脑 - 计算机接口(BCI)被视为一种潜在的手段，严重受损的人可以重新获得对其环境的控制，但建立这样的界面并非易事。由瑞士日内瓦洛桑联邦理工学院的一组研究人员于5月10日在开放获取期刊PLOS Biology上发表的一项研究表明，让人类适应机器可以提高他们在脑机接口上的表现。对参加Cybathlon avatar race竞赛的四肢瘫痪受试者进行的研究表明，当人类和机器都被允许学习时，计算机增强性能的最显着改善可能会发生。

使用大脑中的电活动来控制物体的BCI已经在脊髓损伤高的人，用于通信(通过控制键盘)，移动性(通过控制动力轮椅)和日常活动(通过控制机械臂或其他机器人装置)。

通常，使用非侵入性脑电图电极在颅骨表面的一个或多个点处检测电活动，并通过计算机程序馈送，该计算机程序随着时间的推移通过学习提高其响应性和准确性。

随着机器学习算法变得更快和更强大，研究人员主要致力于通过识别最佳模式识别算法来提高解码性能。作者假设如果操作员和机器都参与学习他们的共同任务，那么性能可以提高。

为了验证这一假设，作者招募了两名受试者，均为四肢瘫痪成年男性，用于训练BCI系统，旨在探测多种脑电波模式。训练进行了几个月，最终在一场名为Cybathlon的国际比赛中，他们与其他十支球队进行了比赛。“每个参与者在多部分比赛中控制了一个屏幕上的化身，需要掌握单独的旋转，跳跃，滑动和行走命令而不会磕磕绊绊。这两个主题在比赛中总体上最好的三次，其中一个获胜金牌和另一个举办锦标赛纪录

受试者在训练期间的脑电图记录表明他们适应了与想象运动相关的正常脑波模式，称为感觉运动节律，以控制化身，并且这些模式随着时间的推移变得更强，表明受试者正在学习如何更好地控制BCI在训练期间。虽然即使是最简单的BCI也可能进行一定程度的学习，但作者认为他们通过不经常重新校准计算机最大限度地提高了人类学习的机会，让人们有时间更好地学习如何最有效地控制感觉运动节律。唤起所需的化身运动。作者提出，为比赛做准备的培训也可能有助于加快学习速度。

作者说：“这项研究是为数不多的能够提供关于BCI培训期间学科学习效果的多方面证据的研究之一。” “与专注于BCI培训的机器学习方面的流行趋势相反，全面的相互学习方法可以极大地促进BCI技能的获得。”