我們的貓頭鷹猴貝爾，坐在杜克大學實驗室隔音室內的特製椅子上。她的右手握著操縱桿，眼睛盯著顯示面板上的一系列水平排列的燈。她知道，如果燈突然亮起，她將操縱桿向左或向右移動以對應其位置，分配器就會向她的嘴裡滴一滴果汁。她喜歡玩這個遊戲，而且她很擅長。
貝爾戴著一頂粘在她頭上的帽子。帽子下面是四個塑膠聯結器。聯結器將微絲陣列——每根絲都比最細的縫紉線還要細——送入貝爾運動皮層的不同區域，運動皮層是計劃運動並向脊髓神經細胞傳送指令以執行計劃的腦組織。100根微絲中的每一根都緊挨著一個運動神經元。當神經元產生放電——“動作電位”——時，相鄰的微絲會捕獲電流，並透過從貝爾的帽子連線到展位旁桌子上的電子盒的小型線束將其傳送出去。這個盒子又與兩臺電腦相連，一臺在隔壁，另一臺在半個國家之外。
在走廊對面擁擠的房間裡，我們的研究團隊成員感到焦慮。經過幾個月的辛勤工作，我們即將測試一個想法，即我們可以可靠地將生物活體大腦中的原始電活動——貝爾的純粹想法——轉化為可以指導機器人動作的訊號。在2000年這個春天的下午，貝爾並不知道，我們在這個房間裡組裝了一個多關節機器人手臂，遠離她的視線，她將首次控制它。一旦貝爾的大腦感知到面板上的一個亮點，盒子中執行兩個即時數學模型的電子裝置將快速分析她腦細胞產生的微小動作電位。我們的實驗室計算機將把電模式轉換為指令，以指導機器人手臂。在北部六百英里外的馬薩諸塞州劍橋市，另一臺計算機將在另一個機器人手臂上產生相同的動作，這個機器人手臂是由馬薩諸塞理工學院人機觸覺實驗室（觸覺實驗室）負責人曼達亞姆·A·斯里尼瓦桑製造的。至少，這是計劃。
支援科學新聞報道
如果您喜歡這篇文章，請考慮透過以下方式支援我們屢獲殊榮的新聞報道 訂閱。透過購買訂閱，您正在幫助確保有關塑造我們當今世界的發現和想法的具有影響力的故事的未來。
如果我們一切都做得正確，這兩個機器人手臂的行為將與貝爾的手臂相同，並且完全同步。我們必須在短短 300 毫秒內將她的神經元活動轉化為機器人命令——這是貝爾的運動皮層計劃她應該如何移動肢體與它向她的肌肉傳送指令的時刻之間的自然延遲。如果生物的大腦可以準確地控制兩個不同的機器人手臂——儘管我們的實驗室網路和容易出錯的網際網路存在訊號噪聲和傳輸延遲——那麼它或許有一天可以控制機械裝置或真實的肢體，從而真正幫助人們。
最終，那一刻到來了。我們隨機開啟貝爾面前的燈，她立即來回移動操縱桿以對應它們。我們的機器人手臂的移動方式與貝爾的真手臂類似。斯里尼瓦桑的也是如此。貝爾和機器人同步移動，就像是由貝爾腦海中閃爍的電脈衝編排的舞者。在北卡羅來納州達勒姆和劍橋爆發的響亮慶祝聲中，我們不禁想到這僅僅是一個充滿希望的旅程的開始。
自那天以來的八年裡，我們的實驗室和其他幾個實驗室已經推進了神經科學、計算機科學、微電子學和機器人技術，創造了讓大鼠、猴子以及最終的人類能夠純粹透過“思考”或想象動作來控制機械和電子機器的方法。我們眼前的目標是幫助那些因神經系統疾病或脊髓損傷而癱瘓，但運動皮層完好無損的人操作輪椅或機械肢體。有一天，這項研究也可能透過大腦和肢體植入物之間的無線通訊，幫助此類患者重新控制自然的胳膊或腿。它還可能催生恢復或增強其他運動、感覺或認知功能的裝置。
當然，最大的問題是我們能否製造出實用、可靠的系統。醫生沒有任何方法來修復脊髓斷裂或受損的大腦。在遙遠的未來，神經科學家或許能夠再生受損的神經元，或對幹細胞（能夠分化成各種細胞型別的細胞）進行程式設計以取代它們。但在不久的將來，腦機介面（BMI）或神經假體是恢復運動功能更可行的選擇。2002 年，獼猴完成了與我們要求貝爾完成的任務不同的任務，這方面的成功使我們更加接近這個目標。
[分隔符] 從理論到實踐
腦機介面的最新進展部分基於大約 20 年前的發現。在 20 世紀 80 年代初，約翰·霍普金斯大學的阿波斯托洛斯·P·喬治奧普洛斯記錄了獼猴單個運動皮層神經元的電活動。他發現，當猴子朝某個方向移動手臂時，神經細胞通常反應最強烈。然而，當手臂以與細胞首選方向成一定角度的方向移動時，神經元的活動並沒有停止；它與該角度的餘弦成比例地減弱。這一發現表明，運動神經元對一系列運動進行了廣泛的調整，並且大腦最有可能依賴分散的單個神經元群體的集體活動來生成運動指令。
然而，也存在一些注意事項。喬治奧普洛斯一次只記錄單個神經元的活動，並且僅從一個運動區域記錄。這種方法未能證明潛在的假設，即某種編碼方案是從分佈在多個皮質區域的許多神經元的同步活動中產生的。科學家們知道，額葉和頂葉——分別位於大腦的前部和後部——相互作用以計劃和生成運動指令。但技術瓶頸阻礙了神經生理學家一次進行廣泛記錄。此外，大多數科學家認為，透過逐一編目神經元的特性，他們可以構建大腦如何工作的綜合地圖——就好像繪製單個樹木的特性就可以揭示整個森林的生態結構一樣！
幸運的是，並非所有人都同意。19 年前，當我們兩人在哈尼曼大學相遇時，我們討論了同時記錄許多單個神經元的挑戰。到 1993 年，我們取得的技術突破使我們能夠記錄分佈在構成大鼠感覺運動系統的五個結構中的 48 個神經元——大腦區域感知並使用感覺資訊來指導運動。
我們當時以及此後取得成功的關鍵是新型電極陣列，其中包含可以植入動物大腦的塗有特氟龍的不鏽鋼微絲。神經生理學家曾使用類似於剛性針的標準電極來記錄單個神經元。這些經典電極效果很好，但只能持續幾個小時，因為細胞化合物聚集在電極尖端周圍，最終將其與電流絕緣。此外，當受試者的大腦在正常活動期間略微移動時，堅硬的針會損壞神經元。我們在實驗室中設計的微絲（後來由德克薩斯州丹尼森的 NB 實驗室生產）具有更鈍的尖端，直徑約為 50 微米，並且更加靈活。細胞物質不會密封末端，並且靈活性大大減少了神經元損傷。這些特性使我們能夠進行數月的記錄，而擁有可靠記錄的工具使我們能夠開始開發將大腦訊號轉化為可以控制機械裝置的命令的系統。
與電氣工程師哈維·威金斯（現任達拉斯 Plexon 總裁）以及維克森林大學醫學院的唐納德·J·伍德沃德和塞繆爾·A·戴德懷勒一起，我們設計了一個小型“哈維盒”的定製電子裝置，就像貝爾展位旁邊的那個一樣。它是第一個可以正確取樣、過濾和放大來自多個電極的神經訊號的硬體。特殊的軟體使我們能夠透過識別每個細胞放電的獨特特徵來區分每個微絲最多四個單個神經元的電活動。
[分隔符] 大鼠大腦控制槓桿
在 20 世紀 90 年代中期的哈尼曼大學的下一個實驗中，我們教會了籠子裡的老鼠用意念控制槓桿。首先，我們訓練它用前肢按壓槓桿。槓桿與籠子外的槓桿電子連線。當老鼠按下槓桿時，外面的槓桿向下傾斜到滑槽，並提供一滴水供它飲用。
我們在老鼠的頭上安裝了貝爾後來將使用的腦機介面的小型版本。每次老鼠命令它的前肢按壓槓桿時，我們都會同時記錄 46 個神經元產生的動作電位。我們在所謂的積分器中程式設計了電阻器，積分器對來自神經元的資料進行加權和處理，以生成一個單一的模擬輸出，該輸出可以很好地預測老鼠前肢的軌跡。我們將該積分器連結到機器人槓桿的控制器，以便它可以控制槓桿。
一旦老鼠習慣了按壓槓桿取水，我們就斷開了槓桿與槓桿的連線。老鼠按壓槓桿，但槓桿仍然靜止不動。它感到沮喪，開始反覆按壓槓桿，但無濟於事。但有一次，槓桿傾斜並送出了水。老鼠不知道，但它的 46 個神經元表達了與之前槓桿仍然工作時的試驗中相同的放電模式。這種模式促使積分器使槓桿運動。
幾個小時後，老鼠意識到它不再需要按壓槓桿。如果它只是看著槓桿並想象它的前肢按壓它，它的神經元仍然可以表達放電模式，我們的腦機介面會將這種模式解釋為移動槓桿的運動指令。隨著時間的推移，六隻老鼠中有四隻成功完成了這項任務。它們瞭解到，它們必須“思考”按壓槓桿的動作。這並不像聽起來那麼神秘；現在你就可以想象伸出手去抓住你附近的一個物體——但實際上並沒有這樣做。以類似的方式，肢體受傷或截肢的人可能會學會控制連線到肩膀的機器人手臂。
[分隔符] 猴子的大腦控制機器人手臂
我們對大鼠的成功感到非常興奮。這激勵我們向前邁進，嘗試在機器人肢體中重現猴子——大腦與人類大腦遠為相似的動物——所做的三維手臂運動。作為第一步，我們必須設計技術來預測猴子打算如何移動它們的自然手臂。
此時，我們中的一位（尼科萊利斯）搬到了杜克大學並在那裡建立了一個神經生理學實驗室。我們共同構建了一個介面，可以同時監測分佈在額葉和頂葉的近 100 個神經元。我們繼續在幾隻貓頭鷹猴身上嘗試。我們選擇貓頭鷹猴是因為它們的運動皮層區域位於光滑大腦的表面，這種結構最大限度地減少了植入微絲陣列的手術難度。微絲陣列使我們能夠記錄每個生物大腦中的動作電位數月。
在我們的第一個實驗中，我們要求貓頭鷹猴（包括貝爾）在看到影片螢幕的左側或右側出現燈光後，將操縱桿向左或向右移動。後來，我們讓它們坐在面向不透明屏障的椅子上。當我們抬起屏障時，它們看到托盤上放著一塊水果。猴子必須伸出手抓住水果，把它送到嘴邊，然後把手放回原處。我們透過將光纖感測器連線到每隻猴子的手腕來測量手腕的位置，這定義了手腕的軌跡。
進一步的分析表明，運動皮層神經元電活動的簡單線性求和可以很好地預測動物的手在幾百毫秒後的位置。這一發現是由杜克大學的約翰·韋斯伯格（現任瑞典哥德堡大學）做出的。關鍵技巧是讓計算機持續地結合早在過去一秒鐘產生的神經元活動，以便最好地即時預測運動。
隨著我們的科學工作不斷推進，我們從 Plexon 獲得了一個更先進的哈維盒。使用它和一些定製的即時演算法，我們的計算機每 50 到 100 毫秒取樣並整合動作電位。軟體將輸出轉換為指令，這些指令可以指導機器人手臂在三維空間中的動作。直到那時，我們才嘗試使用 BMI 來控制機器人裝置。當我們看到我們的多關節機器人手臂在 2000 年那個鼓舞人心的下午準確地模仿貝爾的手臂運動時，很難不去思考這一切的難以置信。僅僅從數千萬個神經元中隨機抽樣的 50 到 100 個神經元就完成了所需的工作。
後來的數學分析表明，機器人運動的準確性與記錄的神經元數量大致成正比，但隨著數量的增加，這種線性關係開始逐漸減弱。透過對 100 個神經元進行取樣，我們可以建立機器人手軌跡，其與猴子產生的軌跡的相似度約為 70%。進一步的分析估計，要在一維手部運動的預測中實現 95% 的準確度，只需 500 到 700 個神經元就足夠了，具體取決於我們取樣的腦區。我們現在正在計算高度精確的三維運動所需的神經元數量。我們懷疑總數仍將在數百個，而不是數千個。
這些結果表明，在每個皮質區域內，定義給定手部運動的“資訊”被廣泛傳播。這種權力下放對動物極為有利：在受傷的情況下，動物可以依靠大量的冗餘儲備。對於我們研究人員來說，這意味著嚴重癱瘓患者的 BMI 神經假體可能需要比以前預期的更少的神經元樣本。
在貝爾成功實驗後，我們繼續與貝爾和其他猴子合作。我們發現，隨著動物完善它們的任務，它們的神經元特性發生了變化——在幾天內甚至在每天兩小時的記錄時間內。單個神經元的貢獻隨時間而變化。為了應對這種“運動學習”，我們添加了一個簡單的例程，使我們的模型能夠定期重新評估每個神經元的貢獻。模型中刪除了不再顯著影響預測的腦細胞，並添加了那些變得更好的預測因子。本質上，我們設計了一種從大腦中提取手部軌跡的神經輸出的方法。這種編碼，加上我們長期可靠地測量神經元的能力，使我們的 BMI 能夠準確地表示貝爾預期運動數月。我們可以繼續下去，但我們已經獲得了所需的資料。
重要的是要注意，神經元電活動的逐漸變化有助於賦予大腦可塑性。神經元在給定運動之前產生的動作電位數量隨著動物經歷更多體驗而變化。然而，神經元特性的動態修訂並不代表實用 BMI 的障礙。分散式神經輸出的優點在於它不依賴於一小群神經元。如果 BMI 可以從數百到數千個單個神經元維持數月至數年的可行記錄，並利用可以學習的模型，它可以處理不斷進化的神經元、神經元死亡，甚至電極記錄能力的退化。
[分隔符] 利用感覺反饋
貝爾證明了 BMI 可以適用於靈長類動物的大腦。但是我們能否使該介面適應更復雜的大腦？2001 年 5 月，我們在杜克大學開始了對三隻獼猴的研究。它們的大腦包含類似於人類大腦的深溝和迴旋。
我們採用了與貝爾相同的 BMI，並進行了一項根本性的補充：現在猴子可以利用視覺反饋來自行判斷 BMI 能否很好地模仿它們的手部運動。我們讓獼猴在隨機方向上移動操縱桿，驅動游標穿過電腦螢幕。突然，一個圓形目標會出現在螢幕上的某個位置。為了獲得一口果汁，猴子必須透過快速操作操縱桿，在 0.5 秒內將游標快速定位在目標內。
第一個掌握這項任務的獼猴是極光，這是一隻優雅的雌性猴子，她顯然很喜歡炫耀自己能夠 90% 以上的時間擊中目標。一年來，我們的博士後研究員羅伊·克里斯特和何塞·卡梅納記錄了極光皮層五個額葉和頂葉區域中多達 92 個神經元的活動。
一旦極光掌握了遊戲，我們就開始對她耍花招。在約 30% 的試驗中，我們停用了操縱桿和游標之間的連線。為了在目標內快速移動游標，極光必須完全依靠她的大腦活動，由我們的 BMI 處理。在感到困惑之後，極光逐漸改變了策略。儘管她繼續做出手部動作，但在幾天後，她瞭解到她可以僅憑大腦單獨控制游標 100% 的時間。在隨後的幾周內，極光每天的幾次試驗中甚至懶得移動她的手；她只是透過思考游標應該採取的軌跡來移動游標。
那還不是全部。由於極光可以在螢幕上看到她的表現，因此 BMI 做出了越來越好的預測，即使它記錄的是相同的神經元。雖然需要更多的分析來理解這一結果，但一種解釋是視覺反饋幫助極光最大限度地提高了 BMI 對大腦和機器學習的反應。如果這被證明是真的，視覺或其他感覺反饋可以讓人們提高他們自己的 BMI 的效能。
在過去的七年中，我們觀察到了另一個令人鼓舞的結果。在兩隻貓頭鷹猴中，我們在植入手術後連續五年多每天記錄大量單個神經元。即使在像極光這樣的獼猴中，我們現在也能夠維持一年以上的可行記錄。在所有這些研究中，猴子繼續過著正常的生活，表現出所有典型的靈長類動物行為，而沒有表現出任何不良副作用。這些發現支援了這樣一種觀點，即在不久的將來，開發出可以在患有嚴重癱瘓的人類患者體內持續多年的植入物是可能的。
在過去的五年中，腦機介面領域取得了許多重要的進展。極光和她的“同事”艾薇透過成為第一個使用 BMI 進行伸展和抓取運動的靈長類動物，擴充套件了該領域的範圍。透過長期訓練，極光和艾薇都學會了使用 BMI 來控制機器人手臂，而無需實際移動自己的手臂。我們杜克大學實驗室的高階研究助理米沙·列別捷夫對這些實驗期間收集的資料進行的分析表明，很大一部分皮質神經元——位於極光和艾薇大腦的多個區域——將機器人手臂的動態特性融入其中，就好像它是它們自身身體的一部分。令人驚訝的是，這種神經元對人造手臂的融入並沒有影響這些神經元繼續參與控制猴子生物手臂的能力。事實上，一些皮質神經元有助於生物手臂和人造手臂的運作。
自 2003 年以來，我們一直在將杜克大學神經工程中心 (DUCN) 開發的方法和技術轉化為臨床應用。我們已使用我們的 BMI 方法開發新方法，以幫助神經外科醫生在患有嚴重帕金森病患者身上執行一項重要的外科手術。在這些手術過程中，我們能夠測試我們的 BMI 方法是否適用於人類。2004 年，我們報告了第一個術中演示，即基於皮質下結構多電極記錄（每位患者最多產生 50 個記錄神經元）的侵入性 BMI 可以在人類受試者中重現簡單的手部運動。四年後，在近 30 名患者之後，我們收集了足夠的資料進行我們的首次臨床試驗，其中 BMI 將用於恢復嚴重癱瘓患者的上肢活動能力。這些臨床試驗將透過 DUCN 和巴西聖保羅的西里奧-黎巴嫩醫院之間的合作進行，計劃於 2008 年底開始。
我們創造了更具挑戰性的實驗來測試我們 BMI 裝置的極限。利用我們兩個實驗室合作開發的技術，杜克大學神經生物學系的研究生內森·菲茨西蒙斯表明，我們用於記錄靈長類動物大腦活動的植入物也可以用於向靈長類動物大腦傳遞簡短的電訊號。菲茨西蒙斯使用這項稱為多通道皮質微刺激的技術，能夠使用時空模式的電刺激，透過植入貓頭鷹猴體感皮層的多個電極傳遞，告知動物兩個相同的盒子中哪一個包含食物顆粒。由於沒有提供視覺提示，猴子必須學會解碼直接傳遞到其大腦的電訊號才能解決行為任務。經過幾周的練習，兩隻貓頭鷹猴學會了使用這些抽象的電訊號來找到它們的獎勵。
約瑟夫·奧多赫蒂是杜克大學生物醫學工程系的研究生，他使用相同的技術首次證明，BMI 操作的熟練程度可以透過與腦組織直接互動來實現，而不是僅僅依靠視覺或觸覺等感覺通道。在他的裝置中，多通道皮質微刺激用於使動物能夠在計算機螢幕上的兩個相同目標之間進行選擇。一旦動物解碼了傳遞到其大腦的電訊號，它就必須僅使用其神經元活動將計算機游標移動到正確的目標。這些實驗支援了這樣一種假設，即未來，配備感測器的假肢裝置將能夠將“反饋”資訊直接傳送到人腦，使患者能夠生成適當的運動輸出以控制裝置的運動。我們將這種型別的裝置稱為腦-機-腦介面或 BMBI。
在過去的兩年中，我們已經表明，用於再現上肢運動的相同原理也可以應用於旨在恢復雙足運動模式的 BMI 的設計。透過同時記錄在液壓跑步機上學會雙足行走的猴子的大量體感和運動皮層神經元的電活動，我們能夠即時預測在各種條件下（例如不同的跑步機速度以及向前和向後行走）再現動物步態所需的運動學引數。為了測試這種方法的可靠性，我們與日本京都 ATR 機器人實驗室的同事 Gordon Cheng 和 Mitsuo Kawato 合作進行了一項有趣的實驗。在該實驗中，猴子在杜克大學跑步機上行走時記錄的大腦訊號被輸入到一系列線性模型中，這些模型與極光實驗中使用的模型類似。這些模型的輸出隨後被即時傳送到 ATR，並用於控制複雜人形機器人的雙足運動。這使得我們在北美的猴子能夠控制日本機器人的步態，字面上將該靈長類動物的大腦觸角擴充套件到地球的另一端。然後，來自分佈在機器人身體各處的感測器的反饋訊號被髮送回北卡羅來納州，以便有史以來第一個操作即時跨大陸 BMI 的靈長類動物可以多年來吹噓一番！
每一次進步都顯示出大腦的可塑性。然而，總會存在限制。例如，中風患者不太可能完全控制機器人肢體。中風損傷通常是廣泛的，並且涉及大腦白質（允許大腦區域進行交流的纖維）的大部分，以至於破壞壓倒了大腦的可塑效能力。這就是為什麼失去對未受傷肢體控制的中風患者很少能恢復控制的原因。
[分隔符] 現實檢驗
儘管有好訊息，但我們研究人員必須非常謹慎，不要對患有嚴重殘疾的人們抱有虛假的希望。在 BMI 被認為是安全、可靠和有效的治療選擇之前，我們仍然必須克服許多障礙。我們必須在臨床試驗中證明，擬議的 BMI 將在不增加神經損傷風險的情況下提供更大的福祉。
例如，電極陣列的手術植入始終是醫學關注的問題。研究人員需要評估高密度微絲陣列是否可以在不引起組織損傷或人類感染的情況下提供可行的記錄。高密度陣列的進展已經在進行中。杜克大學電子技術員加里·勒休設計了顯著增加安裝在陣列中的微絲數量的方法，該陣列輕巧且易於植入。我們現在可以植入多個陣列，每個陣列最多有 160 根微絲，尺寸為 5 毫米 x 8 毫米，小於粉紅色指甲。使用這種方法，我們現在可以同時記錄近 500 個神經元。
此外，電子裝置和電池的相當大的小型化必須發生。我們與佛羅里達大學的何塞·卡洛斯·普林西比合作，設計可植入的微電子裝置，將我們現在使用軟體進行的神經元模式識別嵌入到硬體中，從而最終將 BMI 從計算機中解放出來。因此，這些微晶片將必須向機器人執行器傳送無線控制資料。我們與杜克大學的帕特里克·D·沃爾夫實驗室合作，構建了第一個無線“神經晶片”，並在極光身上進行了 Beta 測試。看到神經活動流在離極光數米遠的筆記型電腦上閃爍——透過靈長類動物大腦和計算機之間的第一個無線連線廣播——真是令人高興。
越來越多的科學家正在接受 BMI 可以幫助有需要的人們的願景。在過去的六年裡，一些傳統的神經病學實驗室已經開始追求神經假體裝置。來自亞利桑那州立大學、布朗大學和加州理工學院的初步結果獨立證實了我們所做的大鼠和猴子研究。亞利桑那州立大學的研究人員基本上在貓頭鷹猴身上再現了我們的 3-D 方法，並表明它也可以在恆河猴身上工作。布朗大學的科學家使恆河猴能夠在計算機螢幕上移動游標。這兩個研究小組每隻動物記錄了大約 10 到 20 個神經元。他們的成功進一步證明了這個新領域正在順利發展。
最有用的 BMI 將利用分佈在額葉和頂葉多個運動區域的數百到數千個單個神經元。那些僅從單個皮質區域記錄少量神經元（例如，30 個或更少）的 BMI 永遠無法提供臨床幫助，因為它們將缺乏適應神經元丟失或神經元反應性變化所需的過剩容量。另一種極端——使用大型電極記錄數百萬個神經元——也很可能行不通，因為它可能太具侵入性。
非侵入性方法雖然對某些療法很有希望，但可能在用思想控制假肢方面用途有限。頭皮記錄，稱為腦電圖 (EEG)，是一種非侵入性技術，但它可以驅動不同型別的腦機介面。德國圖賓根大學的尼爾斯·比爾鮑默已成功使用 EEG 記錄和計算機介面來幫助因嚴重神經系統疾病而癱瘓的患者學習如何調節他們的 EEG 活動，以在計算機螢幕上選擇字母，以便他們可以編寫訊息。這個過程很耗時，但為這些人提供了與世界溝通的唯一途徑。然而，EEG 訊號不能直接用於肢體假肢，因為它們描述了廣泛神經元群體的平均電活動；很難從中提取編碼精確手臂和手部運動所需的細微變化。
儘管仍然存在障礙，我們有充分的理由保持樂觀。雖然可能還需要十年才能見證首個人類神經假體的執行，但在達勒姆的那個下午，當我們觀看貝爾神經元的活動在電腦螢幕上閃爍時，所有令人驚歎的可能性都浮現在我們的腦海中。我們將永遠記住我們的敬畏之情，因為我們竊聽了靈長類動物大腦產生思想的過程。貝爾想要獲得果汁的想法很簡單，但它確實是一個想法，並且它指揮著外部世界來實現她的真實目標。
[break] 作者
米格爾·A·L·尼科萊利斯 和 約翰·K·查平 合作已超過 17 年。尼科萊利斯是巴西人，在聖保羅大學獲得神經生理學醫學博士和哲學博士學位。在哈尼曼大學完成博士後工作後，他加入杜克大學，現任神經工程中心聯合主任，並擔任安妮·W·迪恩神經科學、生物醫學工程以及心理學和腦科學教授。查平在羅切斯特大學獲得神經生理學哲學博士學位，曾在德克薩斯大學和 MCP 哈尼曼大學醫學院（現為德雷塞爾大學醫學院）擔任教職。他目前是紐約州立大學下城醫療中心的生理學和藥理學教授。