Trends Cogn Sci 机器可以改变我们的想法吗？

如果我们可以向机器提供有关我们大脑活动的信息，那么该机器可以使用该信息来防止某些不良的心理状态发生吗？例如，该机器可以学习如何减轻主观上的疼痛吗？

在最近的一项实验中，剑桥大学设计了一个闭环脑机界面，该界面学会了通过解码与疼痛有关的大脑活动来减轻参与者的痛苦。在这样做时，他们还强调了与脑机通信中的自适应过程相关的一些挑战。

在这项研究中，首先，Suyi Zhang和同事们没有使用感官反馈，而是实施了强化学习算法，该算法动态地调整了机器与参与者的互动，从而选择了最有效的措施，以减少参与者遭受痛苦的电刺激。其次，也是最重要的是，这种特殊的设置还赋予参与者通过自愿改变他们对疼痛的大脑反应来优化与机器的交流的能力。这引起了一个有趣的，可能会引起问题的协同适应问题：机器不仅学习根据参与者的反应来调整其动作，而且参与者还可以通过调节其大脑活动来学习与机器进行交流。

为了探索与适应相关的潜在挑战，Suyi Zhang及其同事设计的实验从概念上模仿了一种算法可以学习优化疼痛的脑刺激治疗参数的情况。但是，脑机接口实学会了选择从两个电刺激器中分别发出低强度冲击还是高强度冲击，该机器可快速学习如何在逐个试验的基础上调整其动作，从而逐渐减少痛苦的电击次数。由此可见，即脑与计算机之间的自适应通信是可行的。

这项研究第二部分是，当参与者对被动预测的高冲击和低冲击进行了训练，以预测大脑活动来预测疼痛的预测模式，然而第一次训练和随后的互动训练之间，不仅预测准确性显着下降，而且随后的探照灯分析也证实，脑内疼痛预测信息较少。这表明试图与机器通信的唯一行为反而干扰了与之通信的实际能力。他们猜测，仅尝试与大脑解码器进行通信的事实似乎会影响疼痛的处理，进而可能会调节大脑中疼痛的可解码性。

诚然，仍然需要进行大量研究，这项研究为未来更广泛深入的研究做了铺垫，此外，未来的研究可能还希望考虑通过利用更大的数据集来训练目标解码器，以提高解码精度并扩大潜在干预的范围。为此，可以考虑使用功能对齐方法，例如超对齐或共享响应模型，因为它们先前已被证明在其他实时解码方法中有用。

阐明大脑与机器之间复杂的相互作用可能为认知神经科学中的新干预方法做准备，但是在机器可以出于治疗目的灵活地监视和更改功能异常的大脑模式之前，需要进行大量工作，尽管如此，剑桥大学研究发现表明，目前这是一种值得考虑的可能性。

参考文献：

VincentTaschereau-Dumouchel,MathieuRoy, et al. Could Brain Decoding Machines Change Our Minds? Trends in cognitive sciences. DOI: https://doi.org/10.1016/j.tics.2020.09.006