可以自己拿起咖啡送入口中!腦機合一,讓癱瘓者靠意識控制四肢
可以自己拿起咖啡送入口中!腦機合一,讓癱瘓者靠意識控制四肢
2017.04.05 | AI與大數據

3月29日,在美國凱斯西儲大學學者與克裡夫蘭功能性電刺激中心的實驗下,一名四肢癱瘓病人透過大腦思維成功地控制雙手,將食物送進了自己的嘴裡。

參與實驗的癱瘓病人名為Bill Kochevar,今年56歲。他在一次騎自行車時發生車禍,導致全身癱瘓。

Bill對Engadget記者表示:

對於一個已經癱瘓八年,全身上下無法動彈的人來說,即使只能移動一寸對我來說都是極其幸運的事。而這次實驗結果已經比我想像中的好得多了!

點開下方影片,我們一起見證這對於所有癱瘓者來說,充滿曙光的一刻:

當然,這樣的成果不是一蹴而就的。

事實上,科學家們很早以前便開始嘗試製造這種大腦皮層腦機介面(intracortical brain-computer interface (iBCI))。其中,美國布朗大學神經生物工程學家Leigh Hocherg教授(也是這次實驗的領導人)取得的成果最為顯著。

Bill Kochevar
癱瘓患者透過大腦思想控制螢幕游標。

早在2004年,Leigh所帶領的「腦門」(BrainGate)就計畫將腦機介面放入了一名24歲的四肢癱瘓者的大腦皮層,幫助這位元患者傳遞大腦資訊。這個裝置雖然只有藥片大小,但內部十分複雜,由96根電極組成。

又到了2010年,美國加州大學洛杉磯分校和加州理工學院學者開始幫助患者利用大腦思想控制螢幕上的滑鼠游標。

Bill Kochevar
患者透過思維控制機械臂,拿起桌上的咖啡

2012年,在Hocherg的指導下,腦門計畫開啟了第二階段的探索。在這次試驗中,兩位參與者Cathy和Bob均已中風,四肢癱瘓,無法說話。

神經外科醫生製作了包含著約100根頭髮絲那麼細的電極的微型記錄裝置,植入到他們大腦的運動皮層中,記錄下與運動有關的神經訊號。這次實驗使患者成功利用大腦思維控制機械臂,拿起桌上的咖啡,準確送入自己口中。

Hocherg教授認為:

從二維到三位元,再到目標物體的到達和抓起,然後在指引下送入目的地,這對於我們來說是個巨大的進步,也遠遠比單純加上一個維度要來的複雜。

除了大腦皮層腦機介面外,功能性電刺激系統(functional electrical stimulation)在實驗中也起到了至關重要的作用。

功能性電刺激系統是一種通過刺激四肢上的神經,使手臂、大腿或手指動起來的系統。這種技術此前被用於幫助四肢癱瘓者來活動他們的四肢,但也僅僅只能做到聳肩或點頭的地步。

而凱斯西儲大學與克里夫蘭功能性電刺激中心此次實驗之所以能取得如此大的飛躍,就是因為他們將大腦皮層腦機介面與功能性電刺激系統兩者進行了有機結合。

為了讓大腦表層接收到最準確的指令,他們將Bill安置在一台核磁共振儀中,讓他在想像中活動自己不同的身體部位,並在此期間追蹤身體的每個部分是有哪部分神經控制的。

實驗的另一領導者Bolu Ajiboye在接受《時代週刊》訪問時說:

只有透過這種因人而異的實驗方法,我們才能得出精准的大腦地圖。

實驗小組透過資料在Bill大腦的特定地點植入電極,並將它們與一台可以解碼指令的電腦相連。
為了練習,Bill透過大腦思維控制了電腦螢幕上的虛擬手臂,又用相同思維控制了現實中自己的手臂。

那種感覺很好,但稍縱即逝,他說:「我很快就知道怎麼操作,並在每次聯繫後都愈發熟練。」

與此同時,克裡夫蘭功能性電刺激中心透過遠端操控36電極陣列(36-electrode array)加強Bill萎縮的手臂和手掌肌肉力量。

當大腦皮層腦機介面與功能性電刺激系統同時工作時,Bill便可以用自己的手吃、喝、甚至撓鼻子了。
對於實驗效果,Bill這樣描述自己的感受:

對我而言,這感覺就像(沒癱瘓)以前一樣,除了感覺上稍顯遲鈍。

當然了,Bill沒有任何觸覺上的感受,但這絲毫沒影響到他:

他們曾讓在某幾場實驗中閉上眼,結果我還是能拿到東西。

有朝一日,或許再細微的感覺都會被類比出來。

雖然這個系統有效地説明癱瘓者再次得以掌控自己的四肢,但在日常生活中,這樣龐大體積的器材卻不太現實。或許“腦門”計畫的下一步便是縮小整台機器的體積,直到它能被植入甚至適應患者的身體。

無論如何,這次實驗的結果都賦予了全球超過10億的殘疾人希望,也證明馬斯克曾闡述的「大腦介面」理念並不是空穴來風,聳人聽聞。

領頭人Leigh Hocherg認為,實驗成果或許真的將顛覆歷史:

這次實驗成果很可能將神經技術引入一個全新的時代,一個能夠幫助殘疾人們恢復活動能力和自主能力的時代。

本文授權轉載自:36 氪

往下滑看下一篇文章
從台灣走進北美千家速食門市!Berry AI 如何攜手博弘雲端,讓 AI 規模化落地?
從台灣走進北美千家速食門市!Berry AI 如何攜手博弘雲端,讓 AI 規模化落地?

一家來自台灣的 AI 新創,如何讓美國上千家速食餐廳,都用它的 AI「看」得來速車道?

這家公司就是專注於 AI 影像辨識技術的 Berry AI (華捷智能),透過攝影機蒐集匿名數據並轉化為多項營運指標,協助速食品牌找出流程瓶頸、提升現場營運效率與整體顧客滿意度。以美國連鎖炸雞品牌 Zaxby’s 為例,在全面導入 Berry AI 解決方案後,服務速度提升 13%-20%,業績表現最好與最差的門市,每週營收差距從 2.4 萬美元縮小至約 9,000 美元。另一家連鎖速食品牌 Culver’s 在導入後,得來速車道的服務時間也立刻改善,進而提升整體吞吐量。

然而,支撐 Berry AI 解決方案的,不只有前端看得見的攝影機與影像辨識技術,還有後端穩定且具彈性的雲端平台。Berry AI 結合 Amazon Web Services (AWS) 全球雲端資源及博弘雲端顧問服務,打造兼顧即時性、穩定性與成本效益的雲地混合架構,成為推動 Berry AI 持續擴大北美市場版圖的重要關鍵。

從台灣 PoC 走向北美千店規模,Berry AI 面臨架構升級新挑戰

Berry AI 執行長林逸中表示,團隊成立初期投入近2年半的時間,探索最適合影像辨識技術的應用場景,最終將目光鎖定高度標準化的速食餐飲業(Quick Service Restaurant;QSR),推出得來速計時器、餐廳計數器等解決方案,運用 AI 影像分析技術,辨識顧客進入得來速車道或餐廳後的狀態,例如:排隊、點餐、候餐等。

同時,Berry AI 也進一步將現場蒐集到的數據轉化為可量化的營運指標,例如:不同門市、日期或時段的顧客等候時間,協助管理者從數據中找出流程瓶頸與可以優化的環節,進而提升服務效率及顧客滿意度。

在確立發展方向並於台灣完成 PoC (概念驗證)後,Berry AI 決定前進全球最大、也是 QSR 最核心的北美市場。然而,隨著合作客戶與部署門市持續增加,資料量快速攀升,加上服務範圍橫跨不同區域,既有以地端為主的架構開始面臨規模化挑戰。

林逸中補充指出,尤其 QSR 業者在選擇 AI 解決方案時,格外重視技術效能與穩定性,包括 AI 辨識精準度、能否因應突發狀況、系統能否穩定運作,以及網路發生問題時能否維持服務等。在這樣的要求下,若將所有運算與資料都留在地端,不僅難以因應日益增加的部署門市與資料量體,設備建置與維運成本也會隨之增加。

BerryAI 攜手博弘雲端 打造高可用性 AWS 雲地混合架構,突破北美規模化部署挑戰

如何確保系統的即時性、穩定性與成本效益,成為 Berry AI 進軍北美後必須解決的新課題。為此,Berry AI 選擇與博弘雲端合作,取得穩定且高可用的 AWS 運算與資料庫服務架構,將即時運算留在地端,同時在雲端環境整合資料庫處理大量資料與後續分析工作,形成兼顧地端即時運算與雲端彈性擴充的雲地混合架構。

Berry AI研發同仁汪楚剛說明,包括車輛偵測、追蹤與狀態辨識等需要即時反應的工作,會先在地端完成;再將辨識結果傳送至 AWS 雲端,計算各項營運指標,提供後續分析與決策使用。透過這套架構,Berry AI 至今已處理超過 2 億筆車輛狀態資料。

此外,AWS 也是 Berry AI 持續優化 AI 模型的重要基礎。Berry AI 將整套資料蒐集流程建構於 AWS 上,透過完整且多樣化的資料,持續訓練與優化模型,進一步提升地端影像辨識的準確度。

博弘雲端
Berry AI 鎖定高度標準化的速食餐飲業(Quick Service Restaurant;QSR),推出得來速計時器、餐廳計數器等解決方案,運用 AI 影像分析技術,辨識顧客進入得來速車道或餐廳後的狀態,例如:排隊、點餐、候餐等,協助管理者從數據中找出流程瓶頸與可以優化的環節,進而提升服務效率及顧客滿意度。
圖/ Berry AI網站圖

成為企業技術團隊的延伸,博弘雲端助 BerryAI 把 AWS 用得更好、更省

隨著北美業務持續成長,Berry AI 也迎來新的課題:如何把雲端資源用得更有效率、更省成本,這也成為 Berry AI 與博弘雲端合作的重要契機。

對此,可能有很多人好奇,像 Berry AI 這類技術能力成熟、具備自行建置架構能力的企業,為什麼還需要與博弘雲端合作?「關鍵在於,博弘雲端長期深耕 AWS,對相關服務與技術架構更加熟悉,可以成為企業內部技術團隊的延伸。」博弘雲端技術長宋青雲說。

當 Berry AI 遇到特定 AWS 服務或技術問題時,可以直接尋求博弘雲端協助;若需要進一步與 AWS 原廠確認,博弘雲端也能協助溝通與處理,減少 Berry AI 自行研究與排除問題所需投入的時間,讓內部研發團隊可以將更多心力和資源集中在核心產品開發。

更重要的是,博弘雲端不只提供技術支援,還能從 Berry AI 實際用量與成長需求出發,客製化設計最適合的節費方案,這對 Berry AI 降低營運成本有很大的幫助。宋青雲說明,博弘雲端根據 Berry AI 既有的 AWS 用量,推估未來 1-3 年內的使用需求,並以此為基礎規劃合適的長期雲端資源用量;同時考量 Berry AI 所屬飛捷集團旗下還有 3 家子公司同樣使用 AWS,進一步整合集團需求進行評估,放大整體採購規模,爭取更大的節費空間。

宋青雲強調,雲端採取隨需即付的計價模式,雖然具備彈性優勢,但若缺乏持續管理,仍可能出現資源配置不符商務規劃,或費用超出預期等情況。而博弘雲端不只能從使用現況出發、建議適合的節費方案,也會從效能、資安與成本等面向進行架構健檢,提出相應的優化建議;同時還會提供相關管理介面,讓企業隨時查看帳戶使用狀況、預估未來用量,在業務規模持續成長的同時,也能兼顧雲端架構的效能、安全與成本效益。

而架構健檢與成本優化,只是博弘雲端服務的一環。從企業準備上雲開始,博弘雲端便能協助將應用程式與資料從地端搬遷至雲端,或直接在雲端完成部署;進一步還能協助建置數據平台、數據中台,進行資料分析及導入 AI 應用,讓企業資料發揮更大價值。當服務正式上線後,博弘雲端也能接續提供維運服務。換言之,從前期 PoC、雲端建置到後續維運,博弘雲端都能依據企業需求,提供相應的服務與支援。

對 Berry AI 來說,藉由與博弘雲端合作,深化 AWS 雲端資源使用,不只是突破規模化挑戰,更重要的是能把有限的資源集中在核心業務,持續優化解決方案、開發更多貼近餐飲營運需求的應用,進一步爭取更多品牌合作,擴大北美市場版圖。目前,Berry AI 正全力拓展北美市場,也持續尋找對 AI 技術與餐飲產業應用充滿好奇心、重視團隊協作的人才加入。徵才方向涵蓋機器學習與電腦視覺、Platform & System(DevOps、Infrastructure),以及 Full Stack 軟體開發。從門市邊緣裝置上運行的 AI 模型、串連雲端與數千家門市的系統平台,到協助餐飲品牌提升營運效率的分析產品,每個環節都還有發揮的空間。 期待匯聚更多優秀夥伴,一起用 AI 解決真實的營運問題,讓來自台灣的技術走進更多全球 QSR 門市。

職缺詳情:https://www.cake.me/companies/berryai/jobs

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
一次搞懂工業AI
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓