对失明的人来说，再看一眼世界是格外重的愿望。现在的仿生眼思路是：绕开坏掉的眼睛和视神经，直接刺激大脑的视觉皮层，让人产生光感。可现实很骨感——多插几根电极，就能拼出更清晰的图像吗？加州大学圣塔芭芭拉分校的团队用AI给出了新答案：光靠电极堆数量没用，关键是读懂每个人大脑的脾气。论文发在《神经元》（Neuron）上。
这次实验的对象是一位27岁的男士，因脑外伤失明。在西班牙一家医院，研究人员给他临时植入了一块带96个电极的装置，直接刺激视觉皮层。刺激后，他看到了光幻视——可以理解为凭空出现的光点或光斑。
研究负责人之一、UCSB教授贝耶勒（Michael Beyeler）说了句很到位的话：工程师天然想把光幻视当像素——多刺激几个电极，画面就该更完整。但大脑不是这么工作的。电极之间会互相影响，神经响应会波动，我们输进去的东西，不一定是这个人感知到的东西。真正的难题，是搞懂这个输入到感知的转换。
团队的做法是训练一个深度神经网络，先学会预测大脑对不同刺激模式的反应。更细的一点是：模型还吃进了静息脑活动的数据——也就是每次测试前，先量一量大脑当时的状态。因为大脑不是机器，状态天天在变。
效果出来了。AI设计的刺激模式，产生的神经响应更精准，用的电流还更少。还有一个重要发现：用真实记录到的脑活动去预测这个人看到了什么，比只看电刺激参数准得多。换句话说，大脑自己的回声，比我们拨的旋钮更能说明问题。
这套植入装置既能刺激神经元，也能记录反应，等于给AI开了个实时反馈的口子：它可以从真实脑活动里学。受试者还具体描述了每次光斑的亮度、大小、形状和颜色——这些主观报告，又成了校准模型的宝贵数据。
最直接的受益者，是那些曾经看得见的人：因为遗传性眼病或事故中途失明的群体。贝耶勒说，对他们来说，想恢复一些视力的愿望可能非常强烈。当然，这项研究目前还只是早期的概念验证，离真正可用的仿生眼还有不短的路。
但它指出了一个方向：好的视觉假体不能靠一套固定配方，它得学习每个大脑怎么响应，然后跟着调。用贝耶勒的话说：最终，设备应该适应人，而不是让去适应设备。这句话，放在很多医疗器械上都成立。
参考来源：Moure P, et al. Deep learning-based control of electrically evoked activity in human visual cortex. Neuron. 2026. DOI: 10.1016/j.neuron.2026.07.006
#仿生眼 #视觉假体 #视觉皮层 #光幻视 #深度学习 #脑机接口 #神经科学 #失明康复
热门跟贴