给记忆装一个"读写头"：BCI 与记忆研究的交汇

给记忆装一个“读写头”：BCI 与记忆研究的交汇

2018 年某天，费城一家医院里，一名癫痫患者躺在病床，电极贴片贴在颞叶内侧，正在做一项看起来挺无聊的任务——屏幕上闪过一串单词，他要努力记住。屏幕背后，一套闭环系统在做另一件事：实时读他的脑活动，判断“他现在有没有把词编进去”，一旦判定“没编好”，立刻给一下电刺激。结果是，他在该刺激时段记住的词比没刺激的明显更多。没有任何主观提示、没有任何“加油”指令，电极后端的算法悄悄把一段“失败中的记忆”给扶了起来。

这件事最让人着迷的不是“电刺激让人记性变好”，而是参与各方角色的微妙反转：算法在读，受试者在写，科学家在中间搭桥——一边观察记忆怎么形成，一边现场干预它怎么形成。这是脑机接口（BCI）第一次让记忆研究从“只能看见”变成“可以读写”。如果你做的是学习与记忆，这可能比任何一篇新 Nature 子刊都更值得你花十分钟。

一、记忆研究的天花板：相关到因果

过去几十年神经科学家把记忆的“硬件地图”画得越来越细：海马体把短期事件压缩进长期存储，内嗅皮层像一把梳子把时间序列梳理清楚，前额叶负责挑选什么值得记住，睡眠期间 sharp-wave ripples 反复重放白天事件……这些图谱让我们能说出“编码发生时脑看起来什么样”。

但“看起来什么样”和“让它真的发生”之间隔着一道墙。

经典手段 fMRI、EEG、单/多单位记录都是观测工具：你看到海马某个集群在编码期放电更猛，于是推断这群细胞参与了记忆。但你怎么证明“少了这群细胞记忆就崩”？光遗传在小鼠身上把这个问题推得很远——Tonegawa 实验室用 channelrhodopsin 在情景恐惧条件化之后重新激活“恐惧 engram 细胞”，动物会 freeze；抑制它们，记忆就像没存在过。但人是人，你没办法把病毒打到一个人类海马体里、精准把某一群 engram 细胞点亮。

在人身上做“因果测试”，传统武器少得可怜：

• TMS

  ：空间精度毫米级，但穿透深度浅，只能打到皮层；

• tDCS

  ：更弱，更弥散；

• 深部电刺激（DBS）

  ：在帕金森、强迫症里很成熟，但放在记忆上过去几乎没人敢长期做；

• 切除/损伤

  ：只能看被破坏之后剩什么，没法实时写。

BCI 提供的恰恰是这两件事的合并：既读又写。读，是从神经活动里实时解码“现在记忆处于什么状态”；写，是把电流送回特定脑区、在特定时间窗内“推它一把”。两者还能闭环——根据读到的状态决定写什么、写多少。这就把“因果”从相关性里拽了出来。

• （注）

  — 癫痫病人因诊断需要长期颅内电极植入，本来就在等发作；这群人成为首批“被读+被写”的人类受试者

二、“读”记忆：解码编码与提取状态

要写，先得读得好。BCI 给记忆研究的第一个礼物，是一个越来越稳定的“记忆状态机”。

我们都知道一个老经验：给被试看一张图，如果 3 秒后 ta 记得，那一帧图像在视觉皮层、海马、内嗅皮层引起的活动模式更“稳”、更“分化”——这是所谓的 neural differentiation 假说。但把这件事做成实时的、可用来触发刺激的解码器，是近十年才成熟的活儿。

Kahana 团队（Penn）多年来用颅内 EEG（iEEG）记录颞叶内侧和额叶，从单词列表任务里训练出相当不错的解码器：仅从刺激呈现后几百毫秒到一两秒内的高频活动（70–200 Hz 那段 power），就能预测“这个词会不会被记住”，准确率明显高于 chance。Ezzyat 等人 2018 年发表在 Nature Communications 的工作把这个解码器装进了闭环：每呈现一个词，算法实时看脑活动，若判定“编码不良”，立刻按该患者预先校准出的最优参数（频率在 10–200 Hz 间因人而异）给颞叶外侧短串刺激；结果显示闭环刺激时段回忆率显著上升。

ℹ️ 什么是“闭环刺激” 刺激不是按固定节奏给，而是由实时解码结果触发：只在系统判断“这个人现在没把信息编进去”的瞬间介入。刺激像外科手术一样精准。

读记忆不止读“编没编进去”。前沿团队已经在尝试解码更精细的状态：

• 提取时的内容

  ——给定一张图，让被试从脑活动里重建 ta 看到的视觉刺激（已有研究尝试从颅内电生理信号做粗粒度的视觉内容重建，但仍处于早期、样本量很小的阶段（具体作者与年份存在争议，建议自行核实））；

• 意图提取 vs. 不提取

  ——同一个 cue 出现时，“我在努力想”和“我没在回忆”对应不同的前额叶–海马耦合模式；

• 遗忘 vs. 干扰 vs. 消退

  ——同样是没记住，背后可能是不同神经机制，解码器若能区分，就能触发不同的写入策略。

这一层的真正价值是：记忆研究者手里第一次有了一个“心理状态读取器”，可以在毫秒尺度上知道大脑现在在做什么——这个时间分辨率，是 fMRI 给不了的。

三、“写”记忆：海马假体与闭环刺激

读得好是为了写得更准。BCI 在记忆写入上的故事，有两条主线。

海马记忆假体：MIMO 模型驱动 CA1/SUB 刺激

这条线最古老，也最接近科幻。Theodore Berger 在 USC 做了几十年的事，就是把海马体 CA3→CA1 这段环路看成一个输入-输出变换器——给定一段输入 spike 模式，经过 CA1 内部的突触权重，产出一段输出 spike 模式。如果你能测出这段变换的函数（“现在它是怎么变换的”），你就有了“它原本应该怎么变换”的参考。

他与合作者（包括 Robert Hampson、Sam Deadwyler 等）用了多年时间，在大鼠和猴上用电生理数据训练出一个多输入多输出（MIMO）非线性动力学模型，拟合 CA3→CA1 之间的突触变换。在动物模型上阻断这段环路原本会导致记忆缺失，但把模型实时跑起来、把模型预测的 CA1 输出以电刺激形式“代偿”回去，记忆表现能恢复到接近正常水平。

海马假体的核心逻辑

读 CA3、算 CA1、写 CA1
核心：用一个数学模型替代被损伤的突触变换，绕过病灶把“应该有的输出”补回去。

• 读：从 CA3（或 SUB）的实时 spike 模式读出输入

• 算：MIMO 模型给出 CA1 应当产出的模式

• 写：电刺激把“应当的模式”写进 CA1

2018 年前后，这套思路被推到了人身上——在癫痫病人长期植入电极的窗口里，研究者尝试用 MIMO 模型驱动的电刺激去增强编码或提取。早期结果里能看到情景记忆任务的改善，但样本量很小、效应量在不同被试之间差异显著。这不是“装个芯片就能让你变学神”的故事，而是一个可行性证明：在人脑上用模型替代一段内源性变换，是可以跑通的。

后续真正引人注目的是特异性问题——刺激到底影响了什么？是提高了编码效率？还是降低了提取阈值？还是改变了海马–皮层耦合？这些不是 BCI 单方面能回答的，必须和 fMRI、单单位记录、行为建模一起做。

Ezzyat-Kahana 的闭环颞叶刺激：另一种“写”

如果说 Berger 的路子是“在环路里插一段人造函数”，Ezzyat 和 Kahana 2018 年的工作走的是另一条：在外侧颞叶皮层上做解码驱动的刺激。

这套系统不依赖于你手里有一个 CA3→CA1 模型，而是依赖一个更朴素的事实：高频 gamma 活动的强度可以反映“编码是否成功”。他们把这条信号用作触发器：判断失败就给刺激。结果显示，被试在刺激 on 的 block 里能多记住不少单词。

• ≈15%

  — 闭环刺激（颞叶外侧）相对未刺激条件的回忆概率相对提升（Ezzyat 2018, Nat Commun；odds ratio≈1.18）

这条线的优雅之处在于它的侵入性相对小、机制更可解释——外侧颞叶是皮层，不是海马深层结构，刺激影响的是皮层-海马回路的协调，而不只是海马内部。它的局限是：增强的幅度没那么戏剧化，且跨被试的解码器需要重新校准。

Suthana 的内嗅皮层刺激

另一支值得一提的工作来自 Suthana（UCLA）：他们把电极放到内嗅皮层（EC）——这条环路在空间记忆里特别关键，因为 grid cell、entorhinal-hippocampal 通讯都汇聚于此。在空间导航任务中，EC 刺激能改善后续的空间记忆表现。这条线和 Berger 的工作互为补充：一个写海马内部、一个写海马的输入端。

四、睡眠、可塑性与神经反馈

读写的边界并不止于清醒任务。睡眠是记忆巩固的主战场，BCI 在这里正在长出两条新枝。

闭环 TMR：定向记忆再激活

Targeted Memory Reactivation（TMR）的老套路是：学习时给被试闻一种气味或听一种声音，睡眠时再放同样的刺激，记忆会被优先巩固。问题在于：睡眠中什么时候放？随便放可能反而干扰。

闭环 TMR 把这件事精细化了——用 EEG 解码睡眠阶段（特别是 slow oscillation up-state、spindle 密度高时），只在“系统准备好接受重放”的瞬间给 cue。早期人类研究显示这样做对程序性记忆、单词列表都有正向作用。

ℹ️ 闭环 TMR 的关键 刺激时机不是预设的，而是由实时脑状态决定的——只在脑“愿意听”的时候敲门。

另一条更“软”的路：不给刺激，让被试看着自己海马或前额叶活动的实时可视化，去主动调节自己的脑状态。研究显示，多轮训练后被试能学会在编码期维持更有利于记忆的活动模式，行为上对应着回忆率提升。

这件事对记忆研究者意义特殊——它把“可塑性”作为一个工具反向输回给实验：被试在做 BCI 校准的同时，也在做一种元认知/注意力的训练，而这种训练会改变他们后续记忆任务的脑活动基线。换句话说，BCI 的训练本身会污染（或丰富）你的数据，这是一个必须显式处理的混淆变量，也是一个机会。

可塑性驱动的解码器漂移

值得一提的是一个让 BCI 工程师头疼、但让记忆研究者兴奋的现象：解码器会漂移。同一个被试，今天的解码器明天可能就不准了——因为突触可塑性每天都在改变神经群体的响应特性。工程师通常把这件事当作噪声要去除。

但你换个角度看：解码器漂移本身就是一种学习/记忆的指纹。如果你的解码器是基于某一群细胞的活动，那它的漂移速率反映了这群细胞在多大程度上被重塑、被新经验纳入。这给了记忆研究一种间接但可量化的窗口，去观察“一个内部表征在被使用之后变成什么”。

五、记忆增强的伦理与边界

读到这你应该已经感觉到一件事：BCI 不只是一种工具，它正在重新定义“记忆增强”这件事的可行性曲线。

几个绕不开的问题：

1. 公平性

   。能装颅内电极的人极其少，主要是癫痫和少数帕金森患者。任何基于这群人的解码模型，外推到健康人能不能用、效果如何，目前证据非常稀薄。

2. 身份问题

   。如果 BCI 能增强“我”对某个事件的记忆，那它增强的是事实还是植入？如果未来的记忆假体能修补遗忘，那修补掉的是不是创伤本身？

3. 知情同意

   。闭环刺激通常很难向被试解释清楚——被试本人可能根本感知不到刺激，这意味着他们对“自己记起来的”无法形成完整的认知控制。

4. 数据隐私

   。能解码记忆状态，离能解码记忆内容还差多远？今天答案是“差很多”；但 5 年前也没人能想到 LLM 能从一段文字重建 prompt。把脑数据视为最高级别的隐私，已经不是科幻而是工程需求。

这些问题不是 BCI 圈独有的焦虑，但记忆 BCI 让它们变得特别尖锐——因为记忆和“自我”的绑定最深。

六、给记忆研究者的真问题

如果你做学习与记忆，下面这几个问题可能比“BCI 准不准”更值得花时间。

三个还没答案的真问题

Engram 的可写性
核心：engram 的可写性、特异性、跨被试通用性，是 BCI 给记忆研究带来的全新实验维度。

• 一段 engram 是只能增强强度，还是能改变内容？

• 能否只增强“我想增强的那一段”，而不污染相邻记忆？

• 一个被试训练出的解码器，能否在另一个被试上用？

1. Engram 的可写性到底有多细？

目前绝大多数闭环刺激证据都集中在“提升回忆率”这种粗粒度行为指标。但一个 engram 内部是有结构的——它有时间成分、空间成分、情绪成分、语义成分。BCI 让我们有机会问：写一段记忆，能不能选择性地增强某一个成分、压制另一个？这是任何非侵入手段都回答不了的问题。

2. 增强的特异性

小鼠光遗传工作已经显示，激活错误的 engram 细胞会让动物做出错误记忆甚至虚假记忆。人类 BCI 是否会引入类似的人工偏差？比如我刺激一个被试想增强“昨天吃了什么”，结果他开始把昨天的早饭和上周的早饭混起来——这种记忆融合目前几乎没有被系统研究过。

3. 跨被试通用解码器

运动 BCI 已经在做这件事：用一个大型数据集训练通用模型，再用少量被试数据微调。记忆 BCI 还远远做不到——因为每个人的海马表征是高度个人化的，engram 的位置、频率特征、时序关系都不一样。要不要做、能不能做、值不值得做，是开放问题。

结语

BCI 给记忆研究带来的，与其说是“黑科技加持”，不如说是一次实验范式的位移——从“看着脑问它为什么记”，变成“边看边推边问”。在这种范式下，记忆研究者不再是 fMRI 时间分辨率的囚徒，也不再被相关性研究的天花板压着；你可以让大脑进入一个本来进不去的状态，然后观察它怎么回来。

这套能力一旦铺开，最先被改写的可能不是“治疗失忆”，而是我们对“记忆是什么”的基本看法——它到底是静态痕迹，还是可重写、可增强、可擦除的过程？BCI 给了我们一个非常具体的工具去回答这个问题。

如果你正好做学习与记忆、engram、巩固、睡眠，或者在做人类颅内电生理——这一波技术浪潮值得你认真看一眼。我们后续会持续跟进 BCI 与认知神经科学的交叉进展，包括解码器架构、闭环范式、以及伦理框架的演化。欢迎关注本号，别错过下一期。

资料来源：

• Ezzyat Y, et al. Nature Communications, 2018. 闭环颞叶刺激增强人类情景记忆编码。

• Suthana N, et al. New England Journal of Medicine, 2012。内嗅皮层深部脑刺激改善人类空间记忆（相关后续工作见 Neuron 等）。

• Berger T, Hampson R, et al. Journal of Neural Engineering / Neural Computation 系列。MIMO 模型驱动海马假体在人/动物上的工作。

• Kahana M 团队关于 iEEG 记忆解码的系列研究（建议核对具体年份与期刊）。

• Tonegawa 实验室 engram 操控工作（Nature/Science 2010s）。

• 关于 TMR 与闭环睡眠刺激的近期文献（建议核对）。

• 部分跨被试通用 BCI 解码器的工作（如 Willett 等，关于运动 BCI；记忆领域目前仍以单被试为主）。

分享人：脑思客

审核：PsyBrain 脑心前沿编辑部

你好，这里是「PsyBrain 脑心前沿」

专注追踪全球认知神经科学的最尖端突破

视野直击 Nature, Science, Cell 正刊 及核心子刊与顶级大刊

每日速递「深度解读」与「前沿快讯」

科研是一场探索未知的长跑，但你无需独行。欢迎加入PsyBrain 学术社群，和一群懂你的同行，共同丈量脑与心智的无垠前沿。

点击卡片进群，欢迎你的到来

一键关注，点亮星标 ⭐ 前沿不走丢！

一键分享，让更多人了解前沿