科学家利用深度学习解码大脑视觉皮层 有望帮助盲人重获部分视觉

人工智能正在为仿生视觉技术打开新的发展方向。来自美国加州大学圣巴巴拉分校、瑞士苏黎世联邦理工学院以及西班牙米格尔·埃尔南德斯大学的研究人员，利用深度学习技术改进了视觉皮层植入设备的电刺激方式，使大脑能够以更精确、更节省电能的方式产生视觉感知。这项研究有望推动新一代仿生眼的发展，为因眼部或视神经损伤而失明的人提供恢复部分视觉的可能。

传统视觉假体通常试图通过摄像头捕捉外界图像，再将图像转换为电信号，刺激视网膜或大脑视觉皮层，让使用者感知光点或简单形状。然而，视觉系统远比普通显示屏复杂。即使向多个电极输入精确的电信号，大脑最终产生的视觉感受也未必与输入信号一一对应。电极之间可能相互影响，神经元的反应也会随着时间和大脑状态发生变化。

此次研究的重点，正是解决电刺激信号与人类实际视觉感知之间的差异。

研究团队在西班牙一家医院开展了人体实验，参与者是一名27岁的男性。他此前因严重创伤性脑损伤失去了视力。研究人员在他的视觉皮层植入了一块临时性电极阵列，其中包含96个电极，可以直接向负责视觉处理的大脑区域发送电信号。

当电极刺激视觉皮层时，参与者能够感受到被称为“光幻视”（Phosphenes）的视觉现象，也就是即使没有外界光线进入眼睛，大脑仍然会产生闪光、光点或简单形状的感觉。这种现象是视觉皮层假体研究的重要基础，因为它证明了通过直接刺激大脑，可以在一定程度上绕过受损的眼睛和视神经，产生视觉体验。

为了提高刺激效果，研究人员训练了一套深度神经网络，让人工智能学习不同电刺激模式与大脑神经反应之间的关系。

与传统方法不同，这套AI系统不仅分析电极输入了什么信号，还会参考每次测试之前记录的大脑静息活动。大脑并不是始终处于相同状态，即使使用完全相同的电刺激，不同时间也可能产生不同的神经反应。通过将这些背景活动纳入模型，人工智能能够更准确地预测大脑对特定刺激的反应，并据此调整电极的工作方式。

实验结果显示，经过AI优化的刺激模式能够更准确地激活目标神经反应，同时所需电流也更低。研究人员还发现，相比单纯观察电极的电气参数，直接记录的大脑活动实际上更能预测参与者最终产生的视觉感受。

这一发现具有重要意义。传统工程思维往往将视觉皮层视为一块可以通过电极逐点点亮的显示屏，认为刺激更多电极就能够形成更完整的图像。但实际情况并非如此。电极之间存在相互作用，神经元反应也具有波动性，输入大脑的电信号并不等于人最终看到的内容。

此次实验中，研究人员不仅记录了神经活动，还要求参与者描述自己感受到的光点，包括亮度、大小、形状和颜色等信息。这些主观视觉体验与客观神经记录相结合，为人工智能建立更加准确的刺激模型提供了数据基础。

更值得关注的是，这种植入设备同时具备刺激神经元和记录神经反应的能力。这意味着未来的视觉假体不必始终按照预先设定的固定参数工作，而是可以持续观察大脑的反应，再由人工智能动态调整刺激方案。

研究负责人、加州大学圣巴巴拉分校教授迈克尔·贝耶勒表示，真正有用的视觉假体不能依赖一套适用于所有人的固定刺激方案，而应该学习每个人大脑的反应特点，并根据个体差异不断调整。最终目标是让设备适应使用者的大脑，而不是要求使用者适应设备。

这项技术未来可能帮助因遗传性眼病、意外事故或神经系统疾病而失去视力的人群。尤其是那些曾经拥有正常视觉、后来才失明的人，他们可能保留着一定程度的视觉经验和相关神经处理能力，因此重新获得部分视觉可能具有特殊意义。

不过，研究人员强调，目前的成果仍然属于早期概念验证，距离真正能够帮助盲人恢复日常视觉还有很长的距离。此次实验仅涉及一名参与者，研究展示的是人工智能能够改善特定条件下的视觉皮层电刺激效果，并不意味着参与者已经恢复了正常视力。

此外，当前通过电极产生的光幻视仍然相当有限，与人眼能够感知的复杂场景存在巨大差距。未来研究还需要解决如何形成稳定、清晰且具有空间连续性的视觉信息，以及如何让植入设备长期安全运行等问题。

这项研究成果于2026年8月7日发表在《Neuron》期刊上，论文题为《基于深度学习的人类视觉皮层电诱发活动控制》。

这项研究最重要的突破，并不是简单地增加视觉假体中的电极数量，而是利用人工智能建立电刺激、神经活动和主观视觉体验之间更加精确的联系。随着脑机接口和人工智能技术不断融合，未来的仿生眼或许不再只是向大脑发送预设信号的电子设备，而能够逐渐学习每个人独特的神经反应，实现更加个性化的人工视觉。