脑机接口(BCI)的工作原理是，脑电活动的可测量变化仅通过考虑执行任务即可发生。信号可以通过EEG(脑电图)读取，评估，然后通过机器学习系统转换为控制信号，然后可以将其用于操作计算机或假肢。在最近发表在《生理学杂志》上的一项研究中，马克斯·普朗克人类认知与脑科学研究所莱比锡，纳瓦拉公立大学和柏林工业大学的研究人员证明，仅用BCI训练一个小时，就可以检测到测试对象的大脑，这意味着使用BCI进行训练也对大脑的神经元结构和功能有直接影响。

这项跨学科研究检查了两种不同类型的BCI对没有这项技术的经验的受测者大脑的影响。第一小组的任务是想象他们在移动手臂或脚，换句话说，这是一项需要使用大脑运动系统的任务。分配给第二组的任务通过要求大脑识别并选择屏幕上的字母来解决大脑的视觉中心。经验表明，测试对象从一开始就在视觉任务中取得了良好的结果，进一步的培训并不能改善这些结果，而解决大脑的运动系统要复杂得多，需要实践。为了记录潜在的变化，请测试对象

马克斯·普朗克人类认知与脑科学研究所的蒂尔·尼尔豪斯博士说：“我们知道，密集的体育锻炼会影响大脑的可塑性。”可塑性是指大脑根据使用方式而改变的能力。科学家们在这里区分了功能可塑性和结构可塑性，在功能性可塑性中，仅单个突触之间信号的强度发生变化。结构可塑性是指神经细胞的变化，甚至是新神经细胞的形成。“我们问自己，这些对大脑可塑性的影响是否也会在纯粹的心理BCI实验任务中发生，换句话说，如果测试对象仅想到一项任务而没有实际执行，”美国公共大学研究员Carmen Vidaurre博士说。纳瓦拉。

结果确实确实显示了执行任务特别需要的大脑那些区域中的可测量变化。换句话说，在给定视觉任务的情况下，测试对象的大脑视觉区域发生变化，而练习想象自己的身体部位运动的测试对象的运动区域发生变化。尤其值得注意的是，使用BCI在很短的时间内(一小时)发生了变化，而不是像体育锻炼那样在几周内发生了变化。Nierhaus博士指出：“如果没有通过BCI系统向测试对象提供反馈，即他们的大脑信号能否被成功读取，这些变化是否还会发生，目前尚不清楚。”

MCI人类认知和脑科学部神经学系主任Arno Villringer教授解释说：“用BCI达到的影响的空间特异性可用于针对受中风影响的大脑区域。”“机器学习过程用于将BCI活动解码或转换为控制信号，”机器学习教授Klaus-RobertMüller教授补充道。“这是将单个BCI活动转换为控制信号而无需经过长时间培训的唯一方法。BCI的这种定制读取将对确定该技术将来是否可用于康复系统起决定性作用。”