近年来，作为一项尖端技术，"脑-计算机接口"越来越受到业界的重视。

        其中，脑-计算机接口设备以各种形式植入大脑，在先进算法的支持下，将其电信号转换为各种设备的控制输入，以控制外部设备，从而治疗一些困难的疾病，这被认为是脑-计算机接口的潜在前景。

        事实上，早些时候由美国国防部资助的项目提出了"大脑控制机械手"的需要，希望用脑电脑的方法来帮助在战争中"缺乏手臂和腿"的受伤士兵。在脑-计算机接口和操纵者的帮助下，他们可以照顾自己。

        尽管在脑-计算机接口领域已经取得了很大进展，但现有的系统无法利用大脑的自然学习过程，因为它们必须每天被重置和重新校准。这意味着，使用脑-计算机接口设备控制外部设备的患者需要一遍又一遍地练习脑-计算机接口设备，就像一个人已经从零开始一次又一次地学会骑自行车一样。

        每天开始这个过程严重限制了可以达到的控制水平。控制大脑-计算机接口设备甚至可能需要几个小时，有时参与者必须完全放弃这种设备。

        现在，加州大学旧金山分校的Wille神经科学研究所的研究人员突破了这一限制，开发了机器学习技术，可以帮助瘫痪的人学习利用大脑活动来控制计算机游标，而不必每天做大量的再培训。

        具体来说，研究人员开发了一种BCI算法，该算法利用机器学习将ECoG电极记录的大脑活动与用户期望的光标移动相匹配。最初，研究人员每天都遵循重置算法的标准做法。参与者可以通过观察光标在屏幕上的移动来启动特定的运动。

        渐渐地，计算机算法自我更新，使光标的运动与大脑的活动相匹配，从而有效地将光标的控制传递给用户。经过足够的研究后，研究人员发现，他们实际上可以关闭该算法的自动更新功能，只需插入它，并开始每天使用它。

        即使不进行每日校准，性能也不会在44天内下降，用户不能连续几天使用，性能只会略有下降。

        这种即插即用技术是脑-计算机接口领域的重大突破，有助于脑-计算机接口使用的持久性和便利性，其研究成果已发表在"自然生物技术"杂志上。