李珍，中山大学马克思主义学院教授、博士生导师；

　　谢攀琳，中山大学马克思主义学院博士研究生。

　　[摘 要]  被动型脑机接口在用户不执行特定心理任务的情况下，解码其自发的认知状态，与外部设备进行直接通信。当潜意识的心理状态被转化为输出信号并产生特定行动时，用户会对行动的责任归属产生疑惑：“这是我做的吗？”根据斯科特•雷诺兹的道德决策双过程模型，道德决策通常涉及有意识的推理过程，潜意识的大脑过程也会以反射模式匹配循环的方式在其中发挥作用。当然，被动型脑机接口使潜意识的大脑状态能够以一种新的、以技术为中介的方式影响行动，这会产生一些新的问题：经由脑机接口诊断的大脑信号所代表的究竟是真实的自我，还是被测量技术、模型、算法所塑造的自我？用户在行动后可能会意识到潜意识和行动之间的关系，他是否会因此产生能动感？这些悬而未决的问题需要在推进脑机接口实验哲学的基础上做进一步研究。

　　[关键词]  被动型脑机接口 自我 责任 行动 能动感

　　一、导言

　　脑机接口（Brain-Computer Interfaces，简称BCI）是一项新兴人机交互技术，它绕过大脑外周神经和肌肉的正常输出通路，在人脑和外部设备之间进行直接通信。该技术正在稳步发展，近年来已应用于医疗、教育和艺术等众多领域，相关的伦理问题日益凸显。BCI所面临的伦理问题与其特定类型密切相关。BCI系统可根据多个指标进行分类，如功能、神经成像技术、信息流或用户控制水平等。例如，侵入性和非侵入性是BCI最常见的一种划分方式，其区别在于BCI系统的大脑活动是否经由大脑或颅骨内部位的记录。侵入性BCI需要经过手术安装，会面临一些特有的伦理问题，如人格、医学安全性等，[１]非侵入性BCI则不存在这些担忧。另一种分类在过去的伦理学研究中一直被忽视，即主动型、反应型和被动型BCI的划分，[２]这一划分涉及用户对其大脑信号和输出的控制。简单来说，主动型BCI（Active BCI）根据用户对大脑活动的自主调节来产生输出，从而控制外部设备，它执行的是用户的特定心理任务。一种最常见的主动型BCI应用，通过运动想象激活大脑的感觉运动区域来控制外部设备，例如，用户通过想象左臂运动，为BCI系统生成可识别的大脑模式，从而移动左机械臂。被动型BCI（Passive BCI）是在用户不执行特定心理任务的情况下，解码用户自发的认知状态，如睡眠阶段、压力水平、疲劳或情绪等。被动型BCI常用在日常活动中对个人精神状态的监测，例如，评估医生在手术过程中的压力，检测驾驶员是否打瞌睡等。反应型BCI（Reactive BCI）根据外部刺激的反应调节大脑的活动。一种常见的反应型BCI是P300拼写器，当用户将注意力集中在电脑屏幕中想要选择的符号上时，BCI系统就能通过检测P300信号确定用户想要选择哪个符号。尽管目前学界尚未有对BCI系统亚型的伦理学研究，但一些文献认为，人们对这三类BCI的伦理关注可能有所不同。主动型BCI通常用于控制机器人假体或外骨骼的活动，人的尊严、人格、能动性及对行动的责任是对其主要的伦理关注点。[３]被动型BCI主要应用于对精神状态的持续监测，“读心术”的可能性引发了人们对精神隐私和自主权的担忧。[４]反应型BCI通常被用作通信工具或仅作为主动或被动BCI系统的子组件，因此，这些系统通常被认为是良性的。相比之下，主动型和被动型BCI的应用领域更容易受到伦理问题的影响，被视为高风险系统。

　　不少实验已经表明主动型BCI能够显著影响用户的自我意识、能动性和责任感，[５]而人们和专家对被动型BCI的伦理关注则主要集中在隐私问题上，[６]责任问题从未被关注。布勃利茨（C. Bublitz）等人甚至明确提出，通过被动型BCI执行的行动不构成法律责任，[７]因为它们不是用户有意控制的，而只是大脑自发活动的结果，用户甚至不知道系统正在收集他的心理状态等相关信息。当经由被动型BCI的行动导致不良后果时，用户会认为“这不是我做的”，从而将责任归属于外部设备。问题在于，被动型BCI系统所收集到的大脑信息并不是虚构的，它们可能真实地反映了用户的心理状态，只是这个过程没有被用户意识到。这与我们通常的行动过程是类似的，行动的意图中并非所有内容都是有意识的，还包括无意识的内容，甚至有些意图是在行动过程中被建构的。意图是如何形成的？潜意识在道德决策过程中是否发挥作用？主体是否应该为潜意识行动承担责任？

　　因此，被动型BCI同样会遭遇自我和责任困境。本文将考察这一被人忽视的问题。笔者并不试图从法律或道德层面去探讨解决这些困境的具体策略，而是揭示出其中存在的哲学问题，并通过结合BCI所创造的引人入胜的新案例，深化我们对于经典哲学问题的反思。

　　二、被动型BCI的工作原理及其应用

　　BCI人机交互的方式有显性与隐性之分。显性交互就是我们很明确地或有意地与机器交互，例如，我们通过鼠标在电脑屏幕上点击链接；但也有不那么明确甚至是无意识的交互，即隐性交互。这就类似于人与人之间的交互，我们能够通过语言、文字或手势与他人交互，他人也可以通过观察我们的无意识动作、眼神来获取更多关于我们的信息。显性交互与隐性交互在BCI上的体现就是主动型BCI和被动型BCI，它们适用于不同的人群：前者主要适用于重度残疾人，后者更多地被普通人使用。

　　学界对被动型BCI的定义并未达成完全一致。卡特雷特（E. Cutrell）和坦（D. S. Tan）是最早使用“被动型BCI”这一表述的学者，他们提出：“我们认为有可能在更被动的环境中使用大脑感知，超越直接的系统控制，使脑机接口在广泛的场景中对普通人群有用”。[８]吉鲁阿尔（A. Girouard）认为，“被动型BCI是除了键盘和鼠标等标准设备之外，还使用大脑测量作为额外输入的接口”。[９]她的目标是通过开发被动型BCI，利用大脑活动信息创建“关注用户的应用程序”，使其适应用户的心理状态。赞德（T. O. Zander）等人则提出了另一种观点，他们认为被动型BCI不是基于用户的预期行动，而是基于“周围系统交互时自动诱导的用户认知的反应状态”。[１０]总体来说，被动型BCI是一种支持用户通过大脑活动与计算机进行隐性交互的技术，BCI所获取的大脑信号既不是用户有意输出的，也不是用户所预期的，而是在与环境的互动中形成的。我们可以将BCI视为一种生理技术，如同通过检测用户的皮肤电反应（GSR）或心跳频率获得他们的情绪信息，或者通过注视跟踪系统获取用户的兴趣信息一般，被动型BCI通过检测脑信号来获取用户的心理隐性信息。

　　目前的被动型BCI主要有四类应用。（1）自适应自动化系统。例如，系统基于脑信号实时监测心理负荷，在用户与自动化系统之间动态分配任务，能够优化人机系统设计，避免过高的心理负荷，降低人误风险。这类自适应自动化系统在模拟飞行、模拟无人机控制、汽车驾驶等任务中被广泛应用。[１１]（2）隐性的多媒体内容标记。多媒体内容标记并不都是程序员事先设定的，机器学习与生理技术相结合是一个新的研究方向。例如，谢诺伊（P. Shenoy）等人开发了一个程序，该程序利用图像呈现后用户脑电图活动中出现的事件相关电位对图像进行分类，对人脸和无生命物体分类的准确率为75.3%，对人脸、动物和无生命物体分类的平均准确率为55.3%。[１２]在整个过程当中，用户没有意识到他们在做分类任务，只是被要求看屏幕。（3）电脑游戏。被动型BCI可用于控制电脑游戏中的各种功能。例如，用于适时调整游戏难度，如果检测到用户的注意力下降，就增加游戏中敌人的数量，以保证玩家自始至终拥有紧张刺激的体验；用于调整游戏的背景环境，如吉鲁阿尔设计了一个实验，要求用户连续两次观看视频和玩俄罗斯方块游戏，应用程序能够根据大脑活动的测量结果，预测用户正在从事哪项任务，从而调整背景音乐以适应任务。[１３]（4）错误检测和校正。即利用大脑活动中错误电位的检测来纠正视觉辨别任务中的错误，这项技术通常与主动型BCI和反应型BCI相结合，如运用在基于运动图像的BCI、P300拼写器的错误检测和校正中。

　　总体而言，被动型BCI是BCI技术未来发展的一个重要方向。虽然目前主动型BCI在很多领域是主流，但它在通信速度、用户友好性等方面面临许多重大挑战。首先，目前主动型BCI的通信速度较低，使用BCI实现的信息传输速率（ITR）约为25比特/分钟，远远落后于常见的通信形式，如语音和阅读的ITR可达40—60比特/秒。以文本输入为例，打字员通过键盘进行的文本输入速度大约为34—79个单词/分钟，通过侵入式BCI进行的文本输入速度约为8个单词/分钟。[１４]其次，用户如果想要自如地用利用自己的意念来操控外部设备，需要相当长的训练时间，并且操作过程让人疲惫不堪。正如范·格文（Van Gerven）等人所说：“理想的脑机接口任务应该易于执行，几乎不需要努力防止疲劳，生成大的大脑信号，来确保在一个易于控制和快速切换的大脑活动模式中可靠快速地解释信号，并产生提供用户友好和有效反馈的输出。不幸的是，没有符合所有这些标准的脑机接口任务。”[１５]鉴于主动型BCI如此种种的困难，被动型BCI常与主动型BCI结合以改善其各种缺陷，提高用户友好性和系统的性能。有关研究表明，被动型BCI与主动型BCI结合使用时，ITR能够提高3倍。[１６]并且，由于被动型BCI通过测量大脑活动推断用户的认知或情感状态的各个方面，而不需要用户有意识地尝试将这些信息传达给系统，这减少了对用户的认知干扰，用户需要付出的努力更少了。

　　三、自我、能动感与责任

　　由于被动型BCI通过生理计算、生物识别、传感技术等方式获得用户的心理信息，因此这个过程并不是用户自主控制的，他们甚至不知道他们的脑信号正在被读取。当这些潜意识的心理信息转化输出信号并产生特定行动时，尤其是在行动产生不良后果的情况下，用户会认为这个行动不属于他，从而将责任归属于外部设备，甚至会产生一种被操控的感觉。这种大脑本体感觉的缺失，使被动型BCI与用户之间的关系，与主动型BCI及其他方式的人机组合截然不同。

　　从哲学上说，能动性（agency）是主体通过行动对自身的归因，是对其后果承担责任的先决条件。“能动性”与“行动”概念密切相关。一般来说，行动体（agent）是具有行动能力的存在，“能动性”是指行动体行使或表现这种能力。[１７]行动哲学为我们提供了一个标准的行动概念和标准的行动理论，前者用意向性来解释行动，后者用意向性与行动之间的因果关系来解释行动。这代表了两种理解行动的视角：第一人称的视角和第三人称的视角。从第一人称的视角看，当我们行动时，我们有一种做某事的感觉：一种控制感，一种成为行动体或所有者的感觉，我们对这种感觉的获取是直接的，而不是基于观察或推理的，这种感觉通常被称为能动感（sense of agency）。从第三人称的视角看，能动性不仅仅是感知，还是一种事实关系，即行动体的心理状态和行动之间是否存在恰当的因果关系。

　　所谓能动感，是行动体对自己产生和控制自身行为能力的一种感觉，加拉格尔（S. Gallagher）将其描述为：“我是导致或产生行动的人的感觉”。[１８]在行动中，发挥核心因果力的是行动体有意识的目标表征，例如，我想举起右手，行动过程中会表现出各种现象学特征，如能动感、身体所有权、行动所有权等。而潜意识行为不具有这些显著的现象学特征，它所引发的身体运动往往是自发的，具有较低的自我控制力和情境敏感性，如习惯性行为，我们甚至可能没有察觉到它们的发生。能动感对于行动体而言是至关重要的，正如加拉格尔所说：“如果某个人做某件事导致了另一件事情的发生，但他在某种程度上不知道是他造成的，那么这个人就不是行动体（即使他可能是原因）”。[１９]韦格纳（D. Wegner）在其著作《有意识的意志的幻觉》（The Illusion of Conscious Will）中阐释了这种作用，“有意识的意志”指的就是能动感。根据韦格纳的观点，能动感是参与一项行动的“指南针”，[２０]是作为行动源头的“身体标记”（somatic marker）。能动感赋予了行动意识一种具身化的特征，从而强化我们对正在做的事情的鉴别能力，增强对所做事情的记忆。此外，能动感还指导我们对自己的行为及其后果承担道德责任。[２１]我们通过对行动的经验来了解自己，从而塑造对自我的认同感。

　　在通常情况下，我们对行动的意识和行动是同步的。当我们行动的时候，我们觉得自己在做一些事情，而当我们不行动的时候就没有这种感觉。但在某些特殊的情况下，对行动的意识和行动并不同步，甚至没有关联，那么能动感就会发生错误。一种情况是我们做了某件事，但我们没有这种感觉。例如，一些精神分裂症患者报告自己听到了某种声音，但实际上这种声音是他自己发出的，他却不自知；[２２]另一种情况是，我们有做某事的经验，而事实上我们不是事件因果链的一个环节。例如，我们按下水龙头旁边的按钮准备洗手，然后水流出来了，我们认为这是我们按下按钮的动作所导致的结果，但实际上这个水龙头是自动感应的，旁边的那个按钮并不是开关。使用被动型BCI是第一种情况，虽然用户的行动是由其大脑信号驱动的，但他没有任何能动感。也就是说，用户的心理状态与其行动之间存在第三人称的关系（因果关系），却不存在第一人称的关系（能动感），因为发挥因果作用的心理状态是潜意识的。

　　因此，一个关键的问题在于潜意识与意向性之间的关系。我们首先考察赞德等人关于被动型BCI的一项实验，这项实验要求BCI用户将光标移动到4×4或6×6网格中的特定位置，他们利用事件相关电位（ERP）来收集关于用户的目标位置信息（例如，左上角）来指导光标移动。光标最初是随机移动的，当它不朝目标方向移动时，ERP将显示错误相关信号，这些信号可用于推断用户的目标位置。随着大脑测量的建立，越来越多的数据点开始支持偏好方向的模型，光标将开始朝着正确的方向移动。正如实验设计者所说：“在本文中，我们证明了通过整理被动型BCI输出和背景信息，可以逐步开发出一个准确……揭示任务相关主观意图的用户模型。具体来说，我们证明了用户模型可以被开发并用于引导计算机光标指向预期目标，而参与者不知道已经传达了任何此类信息。”该实验是在对大脑的潜意识活动进行实时分析的基础上，建立了“一个用户模型，可以从中得出参与者的意图”。[２３]

　　赞德等人对“意图”的使用是针对系统的整体任务而言的，可能在内涵上存在争议，但从哲学上考察“意图”概念在此是否真的适用是有益的，新案例为经典的哲学问题带来了新的思考：意图都是有意识的吗？有没有可能是潜意识的？潜意识与能动感之间有关系吗？当把这些思考延伸到被动型BCI案例中，就产生了更具体的问题：计算机光标的移动真的反映了“我的”“意图”吗？BCI在多大程度上产生了意图，这些意图在多大意义上可以被视为我的意图？

　　很多意识理论能够为这些问题的解答提供启示。在较早的认知科学理论中，斯蒂克（S. Stich）将人的认知系统分为两个层次：一是较高层次的信念系统，用于计算意图、信念和愿望等，我们可以知道我们拥有它们；二是较低层次的亚信念系统，我们无法在推理或言语中明确使用它们所携带的信息，因为我们没有意识到它们的存在。[２４]福多（J. Fodor）也有类似的观点，他认为：“最高层次的状态很可能与常识承认的命题态度（信念、欲望）相对应……但在底层和中层，必然会有很多符号处理操作与人们——而不是他们的神经系统——从未做过的事情相对应。”[２５]类似的观点还有丹尼尔·丹尼特（D. Dennett）在《意识的解释》中提出的多重草稿模型（multiple drafts model）。丹尼特认为大脑中分布的各类信息是并行的，其内容与感知、认知、行动等有关，涉及多感官信息的收集和整合、反馈机制、后果预测、记忆等。这些信息经过编辑和诠释后会产生某种类似于叙事流的东西，它们具有多重性，即“多重草稿”。[２６]但只有少数草稿会在一个人的实际行动、经验、记忆或报告中留下痕迹，大多数草稿消失得无影无踪，也就是说，一个人为了实施某个行动，在他的大脑过程中处理了信息X、Y和Z，但最终他只意识到了X，Y和Z则未被意识到，虽然它们在行动的实施过程中都发挥了作用。被动型BCI与人脑不同，它会将与行动相关的信息X、Y和Z全部记录下来，只要大脑信号的测量方法足够先进。

　　依据斯蒂克的划分，被动型BCI所测量的信号属于亚信念系统。与人脑的亚信念系统不同的是，被动型BCI通过技术手段将亚信念的内容向用户揭示出来，并直接将其转化为行动，用户或会在行动后了解到他的意图。在平常的行动当中，我们也会在行动后才发现自己的意图、感受、偏好等，很多心理状态实际上经过对行动的反思才为我们所知。如丹尼特的多重草稿模型所表明的，“统一”“有序”的意图是从“非统一”“非有序”的大脑过程中“创造”或“构建”出来的，并指导我们的行动。这种意图和行动塑造了对自我的认同，因此，我们会认为这个行动是“我的”行动，这种意图是“我的”意图。被动型BCI的特别之处在于，在这一过程中引入了非个人的技术成分，这就带来了一种困境：这种行动是否体现了个人的真实意图？实际上，BCI所获取的心理信息是间接推断出来的，它们是对大脑的测量结果做出的解释，解释需要经过选择、假设和推理的过程，这些过程应用到各种计算模型、人工智能算法中，因此，测量手段是否准确、推理过程是否合理都会影响这个问题的答案。经由BCI诊断的大脑信号所代表的究竟是真实的自我，还是被误导、受偏见的自我，始终是一个悬而未决的问题。

　　四、潜意识对道德决策的作用机制

　　正如前文所述，在形成意图的过程中，大量导致行动发生的大脑活动是没有被行动体意识到的，属于潜意识，那么，行动体的潜意识是否应该对行动负有责任呢？行动伦理学的相关研究能够为这一问题的解答提供一些启示。迄今为止，行动伦理学的主流是理性主义，[２７]即将道德决策看作一个有意识、理性和深思熟虑的过程。但是，近20年来，一些学者提出除了有意识的活动之外，大脑的很多自动处理过程会在道德决策中发挥重要作用，[２８]例如本能、直觉、反省等，这些都属于潜意识范畴，它们是通过自动的直观的过程来运作的。

　　雷诺兹（S. J. Reynolds）在2006年从神经认知科学的视角，提出了道德决策的双过程模型，[２９]他认为尽管伦理决策通常涉及有意识的推理过程，潜意识的大脑过程也会在其中发挥作用。该模型关于大脑认知模式的观点与斯蒂克、福多的观点类似，即将其理解为两个层次：一个是更高层次的有意识推理系统（C系统），另一个是较低层次的反射模式匹配循环系统（X系统）。雷诺兹更为细致地分析了这两个层次的工作机制及其相互关系：C系统代表有意识、深思熟虑和理性的信息处理方式，X系统代表自动、反射和潜意识的信息处理方式。X系统是大脑中与无意识环境分析最密切相关的部分，常常被描述为自动处理、内隐学习，甚至直觉。就大脑结构而言，X系统被认为与外侧颞叶皮层、杏仁核和基底神经节最相关。[３０] X系统常常是用联结主义理论来阐释的。当特定的刺激（如视觉、听觉等）激活了神经元输入信号，这些信号通过不同权重、极性和强度形成特定的神经模式。一旦输出单元接收到刺激的神经模式，就会与存储在X系统中的原型[３１]进行匹配，匹配分析的结果会呈现给意识。值得注意的是，这个系统的过程并不是理性运作的结果，它们是在潜意识领域中反射性地运作。决策者并不知道这个系统的内部运作，只知道它的结果。从进化的角度来看，这样的过程在某种意义上是相当低成本的，不必占用太多的认知资源，能够进入意识层次的只是关于环境的最小但必要的信息。因此，即使在面对新的情况时，个人的基本知识结构和心理模式也可以在没有意识的情况下立即对不道德的情况做出反应。

　　当外部刺激无法与预先存在的原型相匹配时，C系统才会有意识地处理信息来做出决策。虽然许多动物都有与X系统相媲美的认知系统，但人类的独特之处在于他们还有C系统：它不仅可以处理对环境的感知，还可以处理有关这些感知的复杂推理。研究表明，C系统与大脑的前扣带、前额皮质和海马体活动相关。C系统具有两个特征：一是能够基于规则进行分析，例如，行动应该遵循功利主义、形式主义的原则，或者是其他行动原则，个人可以进行权衡并决定行动的过程；二是C系统对X系统起着调节作用。有证据表明，C系统能够通过两种方式对X系统施加控制。首先，X系统依赖于C系统为其提供原型。想象一下，你在桌子上看到了一个从未见过的物体，你可能需要耗费很多的认知资源来理解这个物体。例如，它是什么？它为什么会出现在我的桌子上？随着C系统对这个物体的熟悉程度变高，它的原型将被建立起来并存储在X系统中，那么，在未来类似的情境下，这个物体不会进入你的意识层次。其次，前扣带被认为是大脑中连接X系统和C系统的功能区域，它的作用就像一个警报器，允许X系统表达它无法将特定刺激与任何已知原型充分匹配，需要C系统参与主动处理。[３２]

　　虽然雷诺兹的模型是关于道德决策的脑神经认知机制，但从本质上而言，这与有意识和潜意识的大脑活动对行动的影响机制是相同的。根据传统的行动因果理论，只有有意识的心理状态才会对行动产生因果作用，如图1所示。而根据双过程模型，潜意识的大脑活动同样会对行动产生重要影响，它们的作用机制如图2所示。潜意识的大脑活动与有意识的心理状态之间存在双向因果关系：一方面，潜意识的大脑活动通过反射模式匹配循环系统向更高层次的心理状态反馈神经模式与原型的匹配结果；另一方面，有意识的心理状态为潜意识的大脑活动提供原型。

　　倘若用行动因果的双过程模型来描述经由被动型BCI介导的行动，BCI能够在潜意识与行动之间建立直接的因果关联，如图2中虚线箭头所示。虽然潜意识都在其中发挥了作用，但被动型BCI介导的行动与普通的人类行动是不同的。在普通人类行动中，潜意识必须以有意识的心理状态为中介发挥因果作用，行动体的能动感是掌控这项行动的“指南针”。而被动型BCI能够在潜意识和行动之间建立直接的因果关系，无须经过大脑中更高层次的有意识的心理状态，用户不会产生能动感。但由于BCI能够将用户的潜意识通过技术手段呈现出来，当用户了解到自己的潜意识与行动之间的关系时，就能够有意识地通过这种方式来控制行动，这是否会让用户产生另一种形式的能动感呢？这个答案目前是未知的。因此，潜意识与行动之间的这些复杂关系为行动的道德责任归属带来了前所未有的挑战。

　　五、结语

　　综上所述，与主动型BCI一样，被动型BCI也面临着各种主体和责任问题。这些问题并不都是被动型BCI所独有的，有些也是关于人类行动的普遍性问题：潜意识是否在人类的行动中发挥作用？根据传统的行动因果理论，导致行动发生的只能是意向性，是有意识的、能够产生能动感的心理状态，而不包括行动体的潜意识。而根据认知科学理论和最新的行动伦理学研究，潜意识的大脑状态是驱动行动的因果链的一部分，潜意识对行动和道德决策能够产生重要影响。同时，被动型BCI也为行动的主体和责任问题带来了新的挑战。一方面，从BCI所测量的大脑信号到用户的隐性心理状态，经过了解释与推理过程，其间不排除有发生错误的可能性，那么，经由BCI诊断的大脑信号所代表的究竟是真实的自我，还是被测量技术、模型、算法所塑造的虚假的自我？另一方面，BCI在潜意识的大脑活动和行动之间建立了直接关联，用户在行动后才可能认识到这种关联，这与一般人类行动中潜意识与意识之间的作用方式是不同的，这种以技术为中介建立的关联性能否促使行动体产生能动感？这些问题都有待进一步的研究。尽管BCI技术还可能会产生各种其他的伦理、法律和社会问题，但笔者认为，所有的研究都应当建立在BCI实验哲学的基础上，以此来重新分析、评估、完善或修正我们对人类认知的理解和概念词汇。

　　注释 

　　[１] G. Grübler, A. Al-Khodairy, R. Leeb, et al., “Psychosocial and Ethical Aspects in Non-Invasive EEG-Based BCI Research—A Survey Among BCI Users and BCI Professionals”, Neuroethics, vol.7, 2014, pp.29-41.

　　[２] T. O. Zander, C. Kothe, S. Jatzev, M. Gaertner, “Enhancing Human-Computer Interaction with Input from Active and Passive Brain-Computer Interfaces”, Brain Computer Interfaces, London: Springer, 2010, pp.181-199.

　　[３] C. Bublitz, A. Wolkenstein, R. J. Jox, O.Friedrich, “Legal Liabilities of BCI-Users: Responsibility Gaps at the Intersection of Mind and Machine?”, International Journal of Law and Psychiatry, vol.65, 2019, pp.1-13.

　　[４] R. Yuste, S. Goering, G. Bi, et al., “Four Ethical Priorities for Neurotechnologies and AI”, Nature, vol.551, 2017, pp.159-163.

　　[５] R. Rönnback, F. Blom, M. Alimardani, “Ethical Concerns About Personhood, Responsibility, and Privacy in Active and Passive Brain-Computer Interfaces”, Intelligent Systems and Applications IntelliSys 2023. Lecture Notes in Networks and Systems, vol.822, Springer, 2024, pp.186-200.

　　[６]被动型BCI起到了监视器的作用，系统在用户不知情的情况下收集其情绪状态、压力水平或工作量等信息。

　　[７] C. Bublitz, A. Wolkenstein, R. J. Jox, O. Friedrich, “Legal Liabilities of BCI-Users: Responsibility Gaps at the Intersection of Mind and Machine?”, International Journal of Law and Psychiatry.

　　[８] E. Cutrell, D. Tan, “BCI for Passive Input in HCI”, Proceedings of CHI, vol.8, New York, NY: ACM Press, 2008.

　　[９] A. Girouard, “Adaptive Brain-Computer Interface”, Proceeding of the International Conference Extended Abstracts on Human Factors in Computing Systems, 2009, p.3097.

　　[１０] T. O. Zander, C. Kothe, S. Welke, et al., “Utilizing Secondary Input from Passive Brain-Computer Interfaces for Enhancing Human-Machine Interaction”, Foundations of Augmented Cognition, Springer, Berlin, Heidelberg, vol.5638, 2009, p.760.

　　[１１]明东、柯余峰、何峰等：《基于生理信号的脑力负荷检测及自适应自动化系统研究：40年回顾与最新进展》，《电子测量与仪器学报》2015年第1期。

　　[１２] P. Shenoy, D. S. Tan, “Human-Aided Computing: Utilizing Implicit Human Processing to Classify Images”, Proceeding of the SIGCHI Conference on Human Factors in Computing Systems, 2008, pp.845-854.

　　[１３] A. Girouard, “Adaptive Brain-Computer Interface”, Proceeding of the International Conference Extended Abstracts on Human Factors in Computing Systems, 2009, pp.3097-3100.

　　[１４] C. Pandarinath, P. Nuyujukian, CH. Blabe, et al., “High Performance Communication by People with Paralysis Using an Intracortical Brain-Computer Interface”, eLife, vol.6, 2017, pp.1-27.

　　[１５] M. Van Gerven, J. Farquhar, R. Schaefer, et al., “The Brain-Computer Interface Cycle”, Journal of Neural Engineering, vol.6, no.4, 2009, p.2.

　　[１６] P. W. Ferrez, J. R. Millán, “Simultaneous Real-Time Detection of Motor Imagery and Error-Related Potentials for Improved BCI Accuracy”, Proceedings of the 4th International Brain-Computer Interface Workshop and Training Course, 2008, pp.197-202.

　　[１７] M. Schlosser, “Agency”, Stanford Encyclopedia of Philosophy, 2015.

　　[１８] S. Gallagher, “Philosophical Conceptions of the Self: Implications for Cognitive Science”, Trends Cogn Sci, vol.4, no.1, 2000, p.14.

　　[１９] S. Gallagher, “The Natural Philosophy of Agency”, Philosophy Compass, vol.2, no.2, 2007, p.347.

　　[２０] D. M. Wegner, Cambridge: MIT Press, 2002, p.341.

　　[２１] P. Haggard, M. Tsakiris, “The Experience of Agency: Feelings, Judgments, and Responsibility”, Current Directions in Psychological Science, vol.18, no.4, 2009, p.325.

　　[２２] S. J. Blakemore, D. A. Oakley, C. D. Frith, “Delusions of Alien Control in the Normal Brain”, Neuropsychologia, vol.41, no.8, 2003, pp.1058-1067.

　　[２３] T. O. Zander, L. R. Krol, N. P. Birbaumer, et al., “Neuroadaptive Technology Enables Implicit Cursor Control Based on Medial Prefrontal Cortex Activity”, Proceedings of The National Academy of Sciences of The United States of America, vol.113, no.52, 2016, p.4898, p.4903.

　　[２４] S. P. Stich, “Beliefs and Subdoxastic States”, Philosophy of Science East Lausing, vol.45, no.4, 1978, pp.499-518.

　　[２５] J. A. Fodor, Psychosemantics: The Problem of Meaning in the Philosophy of Mind, Cambridge: MIT Press, 1987, p.49.

　　[２６] [美]丹尼尔·丹尼特：《意识的解释》，苏德超等译，北京：北京理工大学出版社，2008年，第153页。

　　[２７] A. E. Tenbrunsel, K. Smith-Crowe, “Ethical Decision Making: Where We’ve Been and Where We’re Going”, The Academy of Management Annals, vol.2, no.1, 2008, pp.545-607.

　　[２８] J. Haidt, “The Emotional Dog and Its Rational Tail: A Social Intuitionist Approach to Moral Judgment”, Psychological Review, vol.108, no.4, 2001, pp.814-834.

　　[２９] S. J. Reynolds, “A Neurocognitive Model of the Ethical Decision-Making Process: Implications for Study and Practice”, Journal of Applied Psychology, vol.91, no.4, 2006, pp.737-748.

　　[３０] M. D. Lieberman, R. Gaunt, D. T. Gilbert, et al., “Reflexion and Reflection: A Social Cognitive Neuroscience Approach to Attributional Inference”, Advances in Experimental Social Psychology, vol.34, 2002, p.201.

　　[３１]所谓原型，即存储在大脑中的基本模式，原型包括多方面，例如声音、语言、对象、场景、情境、概念，甚至是复杂的社会互动，贿赂、欺诈、虚假陈述、性骚扰等伦理情况都具有原型特征。

　　[３２] M. D. Lieberman, R. Gaunt, D. T. Gilbert, et al., “Reflexion and Reflection: A Social Cognitive Neuroscience Approach to Attributional Inference”, Advances in Experimental Social Psychology, vol.34, 2002, p.201.

　　以上文章原载于《学术研究》2025年第3期，文章不代表《学术研究》立场。篇幅原因有所删减，未经授权不得转载。

　　学术研究

　　全国各地邮局均可订阅《学术研究》，国内邮发代号：46-64，欢迎您订阅！您也可访问学术研究杂志社门户网站：中国（南方）学术网http://www.southacademic.com，免费获取往期pdf版本。