根據(jù)最新研究，人工智能可以通過分析大腦活動(dòng)來精確地重新繪制符號(hào)和數(shù)字。通過核磁共振掃描來讀取大腦信號(hào)，科學(xué)家們已經(jīng)開發(fā)出了人工智能的讀心術(shù)。

據(jù)悉，這臺(tái)機(jī)器會(huì)讀取大腦的活動(dòng)，來破譯在掃描過程中看到的手寫字母和數(shù)字。這項(xiàng)研究是人類和電腦之間直接的連接的一個(gè)重要步驟，它可能會(huì)解碼大腦圖像甚至夢境。

目前科學(xué)家已經(jīng)開發(fā)出一種人工智能，它可以通過讀取你的大腦信號(hào)來判斷你在看什么。這一研究被稱為“深度生成多視圖模型”，人工智能提供了對原始圖像的最佳重構(gòu)，與之前的算法相比，該機(jī)器能夠準(zhǔn)確地繪制出人們在進(jìn)行功能性核磁共振成像掃描時(shí)所看到的圖像。研究人員聲稱，他們的人工智能是同類中最精確的，盡管他們還沒有公布準(zhǔn)確的數(shù)字。中國科學(xué)院的科學(xué)家們已經(jīng)上傳了這一應(yīng)用的預(yù)覽版，但還沒有經(jīng)過同行評議。

科學(xué)家們使用功能性核磁共振成像掃描來讀取大腦活動(dòng)，從而可以看到大腦的哪些區(qū)域在特定的任務(wù)中處于活躍狀態(tài)。研究團(tuán)隊(duì)的人工智能技術(shù)可以讀取出視覺皮層中的大腦活動(dòng)。這種人工智能可以讀取大腦活動(dòng)，并對其進(jìn)行解碼，以確定大腦的視覺皮層“看到”了什么。

當(dāng)人類閱讀符號(hào)和物體時(shí)，視覺皮層就會(huì)以復(fù)雜的三維模式進(jìn)行重現(xiàn)。這些大腦模式對應(yīng)著眼睛所看到的符號(hào)，而人工智能則可以通過復(fù)雜的計(jì)算機(jī)算法來識(shí)別這些符號(hào)。該算法基于深度學(xué)習(xí)，這種技術(shù)常常用于訓(xùn)練計(jì)算機(jī)學(xué)習(xí)復(fù)雜數(shù)據(jù)模式。

這項(xiàng)研究是人類和計(jì)算機(jī)之間直接感應(yīng)連接的一個(gè)重要步驟，可能會(huì)導(dǎo)致人類能夠?qū)駡D像進(jìn)行解碼。

這張圖片顯示了人工智能在重現(xiàn)測試對象看到的簡單符號(hào)時(shí)所做的工作，該機(jī)器利用功能性磁共振成像來破譯進(jìn)行掃描時(shí)通過眼睛看到的手寫字母和數(shù)字。人工智能可以通過受測試者看到的數(shù)字精確地計(jì)算出他們在閱讀手寫字母或數(shù)字時(shí)的腦部掃描結(jié)果。

研究人員對新算法進(jìn)行了90%的腦部掃描學(xué)習(xí)，并對相應(yīng)的圖像進(jìn)行訓(xùn)練，以訓(xùn)練它學(xué)習(xí)視覺所涉及的大腦信號(hào)。然后，他們把剩下的10%的掃描結(jié)果顯示給人工智能，并讓它畫出它認(rèn)為那個(gè)人看到的東西。這一結(jié)果取得了巨大的成功，相關(guān)技術(shù)被稱為“深生成多視圖模型”(DGMM)，能夠準(zhǔn)確地繪制出受測試者看到的原始圖像。

“總的來說，DGMM重建的圖像捕捉到了這些圖像的基本特征，”研究人員在論文中寫道。研究人員稱，他們的人工智能比之前建立的任何類似的算法都更準(zhǔn)確，他們對手寫的數(shù)字和字符進(jìn)行了很好的重構(gòu)。研究小組稱，盡管許多重建圖像顯示了一些“噪音”，相比于原始符號(hào)有一些細(xì)微變化，但主要形狀“可以清晰地分辨出來”。

到目前為止，研究人員只使用一組簡單的符號(hào)來測試算法，而破解更復(fù)雜的圖像則需要更多的研究。他們聲稱，有朝一日人工智能可能會(huì)被用來解讀視頻甚至是夢境。