人工智能可能帮助克服为盲人恢复视觉时的一项重大挑战：让脑植入物产生可靠的视觉体验。包括加州大学圣塔芭芭拉分校（UC Santa Barbara）在内的三家机构的研究人员证明，AI 可以提高实验性视觉假体（visual prosthesis）刺激大脑的精确度，并预测受试者感知到的内容。

团队使用深度学习系统，为临时植入视觉皮层的电极开发电刺激模式。视觉皮层位于大脑后部，负责处理视觉信息。通过分析大脑响应，该技术使研究人员能更好地控制神经活动，并更准确地预判植入物产生的视觉感觉。

这项概念验证研究在线发表于《Neuron》期刊，代表向更先进视觉假体（有时称为仿生眼）迈进。未来这些设备可通过学习每个人大脑对刺激的响应，而不是依赖预设设置，从而变得更有效。

加州大学圣塔芭芭拉分校计算机科学、心理与脑科学副教授 Michael Beyeler 表示，在抽象层面构建模型是一回事，看到它塑造一项涉及人的实验则完全不同。这种从理论走向有朝一日可能帮助人的能力，是其实验室许多工作的驱动力。

仿生视觉绕过受损眼睛的路径

数十年来，科学家一直致力于开发能为盲人恢复部分视觉的技术，但结果总体有限。一些实验设备刺激视网膜，即眼球后部检测光的组织层。另一些则尝试激活视觉系统中更靠近视觉信息传入大脑通路后端的部分。

视觉皮层假体（visual cortical prostheses）的工作方式不同。它们不依赖眼睛或视神经，而是直接向视觉皮层传递电信号。对于视觉通路已受损但视觉皮层仍能对刺激产生响应的人，这种方法可能提供解决方案。潜在候选者包括因中风、神经退行性疾病或创伤性脑损伤而失明的人。

即使只能恢复有限视觉，对记得看见是什么感觉的人也可能尤其有意义。

Beyeler 强调那些曾在生命中某段时间能够看见，但后来因遗传性眼病或事故失去视觉的人。他补充说，对这些人而言，恢复部分视觉的愿望可能非常强烈。

科学家在盲人脑植入物中测试 AI

2024 年出现了一次测试该技术的重要机会，Beyeler 仿生视觉实验室的研究人员前往西班牙。他们的目标是确定其计算机模型能否改善一项实验研究中已在使用的一种脑植入物的性能。

在埃尔切的 IMED 医院，团队与一名 27 岁男性合作，他因创伤性脑损伤而失明。他接受了一个包含 96 个电极的植入物，电极以阵列形式布置在其视觉皮层内。该设备计划保留六个月后取出。

当研究人员用电流激活电极时，参与者体验到称为光幻视（phosphenes）的视觉感觉。它们可能表现为光点、闪光或光的形状，有时类似星星或烟花。

产生这些感觉是可能的，但使其一致且可预测要困难得多。相同的电刺激并不总是触发相同响应，激活特定电极也不保证受试者会感知到特定视觉模式。

为解决该问题，研究人员训练了一个深度神经网络（deep neural network），这是一类用于识别复杂模式的 AI，以预测视觉皮层对不同电刺激设置的响应。模型还考虑了刺激前即刻的大脑静息活动，从而获得受试者当前神经状态的信息。

利用这些预测，研究人员识别出最可能产生特定大脑活动模式的电信号组合。

AI 提高仿生视觉刺激精度

科学家测试 AI 选择的刺激模式时，结果令人鼓舞。与对照方法相比，新方法更准确地产生预期神经活动模式，同时所需电流更少。

团队检查大脑活动与受试者视觉体验之间的关系时，发现了另一项重要结果。直接从他大脑记录的模式，比刺激设置本身更能预测其感知内容。

这一区别很重要，因为激活大脑并不等于知道人会看到什么。即使研究人员能产生期望的神经响应，他们仍需理解大脑如何将该活动转化为有意识的视觉体验。

Beyeler 表示，工程师自然倾向于将光幻视当作像素：刺激更多电极，就应得到更完整图像。但大脑并非如此工作。电极会相互作用，神经响应会波动，输入大脑的内容不一定是人感知到的内容。挑战在于进一步理解这种转换。

这些发现表明，未来视觉假体可能不仅需要传递电信号，还需要监测大脑如何反应，并利用该反馈持续改进刺激。

让脑植入物适应每个个体

实验中使用的植入物的一项关键优势是能执行两项任务。它可以在用电流刺激视觉皮层的同时记录产生的神经活动。

这使研究人员能利用大脑的实际响应训练 AI 模型，而不是仅依赖哪些电极被激活以及它们传递多少电流的信息。

受试者还提供了关于其体验的反馈。他报告是否看到光幻视，并在某些实验中描述其外观，包括形状、大小、亮度和颜色。

将这些报告与记录的大脑活动比较后发现，神经响应所含关于感知视觉感觉的有用信息，多于单独的电刺激参数。

AI 系统还使用静息大脑活动测量，以解释每次刺激前受试者神经状态的变化。这可能尤其有价值，因为大脑对电信号的响应会随时间变化，包括逐日变化。

通过让刺激适应这些变化条件，未来假体可能提供更一致的视觉体验，而无需用户适应一套固定信号。

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，设备应适应人，而不是人适应设备。

尽管该技术仍处于实验阶段，且受试者的视觉体验仅限于闪光和光的形状，结果仍证明 AI 可改善人工视觉设备与大脑之间的通信。未来仿生视觉系统可以从每个个体学习并相应调整信号，而不是假设每个大脑的响应方式相同。这种个性化方法可能对开发最终能为失明者恢复有用视觉的植入物至关重要。