当今互联网上有一个广为流传的段子：“恋人会背叛你，朋友会欺骗你，但数学不会，因为数学不会就是不会。”作为一门基础学科，数学有着超乎寻常的魅力，它看似简单，却能描绘万物的规律，正如华罗庚所说的那样，“宇宙之大，粒子之微，火箭之速，化工之巧，地球之变，生物之谜，日用之繁，无处不用数学。”

(相关资料图)

过去几十年间，我们不断见证着科技的进步，从清洁能源到太空探索，从基因科学到脑机接口，5G、大数据、AI等前沿技术不断迭代，但无论技术如何进步，仍然离不开对数学的利用，而这也是MathWorks从诞生之初就明确的目标：通过MATLAB这样的数学软件，加快工程和科学的发展步伐。

事实也是如此，在人脑算力早已被机器算力甩开的今天，对那些具备丰富工业知识和背景的工程师来说，往往需要借助计算机程序来进行大量的数值运算和数据处理类任务，MATLAB作为一款具备优秀数值计算能力和卓越数据可视化能力的软件，无需使用者具备专业编程经验和背景，同时还有针对各个行业和领域应用的丰富工具箱，成为了无数科学家和工程师手中的“神兵利器”。

近日，在北京举行的2023 MATLAB EXPO中国用户大会上，MathWorks全球行业市场总监Sameer Prabhu就表示，MathWorks旗下的MATLAB在清洁能源、医疗保健、航空航天等领域都有着广泛的使用。

MathWorks全球行业市场总监Sameer Prabhu

例如在医疗领域，近年来备受瞩目的脑机接口技术就大量应用到了MATLAB软件。

这个听起来就很赛博朋克的概念，实际上指的是在人或动物大脑与外部设备之间创建的直接连接接口，其目的是用来实现脑与设备的信息交换。这里的直接连接，指的是不依赖正常的由外围神经和肌肉组成的输出通路。

清华大学副教授张丹在接受采访时谈到，脑机接口技术可以划分为想象运动脑机接口、视觉脑机接口和情绪脑机接口三大类，其中想象运动脑机接口是最接近所想即所得”的脑机接口，视觉脑机接口则是信息交互速率最快的脑机接口。

清华大学副教授张丹

为什么医疗行业如此关注脑机接口？因为该技术可以在以下几个场景中发挥极其重要的作用：

首先是 帮助残障人士以及行为障碍者进行康复 。针对那些因中风、癫痫等疾病而行动不便，或者患上渐冻症、高位截瘫、失语症等严重的运动感知功能受损疾病的人群来说，脑机接口技术可以帮助他们更好地控制身体或者义肢，从而达到帮助他们康复的目的。

其次，通过脑机接口技术，可以更为容易地操控外骨骼、电子眼等设备， 实现感官或者力量的增强 。

而上文中提到的情绪脑机接口，未来也可能 在心理学方向上得到有效应用 ，因为传统的心理测评依赖于问卷和自我报告，或者咨询师的访谈，这对受访者的教育程度、背景、配合度都有很高的要求，所以适用性有很大的局限。情绪脑机接口的发展有助于建设更加客观的心理测评方案，从而助力医疗临床量级的心理疾病和心理健康问题的诊断。今年，张丹教授的团队还与MathWorks在2023世界机器人大赛—BCI脑控机器人大赛上共同合作了情绪脑机（青年组）赛项，鼓励参赛者使用MATLAB进行编程与实现，一起加速探索情绪脑机接口的潜力。

不仅如此，在教育、军事、娱乐等领域，脑机接口技术都有着广阔的前景。

作为脑科学的核心应用区，脑机接口技术正在掀起一场技术领域的颠覆式创新革命，并大量应用到了机器学习、深度学习、图像处理、信号处理等技术，而像MATLAB这样优秀的软件平台，则能为人类大脑与硬件设备之间架设一条“信息高速公路”，助力高质量人机交互，从而降低技术门槛、减少研发成本、缩短产品周期、促进转化落地。

不过从成果转化的角度来看，脑机接口从实验室走向实际应用的路上，仍然会面临一些困境，就脑机接口技术本身来看，如何方便、快捷有效地获取大脑信号还需要技术攻坚，而从应用的维度来看，如何将脑机接口技术和其他工程类技术融合并外延，也是需要去思考的。

MathWorks中国区教育行业总负责人Hans Li也表示，脑机接口技术的产业化过程和其他医疗设备的研发过程中面临的挑战很相似，从MathWorks的角度来看，与全球诸多沉淀脑机接口领域的科学家合作的过程中，MathWorks发现主要的问题大概有四种，其一是 数据获取的途径 ，例如植入式、非植入式、半植入式等等；其二是 数据本身面临的问题 ，首先是噪音很大，然后是信号、图像都需要进行技术门槛较高的转化；其三是如何 快速搭建 能进行训练和实际应用的模型原型；其四就是 部署和加速实践 的问题。

基于这些问题，MathWorks在每个方面都提供了快捷的工具箱，可以帮助处于不同科研种类和不同阶段的用户把每个阶段遇到的挑战得到很好的解决。

不过对脑机接口技术本身来说，目前本质上任然是对大脑产生的信息来测量或者捕捉，然后用外部设备来代替这种信息传导的模式，更像是对大脑信号的翻译而不是自主编码，张丹教授也表示，编码更多涉及到大脑的工作原理，而不是一个纯工程的转化，从某种意义上来说，经典的几个脑机接口范式都是在神经科学对大脑的原理相对比较清楚之后才进行转换的，不过随着成像技术的进步，也会给研究人员带来编码方面的一些思路上的启发。尤其是AI、深度学习的发展，会为科学家理清大脑的一些以前没有过的路径，有可能会带来新的突破。

可以看到的是，脑机接口技术融合了AI、深度学习、心理学等多门学科的相关技术，但实际上很多从事脑机接口技术的工程师并非数据科学家，对AI的模型的使用并没有足够的积累和理解，但是通过MATLAB，则能让AI的用法变得非常友好。“对这部分领域的专家，他们可以很容易的将自身领域内的知识和我们前沿的AI模型相结合，我们提供了很多App，这样所有领域的专家就可以很容易的通过我们AI相关的App来访问到这些模型，并基于这些模型开发自身领域的相关应用，同时我们也提供了很多后端部署的工具，让这些工程师可以将科研领域AI的成果很容易地转化到工程实践之中，这是我们MathWorks提供的工具链的意义。”MathWorks全球行业市场总监Sameer Prabhu总结道。

不难看出，加速工程与科学的进程是MathWorks坚持如一的使命，而软件平台在其中承担的非常重要的任务之一，便是让工程师和科学家从技术的牢笼中解放出来，虽然AI这样的新技术风头正劲，但终究也是整个工程系统中的一部分，通过将AI部分的算法集成到完整的系统之内，可以助力工程师在不成为数据科学家的前提下，以较为轻松的方式进行概念的验证或者系统行为的验证，例如通过Simulink，可以在汽车工业的自动驾驶领域，以仿真的方式创建很多不同类型的场景，把现实中很难运行到的场景运行出来，让AI应用变得更加可靠和有保障，这也是MathWorks相较于其他AI工具研发厂商的优势所在，即更加注重将前沿技术应用到实际工程当中，而不只是停留在科学验证上。

不过随着科研工程的复杂化，现在很多工程领域和科研领域，科学家也会使用很多不同的工具来解决特定的问题，在未来，MathWorks仍然会继续保持整个平台的开放性，以保证所有的用户都能在自身的特定环境下综合使用MathWorks提供的工具和其他工具，来解决更加复杂的问题。此外，MathWorks也会持续投入在数字化设计上，因为模型和数据始终是企业研发和创新的基础，MathWorks认为这种数字化转型的需求是十分强烈的，会在数据处理和建模仿真进行持续的投入，使得终端用户能在数据和模型两个层面形成更好的继承，加快整个研发体系、运营体系的闭环。

“MathWorks会持续与各行业用户进行多领域的深度协作，然后把我们协作过程中获取的最佳实践的知识沉淀到我们的产品当中，这样的话可以促使我们的客户能够借鉴其他领域或者其他同行业界的最佳实践来开展具体的工作，这些方面的努力都是为了更好的帮助我们核心的目标，即促进科研和工程的技术进步。”Sameer Prabhu在最后表示。

(8236978)