اولین تلاش ها در زمینه تعامل انسان با رایانه همزمان با کشف سیگنال های EEG شروع شد و دانشمندان سعی کردند که بین این سیگنال ها و فعالیت های مغزی ارتباط برقرار کنند[1]. اما با توجه به اینکه در ابتدا این سیگنال ها بسیار آشفته و دارای نویز بودند، از این سیگنال ها فقط در پزشکی استفاده می شد و فقط پزشکان متخصص با توجه به تجربه از این سیگنال ها می توانستند استفاد کنند. اما رفته رفته با تولید دستگاه های جدید و توانایی ثبت این سیگنال ها با کیفیت بهتر، پژوهش ها و تحقیقات بیشتری در این زمینه انجام گرفت.
در سال 1969، Elul [3]اولین تلاش را انجام داد. او بر روی سیگنال عملیات ریاضی کار کرد و نشان داد که اگر فرد عملیات فکری خاصی را انجام ندهد در %66 سیگنال مغزی آن توزیع گوسی است و اگر فرد عملیات ریاضی انجام دهد در %32 سیگنال مغزی توزیع گوسی دارد و از طریق سیگنال مغز توانست تشخیص دهد که فرد چه عملیات فکری انجام می دهد.
در دانشگاه Colorado دو محقق Keirn و Aunon تحقیقات خود را در این زمینه برای دسته بندی پنج فعالیت مختلف ذهنی شروع کردند[4]. آنها در حين انجام پنج فعاليت ذهني مشخص و همزمان از چند كانال، سيگنال EEG را ثبت نمودند. سپس به كمك يك تفكيك كنندة بيز از توان باند هاي مختلف فركانسي بعنوان ويژگي هايي جهت تفكيك اين فعاليت هاي ذهني استفاده كردند. آنها در ضمن كار خود اين ايده را مطرح نمودند كه فعاليت هاي مختلف ذهني مي توانند بعنوان الفبايي جهت برقراري ارتباط مستقيم مغز با دنياي خارج استفاده شود؛ بطوريكه شخص مي تواند با تركيب و انتخاب توالي چند فعاليت مشخص مقصود خود را به دنياي خارج منتقل كند.
چند سال بعد دکتر Anderson و همکارانش [5,6] کار این دو محقق را ادامه دادند. اين گروه در اغلب كار-هاي خود از همان پنج فعاليت ذهني استفاده کردند. آنها پارامترهاي آماري همچون ضرايب(AR) را تخمین زدند و با استفاده از این ضریب ویژگی های را برای دسته بندی و تشخیص این پنج عمل استخراج کردند. بعد از استخراج ویژگی به کمک شبکه عصبی عمل دسته بندی را انجام دادند.
Pfrutscheller و همکارانش [7-11] در مرکز Graz اتریش در تحقيقات خود از سيگنال هاي ثبت شده در حين حركت انگشت اشاره و يا در حين تصور حركت دادن دست راست و چپ استفاده نموده اند. آنها در كار هاي خود از خروجي هاي مختلفي همچون حركت يك نشانگر بر روي مانيتور، انتخاب حروف و كلمات و كنترل يك پروتز مصنوعي استفاده كرده اند. آنها جهت استخراج ويژگي از چند روش استفاده کردند. روش اول استخراج پارامترهاي AR و روش ديگر محاسبة توان باندهاي مختلف فركانسي، كه اين باندها متناسب با شخص انتخاب مي شوند. به گفته Pfrutscheller براي اين كار از يك تابع فاصلة وزندار جهت تعيين ميزان تأثير هر مؤلفة فركانسي بر عمل دسته بندي استفاده شده است. به اين روش (DSLVQ) مي گويند. اين عمل براي تمام فركانس ها در فاصله HZ 30-5 انجام مي شود تا مؤلفه هاي فركانسي مناسب براي آن شخص بدست آيد. آنها براي دسته بندي هم عموما از دو روش استفاده نموده اند. روش اول روش هاي مبتني بر شبكة عصبي (مانند LVQ) و روش دوم مبتني بر تفكيك كننده هاي خطي. (LDA) آنها جهت بهبود عملكرد سيستم خود در برخي موارد از تكنيك هاي بيو فيدبك هم استفاده نموده اند. بعنوان مثال با نشان دادن يك فلش روي مانيتور از كاربر خواسته مي شود كه تصور حركت دادن دست راست يا چپ را ا نجام دهد. با انجام مكرر اين كار ، تفكيك كننده را براي تفكيك اين دو عمل آموزش مي دهند . سپس در مرحلة آزمايش هر بار كه از شخص خواسته مي-شود كه حركت دادن يك دست را تصور كند با استفاده از تفكيك كنندة تعليم ديده سیگنال مغزی او را دسته-بندي مي كنند. هر بار بسته به ميزان خطاي تفكيك كننده يك علامت فلش با طولي متناسب با ميزان خطا روي صفحه رسم مي شود . اين علامت در واقع يك فيدبك است كه با ديدن آن شخص سعي مي كند كه هر بار طول علامت خطا را كم كند.
Wolpaw و همکارانش[12 ] بیشتر در زمینه پزشکی کار کردند لذا كارهاي آنها عموما از پشتوانة فيزيولوژيك خوبي برخوردار است اما روش هاي پردازشي آنها نسبتا ساده است. اساس كار آنها بر اين مبناست كه افراد را مي توان بگونه اي آموزش داد كه بتوانند برخي از ویژگی های سیگنال مغزی خود را کنترل کنند.
به طور کلی از جمله تحقیقاتی که در طی سالیان دراز در زمینه BCI انجام گرفته است می توان به تصور حركت دادن دست راست و چپ ، حركت دادن انگشتان اشارة دو دست، انجام پنج فعاليت ذهني: حالت استراحت, نامه نگاري، شمارش، ضرب ذهني و دوران ذهني ، انجام عمليات ضرب با ميزان پيچيدگي مختلف، گوش دادن به انواع موسيقي، انجام فعاليتهاي احساسي و عاطفي و رانندگي شبيه سازي شده اشاره کرد که در هر زمینه محققین زیادی کار کرده اند و به نتایج قابل قبولی دست یافته اند.