自1999年起，《麻省理工科技评论》每年在全球范围内从生物医药技术、能源材料、人工智能等多个前沿学科和科技领域中遴选出35岁以下对未来科技发展产生深远影响的青年科技人才-“35岁以下科技创新35人”。2017年《麻省理工科技评论》将这份最权威的榜单落地中国，旨在以全球视野挖掘最有创新能力的科技青年领军人，并为这些青年科学家搭建一个高度国际化的舞台。
为聚集全球创新人才和资源，打造创新人才高地，中关村科学城与北京清华工业开发研究院联合《麻省理工科技评论》中国，于2023年3月30日-31日在北京·海淀中关村自主创新示范区展示中心会议中心举办全球青年科技领袖峰会暨《麻省理工科技评论》“35岁以下科技创新35人”中国发布仪式。
以下是清华大学副教授眭亚楠在全球青年科技领袖峰会的精彩演讲，由云现场整理。
大家好，我是眭亚楠，今天很高兴有机会在这里跟大家聊一聊，不是一个很正式的学术场所，所以跟大家有一个比较轻松的交流，我们想来谈谈如何通过交互式的建模和学习方法来帮助人类恢复运动功能或者重建运动功能。
因为报告相对来讲比较短，里面会隐去大量的技术信息，如果大家对相关的内容感兴趣的话，右下角的二维码可以有更多的比较技术性的细节可以在里面看到。
我们的话题会从走路开始，可能在座的听众有多少人能够记得自己今天从大门走进来到坐下一共走了多少步，我们脑子里不会存储这个东西，步行对我们来说是一个非常基本，非常原始的功能，不管是从小朋友开始学双足行走走路一直到老年人柱上拐杖，但是能然能够维持一个双足行走的状态，还是说把人放到一个不同于现有重力环境下在宇宙的环境中进行行走，行走本是非常基础的生理功能。
平时不会太注意到自己行走的正常或者是异常，我们也不会说每天到底走了多少步，直到有了智能设备告诉我们每天走了多少步，但是当运动功能损伤或者失去的时候才会意识到这确实对我们来讲非常重要的一个事情，今天我其实会从神经系统的角度来描述我们的运动行为，来看我们如何面对神经系统的损伤和疾病，帮助这些运动功能作为表象损伤患者来恢复相应的运动功能。
我们今天的主题是脊髓，脊髓本身是人的中枢系统的一部分，我们说人的中枢神经系统包括大脑和脊髓，脊髓其实是连接脑和外周神经系统的中继站，或者认为是一个高速公路，当然这个高速公路本身是具有计算功能的，这个高速公路本身是一个又强大又脆弱，又快速又狭窄的通道，当它受到损伤或者说当它受到疾病影响的时候通常会给我们的生理活动带来一些非常大的一些影响，以脊髓损伤为例，在中国有数百万的脊髓损伤的患者，他们可能是由于车祸、由于比如说从高处掉下来，体育运动的损伤，由于一些其它的重体力劳动的损伤，这都是脊髓损伤可能的原因，也是一个中青年常见的一类损伤和疾病。
我们在北京入组的第一位脊髓损伤的患者，希望能够帮他再站起来再行走，一位由于车祸导致完全脊髓损伤的患者，我跟他说我说讲一下你的故事，给我一个你的化名，他说就叫小勇吧，28岁，2021年初的时候由于车祸导致脊髓损伤，伤了之后上肢还能动，但是已经没有办法控制自己下肢的任何一块肌肉，这么一个状态。
本身在中国有大量规模的患者，其实是没有很好的治疗途径的，12年前当我还是刚入学博士低年级学生的时候，当时我们看我们如何来面对这样一些问题，有若干治疗的手段，在那个时候康复训练和药物治疗，本身看这个效果都比较有限，12年前2011年的时候，当时觉得组织工程、干细胞治疗会是非常有前景的来治疗脊髓损伤以及类似的损伤疾病导致的瘫痪的，我们认为这一定是终极的解决方案。
神经调控也就是今天给大家讲的主题可能会作为我们一个在现阶段的过渡性方案，到12年后的今天，我们看到康复治疗还有这些化学药物本身能够起到的效果仍然是比较有限，组织工程和干细胞其实在过去的这些年里持续对于他们寄予厚望，现在还是对他们寄予厚望，但是在下一个12年里能不能把这些技术用上，我们现在也说不准。真的说不准这些东西会不会有用。
但是前面入组的患者小勇或者说很多的数百万像他这样的患者，他今年28岁，我们说再等一个12年40岁，40岁的时候有没有这些生物的疗法能够充分的解决这个问题，我们真的不知道，但是我们可能没办法一个12年，一个12年持续的等下去，还是希望今天或者说能够在比较近期的方式通过工程技术的方法来帮他解决问题，这是一位完全瘫痪的患者，于是我们在清华大学启动了这样一个我们叫做人工脊髓这么一个项目，我们希望通过神经调控的方法让这些患者再站起来再走路，大家看到的这是去年的春夏之交，经过了半年的治疗过程和调控的过程，已经可以回家在自己家里小区的路上能够推着一个助行车，大家看到这是他的背景，但是前面可以推着一个助行车做一个行走。
这个事情发生在当下的，是我们不用再等下一个12年，或者再等再下一个12年，我们实现它的路径是通过神经调控，具体来讲是怎么做的，这是基于背影的动画的图，人的上身的背影，这位患者自己完全没有办法控制下肢的肌肉，但是可以由站起来推着这个架子往前走，和我们合作的临床医生的帮助下，在医生的帮助下可以在他的脊髓内部脊髓硬膜外植入一个高维的刺激电极振电，这张图里面中间的部位这是一个电极刺激振电，有线连到外面的小盒子，但是这个小盒子也是植入在体内的，这个小盒子里面控制芯片、感知芯片、电源、通信的模组等等的，这是我们的刺激器和控制器。
通过这样的神经调控的方法，虽然它的神经系统坏掉了，由于损伤没有办法正常往下来执行他正常的功能，但是我们通过发射合理的刺激信号，这样的调控信号，我们来控制他的神经系统，帮助他来控制，帮助他来重新的恢复站立和行走的功能。
这是复杂的本身刺激器的一部分，这当然不是说我们自己能做，我们在整个大的团队帮助之下，这是植入体内的刺激器，刺激器植入体内以后如何来调控，大家前面看到了我要把这样的一个高维的刺激阵列来植入脊髓内，在这张图上中间体现的一个人类脊髓的通用模型，我们对于人类脊髓做了一个数字化的通用模型，上面点亮的一排一排东西，是一个高维的刺激阵列，这也就是我们给它植入到脊髓硬膜外，说我可以任意的来控制刺激的模式，可以选择哪些触点被点亮，可以选择它的强度、频率、刺激脉宽，选择其它很多的参数。
如何来调控，这其实是一个巨大的动作空间或者行为空间、策略空间。这件事在2011年和2012年也就是大概12年前的时候，我们考虑首选策略是无模型的全局优化，我们不考虑人的这些生理信息的特异性，不考虑损伤疾病的这些机制，刺激什么地方，可能有效，可能怎么样，因为这些知识都没有，第一例临床患者基本上发生在2010年，那个时候我的博士导师和他的临床合作者，才发现说这个东西植进去以后可能能帮他恢复一定程度的运动功能，但是怎么样能够来进行一个优化的调控，这个事情当时也不知道，我们也没有模型，我们也没有对于这个方向的持续大量的基础科学的研究积累告诉我们。
采用的方法是无模型的全局优化，最开始在动物实验上这个事情还可以，我们可以比较快的通过在线优化的方法，也就是大家今天比较熟悉的强化学习的方法，能够找到比较好的，让大鼠腿部的运动功能恢复的刺激模式。
但是，这个东西放到人身上发现马上就出了问题，因为大鼠不太会给我们抱怨说它疼、不舒服，说这个刺激对于它来讲它不满意，大鼠只会反映出它的腿部动了，没有动，肌肉响应怎么样，但是人是会给我们反馈的。所以这是2012年到2013年我们临床上发现说如果不考虑这些限制因素，不考虑存在未知的安全风险，在临床治疗过程当中，很有可能我们会像右边的游戏一样，我扫了几处就踩到雷了，而在这个过程中一旦踩到雷，我们接下来就没有办法继续了。
那要怎么办？我们要在方法上能够有一套系统性的方法，来进行对于它的调控参数的一个安全探索，这个时候虽然我们的安全风险是未知的，但是我们可以通过一些数学建模的方法，还有一些实验采集、在线优化的方法，我们来去推断可能的安全区域是多少，我们在这些安全区域里面去进行优化，同时我们看它的安全区域对于不同任来讲可能不一样，但是我如何去一步一步的拓展安全区域。
在这个基础上，我们就能够做的人可以接受的算法，大家知道我们直到今天，大家其实对于算法接受的程度，虽然在显著的提升，但是也仍然有限。比如我们允许人犯错误，发生交通事故，我们不太能够允许自动驾驶的软件系统性能来发生交通事故。我们能够允许医生在临床诊疗过程中发生一些错误，但是患者和医生都不太允许算法在这个过程中犯错误，这是我们非常直接在临床过程中的体会。
但是有了有安全边界的，有安全探索约束的这些方法，我们就可以来实现一个安全的在线优化，大家现在在视频里看到的，这是我早期的一位患者，他在持续的优化过程当中，首先他能够勉强的站起来，这是某些刺激优化过程中的一些模式。
当我们的刺激优化持续进行的时候，这个患者越站越好，我们最后找到好的刺激模式，他能够比较轻松、比较稳定的靠自己的力量站起来，这也是完全瘫痪的患者，完全没有办法，不开刺激器的情况下，控制自己任何一块下肢肌肉运动的患者。
这是在站立方面，同时后面我们在2017年到2018年，跟我们合作的医院在UCLA的附属医院进行了手部抓握功能的优化，本身我们也可以来帮助高位截瘫，上至手，比如说他抓不住这个控制器，合适的调控模式能够让他再抓住这个控制器，能够让他自己抓住杯子。
这是一些相对来讲比较简单的运动模态，当我们想去进行更复杂的运动模态控制的时候，不可避免的一个环节，就是我们要进行相应的建模和仿真，我们要在虚拟层面、数字层面上来进行首轮的大规模计算优化，然后我希望这些大规模的计算优化在虚拟世界里能够显著加速，我们在现实世界中的实验过程。
因为前面的实验大家看到的是在现实世界中，我给一个刺激模式，我去看一下他站的好不好，抓的好不好，根据这个评价我再给下一个，我来优化下一个，再去优化下一个，这样一步一步来进行。
如果我们能够把其中相当的部分放在虚拟世界里面来做，一方面能够告诉我们说一个刺激到底在多大程度上，虚拟世界里能够告诉我说它刺激的效果好不好，另一方面可以帮助我们做什么，帮助我们来做神经界面的设计，我的这个电极排布到底是排成4×8的，还是排成一个其它的空间构象。我电极的这些长宽比例等等，到底怎么来设计比较合适，这都是仿真模型可以帮助我们一起来往前推动的。
在这个基础之上，我们也帮助大家前面看到的患者，左边的视频是他在合作的长庚医院在神经外科做了手术，之后在康复科来进行相应的训练，他可以靠这个架子行走，右边视频仍然是在长庚医院能够推着架子自己在医院的楼下走。
大家前面看到的那个视频，其实是他能够推着架子自己在家里面的小区里面行走，我们通过这样的过程，来帮助他在现在可以重复重建一个行走的功能。
往前展望，其实人类的运动控制非常复杂，整个漫长的进化过程，使得我们的脑、皮层还有深脑的这些结构，还有下到脊髓其实都在参与运动控制的这些计算和调整。我们如何能够把这些层级形成一个协同的控制，一个协同的理解，可能将来对于患者的治疗会更加的有效。
从方法的层面或者从更宏观的层面，我们也是会持续的来进行安全的探索，我们在一个保证安全的约束条件下，努力的去探索这些可能的未知的环境。
今天就简单给大家做这样的介绍，谢谢大家，我还会在这边，大家如果有问题欢迎找我来讨论。
