超越言谈搭书写：AI 好勿好让人类高速交换思想？

关于 artificial intelligence、brain-computer interfaces 搭人搭人之间直接思想交流个科学研究

科学评论文章搭建议研究框架 | 2026年11月

摘要

今朝个现代电脑用难以想象个速度交换信息。

一根普通个 Gigabit Ethernet 连线好每秒传输十亿个位元（1,000,000,000 bits）。先进个运算搭 data-centre 技术还要快交关倍。

但是人类个情况完全勿一样。

到今朝为止，人主要还是用言谈、书写、手势搭身体动作，拿自家个思想、概念、意见搭感觉传达拨别人。

尽管人脑里向进行仔大量个神经信息处理，但是我伲拿搿些信息以有意义个方式传达拨另外一个人个能力相对非常有限。

搿个情况带出一个重要个科学问题。

利用 artificial intelligence 搭神经技术，人好勿好勿靠言谈或者书写，直接、准确噉以高速交换佢哋个思想搭概念？

搿篇文章探讨人类信息传递个速度、解读大脑神经讯号个技术、brain-computer interfaces、brain-to-brain communication，以及截至2026年11月个科学进展。

文章还提出一个新个研究框架，借助 artificial intelligence 高速交换人类个思想搭意图。

搿项研究个根本目标勿是单单传输更加多个数码数据。

佢个核心目的是探索一种新沟通方式个科学可行性：拿一个人想表达个真正意思，用更加少个辰光、以更加高个准确度传达拨别人。

1. 引言：人类沟通当中个速度障碍

试想想看两部连接到现代电脑网络个电脑。

佢哋好拿非常大量个信息转换成 electrical signals，垃拉几毫秒之内交换。

现在试想想看两个人交换一个复杂个概念。

第一个人要先垃拉脑海里向形成一个概念。

然后佢要拿搿个概念转换成语言。

佢要拣合适个字眼。

佢要拿搿些字眼排成一句正确个句子。

搿能佢先至好讲或者写出来。

同样，第二个人要听到或者读到搿些字。然后佢要明白佢哋个意思，搞清楚第一个人其实想讲啥。

搿个过程个每个阶段侪需要辰光。

垃拉某啲场合可能会产生误解。搿能个概念就要再解释一趟。

搿搭个重要问题勿是人脑运作得慢。

而是人脑里向进行个神经信息处理，搭搿些信息好传达拨别人个速度之间，存在一个明显个差距。

Coupé 搭佢个同事垃拉2019年发表垃 Science Advances 期刊个研究，研究仔17种语言，估计人类口语个信息传递率平均大约是每秒39位元 [1]。

垃拉另外一项重要研究里向，Zheng 搭 Meister 估计人类行为信息处理个速度大约是每秒10位元。搿项研究垃拉2024年垃网上发表，并垃拉2025年刊登垃 Neuron 期刊 [2]。

搿两项研究量度个是勿同类型个信息处理。所以两个数字勿好互换使用。

佢哋也勿是人脑整体神经处理能力个最终量度。

勿过，佢哋显示人类有意识个行为搭沟通个信息速率，远低于交关电子系统个数据传输率。

搿个差异构成我伲新研究个基础。

2. 电脑个数据传输速度搭人类个沟通速度

电脑拿信息转换成数码形式，按照既定个 communication protocols 交换。

比方讲：

• 每秒1吉比特（1 Gbps）= 每秒1,000,000,000位元。

• 10 Gbps = 每秒100亿位元。

• 100 Gbps = 每秒1000亿位元。

• 800 Gbps = 每秒8000亿位元。

搿些数字描述个是电脑网络个信息传输能力。

但是佢哋呒没讲到电脑有几快明白垃拉传输个信息个真正意思。

人类沟通完全勿一样。

垃拉人搭人之间个交流里向，最重要个勿单单是信息个数量，而是佢个意思。

比方讲，一个人可能用几个字就清爽表达一个非常复杂个决定。

另外一个人可能要几段文字先解释得到同一个概念。

所以垃拉比较电脑个数据传输速度搭人类个沟通速度搿辰光，需要非常大个科学谨慎。

一部电脑可能每秒传输十亿位元。

但是搿勿代表佢明白搿些信息个意思。

与此同时，一个人可能只用几个字就拿一个深刻个概念传达拨另外一个人。

所以我伲研究个目标勿是拿人脑变成一个吉比特电脑网络。

而是我伲个目标是提高有意义个思想搭概念垃拉人搭人之间交换个速度，并且要拨人正确理解。

搿个是搿项研究最重要个科学基础。

3. 科学到目前为止取得个进展

3.1 Brain-Computer Interfaces

Brain-computer interface，简称 BCI，是一种垃拉人脑神经活动搭外部电脑系统之间建立连接个技术。

利用搿种技术，从大脑获得个讯号好由电脑分析。

记录大脑活动有两种主要方法。

第一，像 EEG 搿类勿使做手术就记录大脑电活动个方法。

第二，通过手术植入大脑个 electrodes 个方法。

Artificial intelligence 模型分析搿些神经讯号，尝试识别一个人打算做个动作、想表达个字词，或者沟通指令。

Willett 搭佢个同事垃拉2023年8月发表垃 Nature 期刊个研究，是搿个领域个一项重要进展。

搿项工作创造仔一种技术，拿一个人尝试讲话搿辰光产生个神经活动转换成文字。

参与者能够以大约每分钟62个字个速度沟通。

垃拉50个字个受限词汇下，字词错误率是9.1%；垃拉125,000个字个大型词汇下是23.8% [3]。

搿项研究证明仔，当一个人尝试讲话搿辰光产生个大脑讯号，好用来自相对快速噉沟通。

但是搿个系统勿是一种好自由读取一个人脑海里向出现个每个想法个技术。

佢识别个是同尝试讲话相关个神经活动。

3.2 直接从大脑讯号生成语音

搿个领域垃拉2025年有仔更加多值得注意个进展。

Littlejohn 搭佢个同事创造仔一种技术，以80毫秒个间隔处理来自人脑个讯号，并借助 artificial intelligence 拿佢哋转换成语音 [4]。

垃拉另外一项研究里向，Wairagkar 搭佢个同事描述仔一种方法，利用大脑个神经讯号实时产生富于表现力个合成语音。

搿项研究个参与者还能够垃拉一定程度上控制语音语调 intonation 等表现元素 [5]。

搿个是一个非常重要个进展。

人类沟通勿单单是字词个交换。

我伲讲话个速度、语气、情感表达搭仔强调字眼个方式，全部侪揭示一个概念个真正意思。

搿些研究证明仔从神经讯号重建自然人类语音个可行性。

勿过，佢哋仍然是垃拉特定研究环境里向使用个实验性技术。

3.3 长期实际应用：2026年个里程碑研究

垃拉2026年6月发表垃 Nature Medicine 期刊个一项研究，显示仔 brain-computer interface 技术垃拉实际应用上个重要进展。

垃拉搿项 Card 搭佢个同事个研究里向，一位患有严重运动麻痹（motor paralysis）个人借助植入式 interface 长辰光独立沟通。

垃拉接近两年里向，佢垃拉屋里向使用搿项技术超过3,800个钟头。

通过佢，佢传达仔大约196万个字搭183,060个句子。

平均沟通速度大约是每分钟56个字。

垃拉受控语音测试里向，字词准确率超过99%。但是垃拉日常自然对话里向，搿个准确率勿是时时侪一样 [6]。

搿个差异非常重要。

一项技术垃拉实验室运作良好是一种成就。

同一项技术垃拉人哋个日常生活里向长辰光可靠运作是另外一种成就。

垃拉我伲个高速人类思想交流研究里向，搿两个方面侪必须分别得到证明。

3.4 信息好勿好直接垃拉人脑之间交换？

关于 brain-to-brain communication，科学界也有一眼早期个成功。

一个叫 BrainNet 个研究垃拉2019年发表。

垃拉搿项研究里向，三个人利用大脑讯号一道白相一个简单个游戏。

头两个参与者个决定用 EEG 技术记录下来。

搿些信息通过一种叫 Transcranial Magnetic Stimulation（TMS）个大脑刺激方法，以既定讯号个形式传送拨第三个参与者。

有五个小组参加仔搿个实验。

佢哋个平均表现准确率记录为81.25% [7]。

搿项研究证明仔通过 neural interfaces 垃拉人脑之间传递某啲信息个可行性。

3.5 侦测脑海里向想像个言谈

Kunz 搭佢个同事垃拉2025年8月发表垃 Cell 期刊个研究显示，当一个人垃拉脑海里向想像讲话搿辰光产生个神经活动，好被部分识别。

搿项研究个另外一个重要方面是 mental privacy。

一个人勿想搭其他人分享个私密内心言语，可能通过技术意外泄露个风险，也得到仔检视。

此外，研究还测试仔区分特为为沟通而产生个思想搭私密心理活动个安全方法 [8]。

另外一项垃拉2026年9月发表垃 Nature Neuroscience 期刊个研究，检视仔想像言语搭实际言语个神经活动里向个一啲共同结构 [9]。

搿些发现可能垃拉未来为人哋创造机会，甚至勿使尝试讲话就好传达某啲信息。

但是呒没科学证据讲，现有技术好垃拉呒没事先训练或者合作个情况下，准确理解任何人脑海里向出现个每个想法。

4. 建议个新研究概念

借助 Artificial Intelligence 个高速人类思想交流

Artificial Intelligence-Assisted High-Speed Thought Communication

搿项研究个核心目标：

探索一种技术个可行性：从大脑神经讯号里向识别人哋自愿想传达个思想搭概念，拿佢哋转换成高效个数码形式，传递拨另外一个人，并令搿个人准确理解概念个真正意思。

搿项研究拿几个科学领域结合垃一道。

Brain-Computer Interfaces： 用来记录搭分析从人脑获得个讯号。

Artificial Intelligence： 用于像检测神经讯号里向个模式、语言生成、理解概念搭修正错误等任务。

Information Theory： 帮助以数学方式评估信息好有几高效搭准确噉传输。

Secure Digital Networking： 帮助拿生成个信息安全噉传送到另外一个电脑系统。

Brain stimulation 搭神经技术： 可能有助探索未来拿特定信息直接传递拨接收者神经系统个可能性。为仔搿个，广泛个医学搭科学测试是必须个。

搿项研究个重要机会可能垃拉于创造一种方法，传达一个人想表达个意思，而勿使生成搭传输佢想讲个每一个字。

比方讲，假设一个人搿能想：

「我同意搿个计划。但是我想拿实施佢推迟到下礼拜。」

未来个技术可能会尝试识别搿个想法里向个三个重要元素。

第一，同意个计划。

第二，勿愿意立即实施。

第三，请求推迟到下礼拜。

Artificial intelligence 好识别搿些基本意思，并构造一句另外一个人好明白个句子。

但是搿搭有一个重要个挑战。

单单 artificial intelligence 生成个句子语言上优美是勿够个。

佢必须勿经改变噉表达第一个人其实想传达个概念。

搿个就是叫 Semantic Communication 个概念个重要性。

5. 建议个技术框架

实施搿项研究个初步结构好分为六个主要阶段。

阶段一：记录大脑讯号

一个人垃拉完全同意个情况下，决定拿信息传达拨另外一个人。

垃拉搿一刻，搭佢刻意想表达个字词、指令或者概念相关个大脑活动，会借助合适个 neural interface 记录下来。

垃拉早期阶段个研究里向，好使用像 EEG 等勿使做手术个方法，搭已经发表个研究数据。

阶段二：用 Artificial Intelligence 识别思想

记录来个大脑讯号由 machine-learning 模型分析。

目标是识别搿个人刻意想传达个信息。

研究应该从识别少量字词、指令或者概念开始。

只有垃拉搿个基础技术个准确性得到确认之后，工作先应该进入理解复杂思想个阶段。

阶段三：拿思想转换成以意思为本个数据

识别到个信息借助 artificial intelligence 转换成结构化个数码形式。

搿个好包括思想个主要概念、佢哋之间个关系、条件搭估计个勿确定性。

搿能令到即使垃拉完整句子生成之前，侪好垃拉电脑系统里向表示信息个基本意思。

阶段四：安全个高速信息传输

生成个数据通过一条安全、加密（encrypted）个数码沟通渠道传送到另外一个系统。

垃拉搿个阶段，电脑网络个速度勿使是一个主要障碍。

今朝个电脑网络已经能够以非常高速传输信息。

相反，准确理解大脑讯号、生成正确个概念搭减少成个过程所需个辰光，可能是更加困难个问题。

阶段五：为接收者重建讯息

Artificial intelligence 拿接收到个信息转换成另外一个人好明白个形式。

佢好是文字、语音或者另外一种合适个沟通形式。

接收者必须能够明白信息个意思、有疑问搿辰光要求澄清，搭仔知道 artificial intelligence 估计里向个勿确定性。

阶段六：确认讯息已被理解

必须确认接收者已经正确理解仔个概念。

垃拉需要个地方，也必须提供要求澄清或者修正个功能。

如果未来要创造直接个 brain-to-brain communication，还必须开发一种能够拿信息传递拨接收者神经系统个独立技术。

搿搭要注意一个重要个区别。

拿一个人个大脑讯号用电脑转换成文字，然后拨另外一个人垃拉屏幕浪阅读，是 brain-computer-human communication。

佢勿好叫完整个直接 brain-to-brain communication。

搿个区别垃拉研究个每个阶段侪必须清爽保持。

6. 搿项研究个核心科学假设

搿项研究个核心假设建议如下。

通过借助 artificial intelligence 识别人哋刻意想传达个神经信息，并拿佢个意思转换成高效个数码形式，某啲概念好用比言谈或者书写更加少个辰光传达拨别人，同时保持可接受个准确度。

搿个假设好科学噉测试。

为此，同类个信息好通过普通言谈、书写搭连接 artificial intelligence 个 neural interfaces 交换。

垃拉所有可能个地方，应该用相同个参与者搭相同个信息来比较结果。

以下个量度垃拉搿项研究里向好重要。

1. End-to-End Latency

从一个人开始传达信息到另外一个人正确接收到个辰光。

2. Effective Information-Transfer Rate

垃拉计及错误搭修正之后，每秒正确传输仔几信息个量度。

3. Semantic Fidelity

第一个人想传达个概念搭第二个人理解个概念之间意思上个相似度。

4. Error Rate

被错误识别个字词、概念、关系搭结论个数量。

5. Receiver Comprehension

量度接收到信息个人是勿是正确理解仔佢个真正意思。

6. User Effort

使用搿项技术所需个注意力、精神负担或者疲劳、训练搭仔易用性。

7. Privacy Protection

监察用户未授权个思想或者信息是勿是意外泄露。

勿好单单因为一项技术个网络连接快，就讲佢加速仔人搭人之间个沟通。

同样，artificial intelligence 老快生成一句句子，也勿是充分个证据。

必须量度完整个人对人沟通过程。

7. 建议个实验研究计划

搿项研究好分三个主要阶段进行。

第一阶段：识别人类意图

首先，必须研究人哋刻意想传达个几个特定概念，好勿好从大脑讯号里向识别出来。

好使用已经发表个 EEG datasets，或者垃拉适当同意搭许可下进行个新研究。

比方讲，参与者好尝试传达以下其中一个概念。

• 我同意。

• 我勿同意。

• 我需要帮助。

• 我需要进一步解释。

好用 machine-learning 模型来检视搭搿些概念相关个大脑讯号是勿是出现差异。

然后模型个表现必须用呒没用垃训练里向个数据、勿同个测试时段搭独立个参与者来评估。

搿个阶段个重要问题：

好勿好从大脑讯号里向可靠噉识别一个人想传达个概念？

第二阶段：借助 Artificial Intelligence 传递意思

然后好尝试借助 artificial intelligence，拿第一阶段识别到个信息转换成完整个概念。

搿搭要比较三个方面。

第一，发送者其实想传达个概念。

第二，artificial intelligence 重建个概念。

第三，接收到搿些信息个人所理解个意思。

搿三样事体有几准确噉对应，必须通过数学搭统计方法来检视。

最重要个是，当一个概念对 artificial intelligence 勿清爽搿辰光，佢必须表达佢个勿确定性，而勿是生成错误个信息。

搿个方法个表现必须同普通打字、言谈搭其他沟通方式比较。

第三阶段：人搭人之间个沟通

垃拉第三阶段，好垃拉两个完全同意个参与者之间进行信息传递实验。

第一个人刻意尝试通过大脑讯号传达信息。

Artificial intelligence 分析搿个讯号，识别相关信息并安全噉发送。

第二个人接收并理解搿些信息。

然后量度完整沟通过程个速度、准确度搭可靠性。

拿信息直接传递拨接收者个大脑，会是一个更加先进搭独立个研究阶段。

搿类尝试需要神经专业知识、监管批准、医疗安全搭严格个伦理控制。

所以垃拉早期阶段个研究里向，应该优先证明 artificial intelligence 是勿是好改善人搭人之间沟通个表现。

8. 科学挑战搭目前个局限

搿项研究有几个重要个挑战。

第一，勿是所有人个大脑侪用相同个神经模式表示字词搭概念。

所以每个人可能侪需要个人化个训练或者模型调整。

第二，用像 EEG 等勿使做手术个方法记录个讯号，可能含有高水平个 noise 搭干扰。

搭植入大脑个 electrodes 相比，精细噉侦测某啲神经活动个能力亦可能较低。

第三，尝试讲话、垃拉脑海里向想像言谈、打算表达一个概念搭私底下自家想事体，勿是同一种神经活动。

搿些必须分开研究。

第四，large language models 有辰光会根据佢哋可得个信息，生成勿真实但看起来合理个句子。

垃拉人类思想交流技术里向，搿类错误可能变成一个非常大个问题。

搭某人讲一个人想仔佢呒没想过个事体，可能造成严重个误解。

第五，科学研究个结果好被其他研究人员重复，是非常重要个。

垃拉2026年发表垃 Journal of Neural Engineering 个一项研究显示，重复识别想像言语个研究结果存在交关问题。

垃拉搿项研究检视个 speech-imagery datasets 里向，只有36%个参与者达到超过适当统计显著性门槛个分类准确率 [10]。

搿个显示仔垃拉搿个领域里向，独立验证、透明个研究方法搭可靠个测试有几能重要。

最后，信息传输速度勿是唯一个挑战。

人类个注意力、记忆力、理解力搭思维过程侪扮演重要角色。

消除讲话个需要，本身并勿会令形成或者理解一个复杂概念所需个辰光完全消失。

基于目前个科学证据，勿好讲每一种人类思想侪好直接以吉比特速度传输。

拿数码数据传输速度搭有意义个人类思想个传递速度当成同一回事，是科学上勿正确个做法。

9. 隐私、信息安全搭人权

解读人脑神经讯号个技术，同时带来非常重要个伦理责任。

垃拉普通个电脑系统里向，被处理个信息是人哋自家输入个信息。

但是 neural interfaces 亦可能记录到搭一个人勿想搭其他人分享个私密心理活动相关个讯号。

所以我伲研究最重要个基本原则必须是以下搿个。

只有一个人垃拉完全同意个情况下刻意想分享个信息，先应该被识别搭传送拨别人。

要拿搿个原则付诸实践，需要几项安全安排。

用户必须有明确个控制权去启动沟通。

垃拉所有可能个地方，神经数据应该垃拉用户自家个装置浪处理。

信息必须以加密形式传输。

必须建立强大个安全系统，防止未经授权个人接触大脑讯号。

必须避免长辰光储存勿必要个神经数据。

用户必须有垃拉任何辰光立即停止信息传输个功能。

此外，必须讲清爽，artificial intelligence 生成个概念勿是一个人脑海里向思想个百分百确定记录。

佢哋是基于神经讯号生成个估计。

垃拉2025年11月，UNESCO 通过仔一项关于 neurotechnologies 伦理使用个国际建议 [11]。

搿项建议重视精神隐私、人类尊严搭负责任噉使用神经技术。

垃拉我伲个研究里向也一样，隐私搭伦理保障必须搭技术发展一道前进。

10. 搿项技术个未来应用

如果搿项研究成功，佢个早期益处可能会落到垃拉言谈搭身体活动方面面对严重困难个人身浪。

特别是 brain-computer interfaces 可能为搿啲因为运动麻痹搭某啲神经系统疾病而无法沟通个人创造新机会。

搿类技术亦可能用垃拉一啲特别情况，垃拉搿啲情况通过言谈或者身体动作沟通是困难个。

佢哋还好改善残疾人士个 computing 无障碍程度。

长远来讲，搿项研究亦可能有助令到人搭 artificial intelligence 系统之间个沟通更加有效率。

但是每种搿类应用个真正益处，必须逐一科学噉证明。

勿好预先假设直接神经沟通垃拉所有情况下侪会好过普通人类对话。

人类语言勿单单是一个传输信息个缓慢工具。

佢还执行交关重要功能：思考、推理、情感表达、澄清概念搭建立人际关系。

所以新技术应该增强人哋个沟通能力，而勿是令佢哋失去人类语言个搿些重要特质。

11. 搿项研究个科学贡献搭未来个路

搿项研究勿是基于「一种直接传输所有人类思想个技术已经存在」搿个假设而提出。

相反，佢是作为一個科学研究框架而提出，拿大脑讯号识别、借助 artificial intelligence 理解概念个意思、量度信息传输个表现搭评估人哋个真正理解结合垃一道。

佢个重要问题：

勿是好勿好垃拉人脑里向创造一个电子网络个全部数据传输能力。

重要个问题是，一个人垃拉脑海形成一个概念个一刻，搭另外一个人正确理解搿个概念个一刻之间个辰光，好勿好缩短。

为此，必须研究借助 artificial intelligence 创造个以意思为本个信息表示，搭识别普通言语个神经技术相比，是勿是提供额外个表现。

要讲一项技术成功，单单 artificial intelligence 生成优美个句子是勿够个。

佢必须减少信息传输所需个辰光。

佢必须保护垃拉传输个概念个真正意思。

佢必须拿错误控制垃拉可接受个水平。

佢必须垃拉勿同个人搭实际环境里向可靠运作。

搿些条件必须通过科学实验证明。

研究亦必须接受，某啲方法可能勿会比普通沟通表现得更加好。

科学研究个真正价值勿单单垃拉于证明一个预期个结果。

佢垃拉于基于可靠个证据，发现个假设是对还是错。

12. 结论

垃拉过去几十年，电脑数据传输技术进步仔交关。

今朝，垃拉世界勿同地方个电脑以高速交换非常大量个信息。

但是人搭人之间个沟通仍然老大程度上依赖言谈、书写搭其他身体表达形式。

近期个神经研究垃拉从大脑讯号重建语音、识别脑海里向想像个言谈，搭垃拉大脑之间传递既定信息方面，取得仔显著个进展。

勿过，一种能够直接、准确噉以高速传输每一种人类思想个技术还呒没出现。

佢仍然是一个有待解决个重大科学挑战。

垃拉未来，artificial intelligence 搭神经技术个结合可能创造新方法，缩短人哋表达思想所需个辰光。

为此个实践研究必须从人哋刻意尝试传达个神经讯号开始。

然后必须建立准确识别佢哋个模型。

接落来，必须评估信息个真正意思有几准确噉得到保护。

最后，必须科学噉证明搿项技术是勿是真个改善人搭人之间沟通个速度搭表现。

只有搿能，工作先好向前迈进，走向像完整直接 brain-to-brain communication 等更加先进个技术。

我研究个最终目标

我研究个最终目标，是尽可能缩细一个人垃拉脑海形成一个想法个速度，搭另外一个人准确理解搿个想法个真正意思个速度之间个差距。

为此，我提出个方法是拿 artificial intelligence、brain-computer interfaces、neuroscience、information theory 搭安全高速沟通技术结合垃一道研究。

我伲个目标勿单单是以高速传送更加多数据。

我伲个目标是为一种新个沟通方式建立科学基础：能够垃拉勿改变人哋思想搭概念个真正意思个情况下，安全、准确噉用最短个辰光传递佢哋。

参考文献

1. Coupé, C., Oh, Y. M., Dediu, D., & Pellegrino, F. (2019). Different languages, similar encoding efficiency: Comparable information rates across the human communicative niche. Science Advances, 5(9). https://doi.org/10.1126/sciadv.aaw2594
2. Zheng, J., & Meister, M. (2025). The unbearable slowness of being: Why do we live at 10 bits/s? Neuron, 113(2), 192–204. Published online: December 2024. https://doi.org/10.1016/j.neuron.2024.11.008
3. Willett, F. R., et al. (2023). A high-performance speech neuroprosthesis. Nature, 620, 1031–1036. https://doi.org/10.1038/s41586-023-06377-x
4. Littlejohn, K. T., et al. (2025). A streaming brain-to-voice neuroprosthesis to restore naturalistic communication. Nature Neuroscience, 28, 902–912. https://doi.org/10.1038/s41593-025-01905-6
5. Wairagkar, M., et al. (2025). An instantaneous voice-synthesis neuroprosthesis. Nature, 644, 145–152. https://doi.org/10.1038/s41586-025-09127-3
6. Card, N. S., et al. (2026). Long-term independent use of an intracortical brain–computer interface for speech and cursor control. Nature Medicine, 32, 2504–2510. https://doi.org/10.1038/s41591-026-04414-6
7. Jiang, L., et al. (2019). BrainNet: A Multi-Person Brain-to-Brain Interface for Direct Collaboration Between Brains. Scientific Reports, 9, Article 6115. https://doi.org/10.1038/s41598-019-41895-7
8. Kunz, E. M., et al. (2025). Inner speech in motor cortex and implications for speech neuroprostheses. Cell, 188(17), 4658–4673.e17. https://doi.org/10.1016/j.cell.2025.06.015
9. Zhao, Z., et al. (2026). A neural architecture for imagined and overt speech motor dynamics. Nature Neuroscience. https://doi.org/10.1038/s41593-026-02456-0
10. Tates, A., Matran-Fernandez, A., Halder, S., & Daly, I. (2026). Decoding speech imagery or just noise?: A symptom of the replicability crisis. Journal of Neural Engineering, 23(5). https://doi.org/10.1088/1741-2552/aea294
11. UNESCO. (2025). Recommendation on the Ethics of Neurotechnology. https://www.unesco.org/en/node/86248

By Keshavan Thiagaraja

Powered By K7