东京工业大学研究人员的一项合作研究开发出了一种新技术，可以从脑电图中解码人们的运动意图。这项技术的动机是证据充分的大脑能够使用所谓的前向模型来预测自我生成和想象的行动的感官结果。该方法首次实现了在刺激对象96毫秒内，对测试对象的单次尝试解码准确率接近90%，用户训练为零，用户无额外认知负担。

计算机接口(BCI)研究的终极梦想是在机器和人脑之间建立有效的连接，让机器可以随意使用。例如，截肢者只需通过思考就可以使用连接到他身上的机器人手臂，就像它是自己的手臂一样。对于这样一个任务，最大的挑战是从人类用户的大脑活动中解密他们的运动意图，同时最小化他们的努力。虽然在过去的二十年里提出了很多方法(1-2)，但是对于一些人类用户来说，它们都需要大量的精力——要么需要大量的用户训练，要么只与部分用户合作，要么需要明显的刺激措施，这些都给用户带来了额外的注意力和认知负担。在这项研究中，

以前的方法和它们提出的方法之间的根本区别在于解码的内容。之前所有的方法都是通过解码用户正在关注的内容，直接(例如在所谓的主动BCI系统中)或间接解码用户有意/想象的运动(例如反应式BCI系统)。在这里，研究人员建议，潜意识刺激器应该与脑电图结合使用，而不是解码用户的意图/想象的运动，它应该解码意图的运动是否与发送给用户的感官反馈匹配(或不匹配)。刺激器。他们的建议受到了大量关于大脑中所谓积极模型的研究的启发。一个神经回路(3)参与预测自生运动的感觉结果。感觉预测误差前向模型预测与实际感觉信号之间的距离对我们的感觉运动能力至关重要——触觉感知(4)、运动控制(5)、运动学习(6)甚至人际交往(7 -8)和自我意识(9)。因此，研究人员假设预测误差在脑电图中具有很大的特征，干扰预测误差(使用外部感觉刺激器)是一种很有前途的解码运动意图的方法。