刺激

视觉皮层假体试图跳过前面的环节：摄像头先捕捉外部世界，再将图像转化成电刺激模式，由植入大脑的电极直接刺激视觉皮层。

并且，在提升神经活动控制的准确性和感知稳定性的同时，降低了所需刺激电流。

结果显示，AI设计的刺激模式不仅能更准确地重现目标神经活动，而且所需的刺激电流更低。

研究团队基于深度学习模型为视觉皮层（大脑后部处理视觉信息的区域）假体设计电刺激模式，在一名27岁失明男性受试者身上完成验证。

近期，加州大学圣巴巴拉分校（UCSB）、瑞士苏黎世联邦理工学院等团队首次在清醒人体视觉皮层植入试验中验证，深度学习模型可根据大脑状态优化电刺激模式，使视觉假体（如仿生眼）从相对固定的刺激策略进一步走向适应大脑状态的个性化控制。

这种AI模型还整合了受试者静息状态下的脑活动测量数据，使其能够根据大脑的当前状态调整刺激模式。

随后，研究人员利用该模型确定最有可能产生所需神经反应的刺激模式。

甚至同一个人，在不同日期、不同状态下，对相同刺激的反应也可能发生变化。

为更准确地预测视觉皮层对刺激的反应，研究团队训练了一个拥有约120万个参数的深度神经网络，用于预测不同电刺激组合产生的脑活动模式，该模型会接收每次测试前大脑静息状态的信息。

当特定位置受到刺激时，失明患者可能产生光幻视（phosphene），即在没有真实光线进入眼睛的情况下，由视网膜、视神经或视觉皮层受到机械、电刺激等作用而产生的光感知，患者可能感觉自己看到了光点、闪光或简单形状。

多枚电极同时刺激时，彼此还会发生复杂的相互作用，最终产生的感知并不是几个光点的简单叠加。