研究人员利用人工智能改进了脑植入物对盲人视觉皮层的刺激方式，这一进展可能推动仿生眼的开发。

人工智能有望让未来的仿生眼更精确、响应更快，其途径是改善电信号与大脑之间的通信方式。在发表于 Neuron 的一项研究中，研究人员用深度学习控制一名盲人受试者的脑刺激，以更小的电流获得了更准确的神经响应。

该结果可推进视觉假体技术：这类装置绕过受损的眼球与视神经，直接刺激视觉皮层以产生光感。

在盲人受试者中验证人工智能

来自加州大学圣塔芭芭拉分校（UCSB）、苏黎世联邦理工学院（ETH Zurich）和米格尔·埃尔南德斯大学（MHU）的研究人员，在一名因创伤性脑损伤失明的27岁男性身上测试了该方法。在西班牙一家医院，一个含96个电极的临时植入物刺激其视觉皮层，产生光幻视（phosphenes），受试者将其感知为光点或光斑。

该团队由 UCSB 教授 Michael Beyeler 参与领导，训练了一个深度神经网络来预测大脑对不同刺激模式的响应。该 AI 模型还纳入了静息脑活动的测量数据，从而能够考虑每次测试前大脑状态的变化。

脑活动记录比电刺激参数更具预测力

与对照方法相比，AI 设计的刺激模式更准确地产生目标神经响应，且所需电流更低。研究人员还发现，记录的脑活动比单纯的电刺激参数更能预测受试者的视觉感知。

Beyeler 表示：“工程师天然想把光幻视当作像素来处理：刺激更多电极，就应该得到更完整的图像。但大脑不是这样运作的。电极之间会相互影响，神经响应会波动，我们输入大脑的东西并不一定是受试者感知到的东西。挑战在于更深入地理解这一转换过程。”

该植入物既能刺激神经元，也能记录其响应，使 AI 能够从真实脑活动中学习。受试者还描述了他感知到的光斑，包括亮度、大小、形状和颜色。

走向个性化的仿生视觉

该技术最终可能帮助因外伤、神经系统疾病或遗传疾病而失明的人群。Beyeler 强调了那些“曾在人生某段时间拥有视力，但后来因遗传性眼病或事故失去视力的人”，并补充说：“对这些人来说，恢复部分视力的意愿可能非常强烈。”

Beyeler 称这项国际研究工作是“一次真正的合作”，并表示该研究展示了计算模型如何影响涉及人类受试者的实验。

他说：“抽象地构建一个模型是一回事，看到它塑造一项以人为对象的实验则完全是另一回事。这种从理论走向某天可能真正帮助他人的能力，是我们实验室许多工作的驱动力。”

尽管该研究仍处于早期概念验证阶段，但它表明未来的视觉假体或可通过持续依据个体神经响应调整刺激而获得更好效果。

Beyeler 表示：“有用的视觉假体不能依赖固定配方。它必须学习个体大脑如何响应，并据此调整刺激。最终，设备应当适应人，而不是人适应设备。”

参考文献：Pehuén Moure, Jacob Granley, Fabrizio Grani, Leili Soo, Antonio Lozano, Rocío López-Peco, Adrián Villamarín-Ortiz, Cristina Soto-Sánchez, Shih-Chii Liu, Michael Beyeler and Eduardo Fernández, “Deep learning-based control of electrically evoked activity in human visual cortex”, Neuron, 2026年8月7日. DOI: 10.1016/j.neuron.2026.07.006