AI技術加速腦機介面應用落地　大腦訊號解碼BCI新進展

根據哈佛醫學院資料，人腦極為複雜， 估計由約860億個神經元構成，彼此之間形成超過100兆個連接。數十年來，對大腦的解析與資料擷取主要侷限於神經科學研究領域。然而，隨著腦機介面(Brain-Computer Interface, BCI)技術的發展，大腦資料正變得比以往更容易取得。

這類裝置可將神經活動轉換為即時且可用的資訊，協助使用者理解自身精神狀態、提升專注力、監測壓力，並進一步應用於健康管理。

腦機介面概念

腦機介面是指大腦電活動與外部設備(如電腦)之間的通訊機制。其運作方式為分析大腦訊號，最常見的是透過腦電圖(Electroencephalography, EEG)感測器擷取大腦活動，並將資料傳送到外部裝置進行處理。

現代神經技術可追溯至約一世紀前，漢斯．伯傑(Hans Berger)首次記錄腦電圖訊號，使科學家得以量測大腦活動。隨著技術進步，腦電圖的解析度持續提升；此外，功能性磁振造影(functional Magnetic Resonance Imaging, fMRI, fMRI)，可透過血流變化分析來推估大腦活動，亦大幅深化人類對腦功能的理解。

腦機介面技術發展

腦機介面奠基於早期神經技術，進一步建立大腦與外部裝置之間的直接通訊機制。「腦機介面」一詞由雅克．維達爾(Jacques Vidal)於1970年代提出，其研究利用非侵入式腦電圖，實現人腦與電腦之間的互動[2]。

早期研究多以靈長類動物為對象，透過手術將感測器置於接近灰質的位置，以提高訊號品質。此後，人體實驗逐步發展出侵入式、非侵入式與半侵入式等多種方法，例如將裝置植入顱骨內但不直接接觸腦組織。隨著連網裝置與即時運算技術進步，腦機介面的應用範圍亦持續擴展。

人工智慧驅動理解能力提升

在直接記錄與解讀大腦訊號的過程中，資料規模始終是一項關鍵挑戰。大腦會產生大量電脈衝訊號，使得即時處理與分析變得困難。

隨著人工智慧(Artificial Intelligence, AI)技術日益成熟，研究人員得以更有效地擷取、整理並分析大腦資料。相較於傳統雲端運算，結合邊緣運算(Edge Computing)的人工智慧方法，可在裝置端進行即時處理，有助於降低延遲並分擔資料處理負擔。

腦機介面應用

心理健康

腦機介面可作為神經調節工具，應用於患有焦慮症、注意力不足過動症(Attention Deficit Hyperactivity Disorder, ADHD)、憂鬱症及創傷後壓力症候群(Post-Traumatic Stress Disorder, PTSD)等狀況，幫助患者調節心理健康。透過即時回饋腦電活動，使用者可逐步調整自身狀態，提升對心理健康的覺察。

輔助溝通

對於因肌萎縮側索硬化症(Amyotrophic Lateral Sclerosis, ALS)、受傷或其他神經疾病而喪失語言能力的患者，腦機介面可提供替代性的溝通方式，協助其與外界互動。

認知功能強化

腦機介面可透過神經回饋機制調整特定腦波活動(如α波)，以提升注意力、記憶力、注意力與整體認知表現，並可應用於飛行員專業訓練或中風患者復健情境。

疾病檢測

透過直接與大腦互動，有助於診斷神經系統疾病與精神疾病，並在特定情況下作為治療輔助工具。

現有腦機介面裝置發展

Neurable

總部位於波士頓的新創公司Neurable，致力於將腦機介面整合至耳機、眼鏡與頭盔等日常裝置中，採用非侵入式方式提供使用者狀態分析功能。其耳機型產品透過嵌入耳墊的腦電圖感測器來擷取腦部訊號，並結合AI分析使用者的專注程度，協助使用者掌握工作節奏。

Cognixion

Cognixion ONE是第一個結合擴增實境(Augmented Reality, AR)的可穿戴腦機介面裝置，主要應用於輔助溝通。該設備整合眼動追蹤與預測輸入技術，將使用者欲表達的內容顯示於鏡片上，使他人能理解其意圖，提升溝通效率與行動自由度。

該眼鏡使用上下文感知預測鍵盤和眼動追蹤技術在鏡片上顯示使用者訊息，使其他人能夠看到並理解使用者試圖表達的內容。

Neuralink

由埃隆．馬斯克(Elon Musk)創立的神經技術公司Neuralink致力於開發植入式腦機介面晶片，旨在讓四肢癱瘓患者能透過大腦活動操作外部設備。該技術目前仍處於臨床試驗階段，長期目標是恢復運動功能與感官能力。

腦機介面挑戰與限制

腦機介面的核心挑戰之一在於訊號擷取方式。一般而言，感測器越接近腦組織，訊號品質越佳，但侵入式方法可能帶來手術風險與組織反應，例如疤痕組織形成，進而影響訊號傳輸。相較之下，非侵入式與半侵入式方法雖較安全，但在訊號精準度上仍存在限制。

此外，大量腦部資料的處理與分析亦對運算資源與能源效率提出高度要求。隨著人工智慧與機器學習技術持續發展，如何在提升運算能力的同時控制能耗，將成為影響腦機介面普及的重要因素。

儘管目前相關技術仍有不足之處，人工智慧已在提升腦機介面效能方面展現初步成果。未來隨著技術持續進步，腦機介面有望逐步由研究走向實際應用。

整體而言，隨著人工智慧與半導體技術持續進步，腦機介面有望逐步從研究走向實際應用，但其技術成熟與普及仍有待時間驗證。

(本文由Ambiq提供)

參考資料

1. Catherine Caruso, A New Field of Neuroscience Aims to Map Connections in the Brain, Harvard Medical School, 2023/1/19
2. Vidal, J. J., Toward Direct Brain- Computer Communication, Annual Review of Biophysics and Bioengineering, Vol.2, p.157–180, 1973
3. Neurable, https://www.neurable. com/, 2025
4. Cognixion, h t t p s : / / o n e . cognixion.com/, 2025
5. Neuralink, https://neuralink. com/, 2025