Najważniejszą niedawną zmianą w interfejsach mózg-komputer nie jest pojawienie się „czytania w myślach”. Chodzi o to, że starannie zaprojektowane systemy badawcze stają się wystarczająco szybkie i precyzyjne, aby przywrócić użyteczne funkcje, takie jak mowa, sterowanie kursorem, ruch robota, a w jednym przełomowym przypadku – chodzenie sterowane myślami. W 2025 roku wszczepiane systemy mowy wykroczyły poza powolne generowanie tekstu w kierunku niemal natychmiastowej syntezy głosu, podczas gdy inne zespoły wykazały się coraz bardziej zaawansowaną kontrolą motoryczną. Przegląd z 2026 roku opisuje obecnie kolejny etap badań jako przejście od dekodowania prób mowy do szerszych reprezentacji językowych. Postępy te są realne, ale wciąż mają charakter głównie eksperymentalny i często opierają się na zaledwie jednym lub kilku uczestnikach.
Jeśli jesteś nowy w tej dziedzinie, najlepszym sposobem na zrozumienie postępu jest prześledzenie całego łańcucha: co tak naprawdę mierzy interfejs mózg-komputer, w jaki sposób oprogramowanie przekształca te sygnały w polecenia, jakie urządzenie odbiera te polecenia, w jaki sposób użytkownicy szkolą się z systemem i gdzie dowody są mocne, a gdzie wciąż wstępne.
Interfejs mózg -komputer (BCI) to system mierzący aktywność neuronalną i przetwarzający wzorce tej aktywności na polecenia dla urządzenia zewnętrznego lub oprogramowania. Część „komputerowa” może być konwencjonalnym komputerem, ale jej wyjście może również sterować programem komunikacyjnym, ramieniem robota, interfejsem wózka inwalidzkiego, stymulatorem mięśni lub systemem stymulacji rdzenia kręgowego.
Terminu „neuroproteza” często używa się w odniesieniu do systemu zaprojektowanego w celu zastąpienia lub przywrócenia utraconej funkcji układu nerwowego. Neuroproteza mowy może na przykład przekształcać aktywność związaną z próbą mówienia na tekst lub syntezowany głos.
Nieinwazyjne interfejsy mózgowo-komórkowe (BCI) rejestrują aktywność bez interwencji chirurgicznej, najczęściej za pomocą elektroencefalografii (EEG), która mierzy sygnały elektryczne za pomocą elektrod umieszczonych na skórze głowy. Unikają one ryzyka związanego z implantacją, ale rejestrują sygnały po ich przejściu przez tkankę i czaszkę, przez co rozdzielczość przestrzenna i siła sygnału są bardziej ograniczone.
Wszczepiane interfejsy mózgowo-komórkowe (BCI) umieszczają elektrody bliżej tkanki nerwowej. Niektóre systemy rejestrują sygnały z powierzchni kory mózgowej za pomocą elektrokortykografii, często w skrócie ECoG. Inne wykorzystują wewnątrzkorowe mikroelektrody, które rejestrują aktywność populacji neuronów w korze mózgowej. Takie metody mogą zapewnić bogatsze sygnały, ale wiążą się z koniecznością interwencji chirurgicznej i długoterminowymi wyzwaniami inżynieryjnymi związanymi z wszczepianiem urządzeń medycznych.
Amerykańska Agencja ds. Żywności i Leków (FDA) wydała szczegółowe wytyczne dotyczące wszczepianych interfejsów mózgowo-rdzeniowych (BCI) osobom z paraliżem lub amputacją. Wytyczne obejmują badania niekliniczne i zagadnienia związane z badaniami klinicznymi urządzeń będących w fazie badań. Zapoznaj się z wytycznymi FDA dotyczącymi wszczepianych interfejsów mózgowo-rdzeniowych (BCI) .
Wyniki BCI będą bardziej zrozumiałe, jeśli przed przyjrzeniem się wynikom wydajności odpowiesz na cztery pytania.
| Pytanie | Dlaczego to ważne |
|---|---|
| Jaki sygnał jest nagrywany? | Rejestracja EEG skóry głowy, rejestracja powierzchni kory mózgowej i rejestracja wewnątrzkorowa zapewniają sygnał o bardzo różnej jakości i wymagają różnych poziomów inwazyjności. |
| Co jest dekodowane? | Kierunek kursora, próba ruchu palcami, próba mówienia i mowa wewnętrzna to różne zadania o różnym stopniu trudności i implikacjach dla prywatności. |
| Co odbiera dane wyjściowe? | Interfejs mózgowo-komórkowy (BCI) może sterować oprogramowaniem, urządzeniem robotycznym, mięśniami lub stymulatorem kręgosłupa. „Przywrócenie ruchu” nie zawsze oznacza, że sama ścieżka biologiczna została wyleczona. |
| Ile osób zostało przebadanych? | Wiele głośnych badań nad wszczepionym BCI to wczesne demonstracje wykonalności przeprowadzone na jednym lub kilku uczestnikach. |
Ten ostatni punkt jest kluczowy. Wynik może mieć istotne znaczenie naukowe i zmienić życie uczestnika, jednocześnie daleki od terapii, która została potwierdzona w przypadku dużej, zróżnicowanej populacji pacjentów.
Interfejs najpierw przechwytuje sygnał związany z tym, co użytkownik próbuje zrobić. W przypadku interfejsów BCI odpowiedzialnych za ruch, naukowcy często rejestrują aktywność obszarów kory ruchowej odpowiedzialnych za planowanie lub wykonywanie ruchu. W przypadku interfejsów BCI odpowiedzialnych za mowę, elektrody mogą rejestrować aktywność związaną z ruchami i wzorcami dźwiękowymi związanymi z mówieniem.
BCI zazwyczaj nie przeszukuje całego mózgu w poszukiwaniu abstrakcyjnej myśli. Wykorzystuje powtarzalne wzorce neuronowe, które korelują z określonym zadaniem.
Dekoder to algorytm , który mapuje aktywność neuronalną na zamierzony wynik. Podczas kalibracji uczestnik może próbować wykonywać ruchy, wyobrażać sobie ruchy, wypowiadać polecenia lub wykonywać inne ustrukturyzowane zadanie. Modele uczenia maszynowego uczą się statystycznych zależności między zarejestrowanymi wzorcami neuronowymi a zamierzonym działaniem.
Kalibracja ma znaczenie, ponieważ sygnały neuronowe są różne u różnych osób i mogą zmieniać się w czasie. Wydajne systemy coraz częściej korzystają z oprogramowania adaptacyjnego, dzięki czemu mapowanie może pozostać użyteczne nawet w przypadku dryftu nagrań lub gdy użytkownik nabiera wprawy.
Zdekodowany wynik staje się działaniem. W przypadku komunikacji, wyjściem może być tekst lub syntetyczna mowa. W przypadku ruchu, może to być trajektoria kursora, polecenie dla ramienia robota, wzór stymulacji mięśni lub wzór stymulacji rdzenia kręgowego.
Przydatny interfejs BCI to zazwyczaj system działający w pętli zamkniętej : użytkownik widzi, słyszy lub czuje wynik i dostosowuje kolejną próbę. Informacja zwrotna może pochodzić z ekranu, syntezowanego głosu, wizji poruszającego się ramienia robota lub fizycznego wrażenia stania i chodzenia. Użytkownik i algorytm skutecznie dostosowują się do siebie.
„Przywracanie sprawności ruchowej” obejmuje kilka poziomów funkcjonowania – od przesuwania kursora po sterowanie kończyną robota lub ponowne łączenie poleceń mózgowych z obwodami rdzeniowymi odpowiedzialnymi za chodzenie.
Badanie przeprowadzone przez Nature Medicine w 2025 roku wykazało, że wszczepiony, wysokowydajny system BCI (BCI) zdekodował trzy niezależne grupy palców u jednego uczestnika z tetraplegią spowodowaną urazem rdzenia kręgowego. Kciuk mógł być kontrolowany w dwóch wymiarach, dając łącznie cztery stopnie swobody. Uczestnik wykorzystywał system do zadań związanych z wyborem celu i sterowania quadrocopterem. Ma to znaczenie, ponieważ precyzyjna kontrola za pomocą palców jest bliższa elastyczności, jakiej ludzie oczekują od codziennej interakcji z komputerem, niż proste sterowanie lewą lub prawą ręką. Przeczytaj oryginalne badanie Nature Medicine dotyczące kontroli BCI za pomocą palców .
Wynik nie oznacza, że sparaliżowane palce uczestnika fizycznie odzyskały normalną ruchomość. Interfejs użytkownika (BCI) zdekodował zamierzoną aktywność palców i skierował ją do cyfrowego systemu sterowania. To rozróżnienie – między przywróceniem kontroli a naprawą pierwotnej ścieżki biologicznej – jest jedną z najważniejszych koncepcji dla nowicjuszy.
Bardziej bezpośredni przykład mobilności fizycznej pochodzi z badania opublikowanego w czasopiśmie Nature w 2023 roku. Naukowcy stworzyli interfejs mózgowo-rdzeniowy , cyfrowy most, który rejestrował intencje ruchowe mózgu i wykorzystywał je do sterowania elektrostymulacją zewnątrzoponową rdzenia kręgowego poniżej miejsca urazu. U jednego uczestnika z przewlekłą tetraplegią system wspomagał stanie, chodzenie, wchodzenie po schodach i poruszanie się po bardziej złożonym terenie. Badanie wykazało stabilne użytkowanie przez ponad rok, w tym samodzielne użytkowanie w domu, a także opisał powrót do zdrowia neurologicznego, który pozwolił uczestnikowi chodzić o kulach, nawet po wyłączeniu interfejsu. Przeczytaj oryginalne badanie opublikowane w czasopiśmie Nature dotyczące interfejsu mózgowo-rdzeniowy .
To mocny dowód słuszności koncepcji, ale nadal była to demonstracja z udziałem jednego uczestnika. Nie należy tego interpretować jako dowodu na to, że ten sam wynik jest obecnie dostępny lub gwarantowany dla każdego z urazem rdzenia kręgowego.
Rozwój mowy nastąpił szczególnie szybko, ponieważ interfejs mózg-komputer (BCI) potrafi wykorzystać aktywność neuronalną generowaną, gdy dana osoba próbuje mówić, nawet gdy paraliż uniemożliwia mięśniom wytwarzanie zrozumiałych dźwięków.
W badaniu z 2024 roku, podsumowanym przez Narodowe Instytuty Zdrowia (NIH), naukowcy wszczepili cztery 64-mikroelektrodowe matryce mężczyźnie ze stwardnieniem zanikowym bocznym (ALS), postępującą chorobą uszkadzającą neurony ruchowe. System dekodował próby mowy, zamieniając je na słowa. Po około 16 godzinach użytkowania, badanie wykazało dokładność odczytu słów na poziomie około 97,5% i tempo komunikacji na poziomie około 32 słów na minutę, przy czym wydajność utrzymywała się przez ponad osiem miesięcy w okresie objętym badaniem. Zobacz podsumowanie badania neuroprotez mowy z 2024 roku opublikowane przez NIH .
Wyniki te uzyskano u jednego uczestnika i opierały się na kalibracji, rejestracji neuronowej, uczeniu maszynowym i zewnętrznym systemie obliczeniowym. Dlatego też liczbę tę należy rozumieć jako wynik badania, a nie uniwersalny poziom dokładności dla interfejsów mózg-komputer (BCI) do analizy mowy.
Kolejnym wyzwaniem było wyczucie czasu rozmowy. Tekst może przywrócić komunikację, ale naturalna rozmowa wymaga wystarczająco szybkiego słyszenia głosu, aby móc się zmieniać, przerywać, zmieniać akcent i odpowiadać bez długich przerw.
W 2025 roku w badaniu opublikowanym w czasopiśmie Nature zademonstrowano natychmiastową neuroprotezę syntezy głosu u mężczyzny z SLA. Cztery wszczepione macierze zawierające 256 mikroelektrod rejestrowały aktywność neuronalną kory ruchowej odpowiedzialnej za mowę. System syntezował zrozumiały głos z bardzo niską latencją i umożliwiał pewną modulację intonacji i wysokości dźwięku, w tym krótkich melodii. Przeczytaj oryginalne badanie z 2025 roku w czasopiśmie Nature dotyczące syntezy głosu . Uniwersytet Kalifornijski w Davis podkreślił, że urządzenie to pozostaje w fazie badań i że wyniki wymagają powtórzenia u większej liczby uczestników; zobacz raport z badania i kontekst badania przeprowadzonego na Uniwersytecie Kalifornijskim w Davis .
W innym badaniu finansowanym przez Narodowy Instytut Zdrowia (NIH) w 2025 roku wykorzystano inną metodę implantacji u kobiety, która nie mogła mówić przez 18 lat po udarze. System dekodował próby wypowiedzi w sposób ciągły, przekształcając je w słyszalne słowa, osiągając prędkość 47,5 słowa na minutę przy pełnym słownictwie i szybciej przy ograniczonym słownictwie do 50 słów. NIH donosił, że aktywność mózgu związana z mową mogła zostać przełożona na mowę w mniej niż ćwierć sekundy. Zobacz raport NIH na temat strumieniowej syntezy mowy .
W tym miejscu język science fiction staje się szczególnie mylący. Obecne, wydajne interfejsy mózgowo-komputerowe (BCI) do analizy mowy działają zazwyczaj najlepiej, gdy uczestnik świadomie próbuje mówić. To generuje silny, specyficzny dla danego zadania sygnał neuronalny. Nie jest to równoznaczne ze swobodnym odczytywaniem dowolnych, prywatnych myśli.
Naukowcy badają jednak mowę wewnętrzną , czyli wyobrażone słowa lub zdania. W 2025 roku zespół kierowany przez Stanford doniósł, że mowę wewnętrzną można zdekodować na podstawie nagrań z kory ruchowej u czterech uczestników z poważnymi zaburzeniami motorycznymi i mowy. Naukowcy potraktowali również prywatność jako problem projektowy: przetestowali sposoby odróżniania prób mowy od mowy wewnętrznej i zaprezentowali strategię przypominającą hasło, mającą na celu zapobieganie niezamierzonemu dekodowaniu. Stanford wyraźnie zaznacza, że wszczepianie interfejsów mózg-komórka (BCI) jest wciąż na wczesnym etapie badań i że obecne systemy nie mają rozdzielczości potrzebnej do dokładnego dekodowania nieskrępowanych, prywatnych myśli. Zobacz wyjaśnienie badania nad mową wewnętrzną w Stanford Medicine .
W 2026 roku badacze w artykule opublikowanym w czasopiśmie „Nature Reviews Bioengineering” opisali możliwe przejście od interfejsów mózg-komputer mowy do interfejsów mózg-komputer języka , które mogłyby ostatecznie dekodować reprezentacje konceptualne wyższego poziomu. Jest to kierunek badań, a nie udowodniony, uniwersalny sposób odczytywania myśli. Przeczytaj perspektywę „Nature Reviews Bioengineering” z 2026 roku .
Dla potencjalnego użytkownika nie jest to urządzenie, które można po prostu kupić, włączyć i oczekiwać, że będzie działać. Obecne wszczepiane systemy są zazwyczaj oceniane w ramach badań naukowych, z precyzyjnie określonymi kryteriami kwalifikacyjnymi.
Zestaw słuchawkowy EEG, matryca ECoG, implant mikroelektrod wewnątrzkorowych oraz system stymulacji mózgowo-rdzeniowej charakteryzują się różną jakością sygnału, ryzykiem, celami i ścieżkami klinicznymi. Wyników z jednej kategorii nie należy po prostu przenosić do innej.
Większość skutecznych systemów jest trenowana na wąsko zdefiniowanych zadaniach. Wykrywają one wzorce statystyczne związane z próbą mówienia lub poruszania się i mapują je na dane wyjściowe. To imponujące dekodowanie neuronowe, ale nie oznacza nieograniczonego dostępu do wszystkiego, co człowiek myśli lub wie.
Sam interfejs mózgowo-komórkowy (BCI) nie jest w stanie poruszyć sparaliżowanej kończyny. Musi gdzieś wysłać polecenia. Może to być ramię robota, kursor, funkcjonalna stymulacja elektryczna mięśni lub stymulator kręgosłupa. Pełna ścieżka określa, co tak naprawdę oznacza „odbudowa”.
Kilka najważniejszych demonstracji w tej dziedzinie – w tym naturalistyczna synteza mózg-głos i chodzenie mózgowo-kręgosłupowe – zostało zgłoszonych u indywidualnych uczestników. Wczesne badania wykonalności dają odpowiedź na pytanie „czy to zadziała?”, zanim większe badania pozwolą odpowiedzieć na pytanie „jak niezawodnie, dla kogo i z jakim ryzykiem?”.
Przydatność w warunkach rzeczywistych zależy również od opóźnienia, obciążenia kalibracją, długoterminowej stabilności sygnału, korekcji błędów, wygody, potrzeb opiekunów, użyteczności w warunkach domowych, możliwości naprawy oraz tego, czy użytkownik może obsługiwać system bez stałej obecności zespołu badawczego.
Długoterminowa niezawodność stanowi jedno z głównych wyzwań. Zapisy neuronowe mogą ulegać zmianom wraz ze zmianami elektrod, tkanek, sprzętu lub fizjologii. System, który dobrze sprawdza się podczas sesji laboratoryjnej, musi również zachować użyteczność przez miesiące i lata.
Równie ważna jest praktyczność sprzętu . Wiele systemów badawczych nadal opiera się na zewnętrznych komputerach, kablach, specjalistycznych złączach lub infrastrukturze laboratoryjnej. W pełni wszczepialne i bezprzewodowe systemy mogłyby poprawić codzienną użyteczność, ale muszą spełniać wysokie wymagania dotyczące zasilania, wydzielania ciepła, transmisji danych, cyberbezpieczeństwa i niezawodności.
Dowody kliniczne muszą się poszerzać. Naukowcy potrzebują większych i bardziej zróżnicowanych grup uczestników, odpowiednich porównań, wiarygodnych, zorientowanych na pacjenta wskaźników wyników oraz długiego okresu obserwacji. Wytyczne FDA dotyczące implantowanych BCI odzwierciedlają tę rzeczywistość, uwzględniając biokompatybilność, bezpieczeństwo elektryczne, oprogramowanie, cyberbezpieczeństwo, testy na zwierzętach (w stosownych przypadkach), czynniki ludzkie, kliniczne punkty końcowe i inne kwestie związane z przejściem od badań wykonalności do dostępu do rynku.
W miarę jak dekodery będą stawać się coraz bardziej zaawansowane, rola agencji i prywatności będzie rosła. Systemy powinny ułatwiać użytkownikowi decydowanie, kiedy dane wyjściowe są włączone, oraz odróżnianie zamierzonego polecenia od myśli wewnętrznej. Prace nad mową wewnętrzną z 2025 roku są ważne nie tylko ze względu na udoskonalenie dekodowania, ale także dlatego, że naukowcy przetestowali mechanizmy ochrony przed niezamierzonymi danymi wyjściowymi.
Najwyraźniejsza ścieżka prowadzi w kierunku interfejsów BCI, które są szybsze, bardziej naturalne i lepiej zintegrowane z codziennymi zadaniami. W przypadku mowy oznacza to przejście od wybierania liter do dekodowania całych słów, a następnie do ciągłego głosu z uwzględnieniem rytmu i ekspresji. W przypadku ruchu oznacza to przejście od prostego sterowania kursorem do wielostopniowej swobody, współużytkowania sterowania z inteligentnym oprogramowaniem wspomagającym oraz interfejsów stymulujących układ nerwowy użytkownika.
Najbardziej obiecujące systemy przyszłości mogą stać się dwukierunkowe : nie tylko odczytują intencje ruchowe z mózgu, ale także zwracają użyteczne informacje sensoryczne do układu nerwowego. Sensoryczne sprzężenie zwrotne mogłoby ułatwić kontrolowanie ruchu robota lub ruchu stymulowanego, ponieważ użytkownik nie musiałby polegać wyłącznie na wzroku.
Droga od imponujących wyników badań do niezawodnej technologii medycznej jest jednak długa. Bezpieczeństwo, trwałość, autonomia, obciążenie szkoleniowe, prywatność, przystępność cenowa i dostęp są równie ważne, jak dokładność dekodowania.
Technologia BCI wykracza już poza ramy science fiction w jednym ważnym sensie: aktywność neuronalna osób sparaliżowanych została wykorzystana w opublikowanych badaniach na ludziach do tworzenia tekstu, syntezy mowy, kontrolowania złożonych ruchów cyfrowych i łączenia poleceń mózgowych ze stymulacją kręgosłupa umożliwiającą chodzenie.
Jednak „rzeczywistość” nie oznacza rutynowej dostępności. Najsilniejsze wszczepiane systemy są wciąż w fazie badań, wiele przełomowych wyników dotyczy bardzo małej liczby uczestników, a różne schorzenia neurologiczne mogą wymagać różnych interfejsów. Właściwym sposobem śledzenia sytuacji jest zatem pytanie, jaki sygnał został zarejestrowany, co uczestnik celowo zrobił, jak wytrenowano dekoder, jakie urządzenie odebrało sygnał wyjściowy, ile osób zostało przebadanych i jak długo utrzymywała się korzyść.
Dzięki takim ramom postęp można łatwiej docenić, nie zamieniając ostrożnej neuroinżynierii w obietnicę, której dowody jeszcze nie potwierdzają.
Inwestycje w CCUS rosną, ale czy wychwytywanie dwutlenku węgla może odwrócić globalne emisje? Zobacz, gdzie to działa, jakie są ograniczenia skali i jakie dowody są istotne.
Compare seven global programs for digital supply chains, logistics, analytics, global trade, and operations, with practical guidance on choosing the right fit.
Dowiedz się, w jaki sposób interfejsy mózg-komputer dekodują sygnały neuronowe, aby przywrócić komunikację i ruch, jakie są osiągnięcia ostatnich badań i co nadal ogranicza stosowanie BCI.
Zobacz, w jaki sposób komercyjne drony łączą w sobie czujniki, sztuczną inteligencję, baterie, komunikację i oprogramowanie do sterowania lotem, a także dowiedz się, w jakim zakresie autonomia nadal zależy od misji i regulacji.
Porównaj siedem solidnych opcji studiów magisterskich z zakresu akumulatorów i magazynowania energii pod kątem materiałów, systemów, badań, znajomości branży, elastyczności, języka i kompromisów w zakresie kosztów.
Dowiedz się, w jaki sposób masa ładunku, ograniczenia akumulatora, pogoda, wydajność napędu i architektura statku powietrznego wpływają na wytrzymałość przemysłowych bezzałogowych statków powietrznych — i jak ją poprawić.
Porównaj wiodące programy inżynierii biomedycznej dla inteligentnych urządzeń medycznych, obejmujące projektowanie, bioelektronikę, sztuczną inteligencję, cyberbezpieczeństwo, szkolenia kliniczne i regulacje.
Stwórz praktyczny plan ciągłości przestoju Salesforce z jasnymi priorytetami, zapasowymi przepływami pracy, kontrolami odzyskiwania, kryteriami testowania i realistycznymi ograniczeniami.
Problemy z StoreForce mogą zakłócać harmonogramy, ewidencję czasu pracy, zmiany zmian i komunikację w sklepie. Dowiedz się, jak zdiagnozować problem, utrzymać płynność operacji w sklepie i zweryfikować proces odzyskiwania danych.
Dowiedz się, jak skontaktować się z pomocą techniczną Salesforce w przypadku poważnej awarii, wybierz odpowiedni kanał, przygotuj przydatny przypadek i podejmij działania następcze, nie tworząc przy tym duplikatów zgłoszeń.
