人工智能發展的最大瓶頸是什麼？機器人產業到底卡在了什麼地方？對此，人們都比較清楚，就是“人機結合”難題。人類與機器如何對接，這已成科研人員最集中的攻關方向。鏈科技小編今天關注這一話題。英國《自然·醫學》雜誌日前發表一項研究，報告了一種可以分析四肢癱瘓患者大腦活動的深度學習算法。該算法已被用於向患者的前臂肌肉傳遞電刺激，從而恢復癱瘓肢體的功能性運動。該算法支持的腦機接口可以將控制運動的中樞神經系統迴路和輔助設備（例如計算機光標或機器人設備）連接起來，腦機接口具有繞過脊髓損傷，通過直接的肌肉刺激來恢復癱瘓肢體的功能。

人類與機器對接，其中最核心的是大腦與機器的對接，這需要高性能的傳感系統，還必須有最科學的計算機算法。數據精準、設計巧妙的計算機算法是實現腦機對接不可或缺的重要環節。美國巴特爾紀念研究所的科學家用兩年時間，收集了四肢癱瘓患者執行“想象的”手臂和手部運動時的腦皮質活動記錄。他們向患者運動皮層植入微電極陣列，長期收集患者大腦活動信息。這些微電極以高時空分辨率直接採樣神經元活動。根據這個大型數據集，他們使用深度學習方法開發了一種腦機接口解碼器，它可以準確、快速而持久地運行，並且會學習新功能，基本不需要再訓練。示例患者可以使用解碼器來抓取和操縱物體，但是這種方法是否適用於其他患者，是否支持更長久的實際應用，還有待進一步驗證。未來的研究應該調查是否可以通過實際應用中產生的訓練數據，而非在受控的實驗室條件下獲得的訓練數據，來生成類似功能的解碼器。

鏈科技成果庫項目：基於神經網絡的伺服控制系統及方法。本發明的目的在於提高伺服系統的控制精度，提出了一種應用於伺服系統的神經網絡模型參考自適應控制方法，有效的補償了伺服系統的非線性，抑制了干擾，提高了伺服系統的跟蹤精度和魯棒性。另外，本發明對伺服系統的控制不需要建立在對象精確建模的基礎上，節省了建模的費用，易於在工程中實施並降低成本。

鏈科技ChainTech精準提煉企業技術需求，快速鏈接研發外腦，專注打造全新科技服務生態圈。需求牽引、技術推動、跟蹤測評、全程預警，做中國企業最貼心的“技術管家”。