、研究大腦如何幫助人們時，我才會感到滿足、感到快樂。我之所以說追隨你的內心或所熱愛的事務，是因為唯一能讓自己更為優秀的途徑，是唯一能夠有所成的方法。因為如果你從事一些不喜歡的事業，做一些你毫無觸動的事情，每天起床、全身心投入都會很困難，更別說第二天、接下來50年都是如此。所以我認為，有時候年輕科學家們、年輕學生們感覺自己理所應當知道自己所熱愛的事業是什麼，但事實並非如此。
你是無法控制自己喜歡上一件事情以及什麼時候會喜歡上的
。就像是在人際關係中，你不知道什麼時候你會遇到對的人、什麼時候你會結婚。你不知道什麼時候你會找到你喜歡的職業，
你只需要繼續尋找。你終會找到畢生的追求，並不懈探索。我想你不僅會過得很開心，更會有所成就
。
問題籌備：Aaron|採訪：Jiahui
翻譯：Nevaeh，張旭暉| 整理&審校：Vicky
編輯：lixia，Jiahui，EY|排版：光影
原文轉載自微信公眾號“nextquestion”：
https：//mp。weixin。qq。com/s/tXjnZ1qbwcEuNAzByvslzg
