“我們終于找到了一種方法，可以在核磁共振成像的信號(hào)中看到這種復(fù)雜的想法。”美國卡內(nèi)基梅隆大學(xué)的Marcel Just說，“思維和大腦活動(dòng)模式之間的對(duì)應(yīng)關(guān)系告訴我們這些想法是如何構(gòu)建的”。

人工智能系統(tǒng)表明，大腦意識(shí)模塊是由各種子系統(tǒng)而非大腦構(gòu)建的。

科學(xué)家們開發(fā)了一種新的“大腦閱讀”AI系統(tǒng)，它可以通過測(cè)量大腦活動(dòng)來解碼并表達(dá)復(fù)雜的人類思想。人工智能系統(tǒng)表明，大腦構(gòu)造復(fù)雜思維的構(gòu)建模塊是由大腦的各個(gè)子系統(tǒng)構(gòu)成的，而不是通過語言。

“我們終于找到了一種方法，讓我們可以在核磁共振成像信號(hào)中看到這種復(fù)雜的想法。”

研究人員發(fā)現(xiàn)，大腦對(duì)240個(gè)復(fù)雜事件的編碼，比方說在試驗(yàn)場(chǎng)景中那樣大喊大叫的句子，使用了42個(gè)有實(shí)際意思的組成部分，或者是大腦神經(jīng)系統(tǒng)中看似合理的語義，這些句子是大腦的思維途徑與大腦活動(dòng)模式之間的對(duì)應(yīng)。這些特征包括人物、場(chǎng)景、大孝社會(huì)互動(dòng)和身體動(dòng)作等。研究人員稱，每一種信息都是在不同的大腦系統(tǒng)中進(jìn)行處理的，這是大腦處理客觀信息的方式。通過測(cè)量每個(gè)大腦系統(tǒng)的活動(dòng)，這個(gè)程序可以判斷大腦系統(tǒng)正在考慮的是哪個(gè)類型的想法。

研究人員說：“人類大腦的一大先進(jìn)之處就是在于能夠?qū)€(gè)體的概念結(jié)合到復(fù)雜的想法中，不僅能想到香蕉，還能想到想要晚上和朋友們一起吃香蕉。”

“我們的方法克服了功能性磁共振成像的缺陷，將大腦活動(dòng)中產(chǎn)生的信號(hào)從開頭到結(jié)尾緊密地結(jié)合在一起，就像在一個(gè)句子里讀了兩個(gè)連續(xù)的單詞，”Just說。

這種進(jìn)步使得對(duì)包含幾個(gè)概念的想法進(jìn)行解碼成為現(xiàn)實(shí)。這顯示了大多數(shù)人的想法是如何組成的，“僅僅是通過不斷的添加信息。

研究人員使用了一個(gè)計(jì)算模型來評(píng)估7個(gè)人對(duì)作為材料的239個(gè)句子有怎樣不同的神經(jīng)系統(tǒng)反應(yīng)特征。然后，該程序就能破譯第240個(gè)特征。他們依次對(duì)240個(gè)句子中的每一個(gè)都做了檢驗(yàn)，這就是所謂的“交叉驗(yàn)證”。研究人員稱，該模型能夠預(yù)測(cè)出首先挑出的子集中句子的特征，準(zhǔn)確率達(dá)87%，盡管之前從未證明過該系統(tǒng)的預(yù)測(cè)情況。它還能有其他的用途：預(yù)測(cè)一個(gè)先前看不見的句子的激活狀況，只顯示它的語義特征。

該研究得以發(fā)表在《人類大腦圖譜》（Human Brain Mapping）雜志上。