在我們深入理解腦機介面的各項領域之前，我們應該要先理解我們在解碼的究竟是什麼，所以很直觀的疑問就是腦是什麼，還有裡到底有什麼。答案可能在國小生物課本裡就有了，腦中充滿了神經細胞（Neurons），除此之外你或許不知道，裡面還包含了神經膠質細胞（Glial Cells）跟上皮細胞（Endothelial cells）。神經數量大約是860億，與上皮細胞跟神經膠質細胞相加的數量相同，而其中上皮細胞只有佔比大約20%，所以大家數學自己算一下。
但其實說實在的，我們對腦的了解非常的少，首先，就以神經來說，腦內的細胞細就有很多不同種的了，他們可能使用不同的神經傳導物質、不同的形狀、不同功用，現在的科學家都還沒做好完整的分類，這樣細分下去根本講不完，再加上神經連結網絡的複雜、細胞數量的眾多、還有其實我們對想法、意識等定義也都不熟悉等一堆很複雜的事情，再說下去可能會發散變成哲學問題。但是說我們一無所知，也有點不太負責任，所以在這邊我就簡單地講解一下，我不想講的太死板，因為這樣你就去看教科書就好了，推薦大家一本叫做，Principle of Neural Science的書，如果真的非常有興趣的話，就去詳讀吧，雖然我好像也還沒讀完哈哈。
其實我構思了很久要怎麼開始這個話題，但是好像都沒有一個很好的方法可以不要講得太複雜，因為腦真的是一個很複雜的器官，我想不如我們就只講腦機介面會用到的一些與腦相關的部分好了。
區域
運動皮層（Motor Cortex）
大腦皮層主要控制自主運動的區域，大約位於頭頂的附近。首先，大腦皮層就是大腦最表層很多神經的區域，當然有很多可以說，但只要知道他就是一般認為腦產生訊號的地方。然後要注意是自主運動，就是是由自主意識控制的運動，例如你要拿水什麼的，雖然有時候你可能沒意識地拿，但先不要拘泥在小細節，我們把你可以控制的運動歸在這類。所以很多腦機介面的訊號都是利用讀取這個區域的訊號來做解碼，一方面是因為他在表層，且有很大的金字塔型的神經細胞，很好做監測，再來很直覺式的就是因為他是控制運動的，所以我們相信他的訊號也可以被轉譯拿來控制其它裝置。
橘色是運動皮層，藍色是感覺皮層
視覺皮層（Visual Cortex）
大腦皮層主要處理視覺刺激的區域，大約位於頭的後方，就是你正著躺枕頭，被壓在最下面的區域啦。這裡的好處是，視覺刺激能產生的訊號很強，屬於很好監測的地方。但壞處就是，他只能被動接受訊號，不能主動產生訊號，這也很好理解，畢竟你不可能想看到什麼就看到什麼。
其他還有聽覺皮層，可以利用不同的聲音產生刺激，然後讀取其訊號做破譯，但跟是覺皮層很像，是被動的，而且應用性沒那麼廣，就不細講。
神經訊號
先來說說最精準的神經訊號測量方法好了，神經的訊號非常微弱，大概只有100mV而已，想要非常精準的測量，就需要紀錄細胞內部的電訊號，這會用到一種叫做膜片鉗（Patch Clamp）的技術
膜片鉗讓我們可以很清楚的記錄到單一離子通道的作用方式，總共有大約6種膜片鉗的紀錄方式，避免講解太長，我把維基百科的連結放在這裡，在基本技術一欄，有空可以稍微看一下
但這種方式只適合針對單一細胞進行記錄，而且該細胞必須被取下並在實驗室裡進行，所以這並不適合腦機介面的使用。一般紀錄神經訊號都是測量神經外部的訊號，外部訊號有一個問題就是總體電阻太高，因為別忘了，腦中有很多腦脊髓液，所以導線必須距離神經很近才能獲的微弱的訊號。將金屬導線插入靠近神經約10微米（頭髮直徑大約是60~80微米）的地方就可以記錄到神經的訊號，當然不同材質的導線會有不同的效果，我們就先不細講。
既然我們都獲得了神經訊號，接下來就是破譯了，神經是一個很神奇的細胞，你可能會想說，哪有那麼難破譯，你就每次都展示一張圖，然後看一顆神經有沒有訊號，這樣我們就知道那一顆神經是不是在破譯這個圖的了啊。然後我們就重複這個步驟，展示不同圖片，或叫受試者想不同的事，雖然可能很花時間，但我們就能將神經與他代表的事件一對一的連在一起，反正也才大概860億顆神經，總有一天可以做完，等到那一天，我們就可以刺激某幾個神經，我們就能感受到甜味，另外幾顆，我們就能看到蘋果在桌上，再另外幾顆，我們就能聽到音樂，再另外幾顆，我們就能學會另一門語言，世界真美好。
但為什麼我們到今天都還做不到？第一個當然是神經的數量真的太大了，860億顆神經已經是一個超級大的數目，世界人口數目大概也才80億，就已經如此複雜了，更不要提他們的連結，一顆神經有許多突觸接到不同神經，這種以次方乘上去的的連結，已經不是說我花努力一個一個慢慢看就能破解完的。想想你們班或你們辦公室才幾個人，中間的愛很情仇就已經如此複雜了。再來，神經傳導物質也不一樣，形狀也不同，我們也不可能去置換其中的東西來看有什麼差異。如果說到這裡還沒說服你，要完整破譯大腦是幾乎不可能的事，那我接下來要說的一定可以讓你望之卻步。
神經的觸發，其實是一個近乎隨機的事件，也就是說，不是每次你展示同一張圖，相同的神經都會被觸發。不要問具體的原因，因為沒有人知道，我們知道的是神經的觸發比較接近一個機率的分布叫做Poisson Distribution，事件的發生只會讓他更容易被觸發而不是一定被觸發。詳細資訊請自己尋找，不想了解也沒關係，總之我想表達的只有，大腦真的超級無敵複雜。
看到這是不是有點絕望，覺得應該不用再看下去了啦，因為照你這麼說，訊號又是隨機的，數量又這麼多，根本辦法用啊。其實不會的，我們可以藉由把很多次的訊號疊起來，我們就可以觀察到訊號的不同，然後藉由這些不同，我們再去做進一步的破譯。還有我們退一步來看，一顆神經到底有沒有觸發，對一件事真的有那麼重要嗎，或許還好，因為你把手舉起來，也不是靠一顆神經觸發就可以辦到，而是一群神經（聽起來有點怪ＸＤ）集體觸發的結果。所以目前我們就是在這個微妙的夾縫中做研究，神經數量太少不足以代表什麼，神經數量太多又太複雜無法完整的做監測，到底多少神經才具有代表性呢？很多科學家正嘗試獲得這個問題的解答，我們就慢慢期待得到答案的那一天好了。
訊號處理
訊號處理大概可以說是腦機介面最重要的一個部分，這跟機率、統計、數學、資訊理論（Information Theory）甚至是機器學習相關，有點難跟無聊，所以就等到有一天有人問我了我們再來聊好了。但是要記住，訊號處理，幾乎可以說是腦機介面的本體，然後通常會需要把收集到的訊號疊起來，來得到有用的資訊，最後將這些資訊丟到一個系統中，最後養成一個系統後，再由系統來判斷之後新得到的訊號是什麼狀態，然後以此來控制裝置。
這次就先說到這裡好了，東西可能有點雜亂，但是我一個很大的目的是要引起你對腦機介面的興趣，而不是硬塞一些很難的知識給你，所以我也不想講太淺，也不想講太深，總之如果你有任何疑問或建議的話，可以留言給我喔！也可以分享給你有興趣的朋友，感恩感恩。
Commentaires