Штучний інтелект наближає нас до технології читання думок

Як пише видання Merkur з посиланням на препринт дослідження на arxiv.org, фахівці ізраїльського Інституту науки Вейцмана створили новий ШІ-алгоритм Brain-IT. Технологія аналізує дані функціональної магнітно-резонансної томографії та реконструює те, на що саме дивилася людина під час процедури. За заявою команди, їхній підхід передає зміст і просторове розташування об'єктів значно точніше за попередні аналоги.

В основу алгоритму розробники заклали модель Brain Interaction Transformer. Система аналізує вокселі – крихітні об'ємні одиниці вимірювання мозкового скану – та об'єднує функціонально схожі зони в групи. Це створює спільну базу для обробки сигналів як усередині мозку конкретної людини, так і між різними учасниками тестувань.

Для генерації зображення алгоритм розділяє вхідні дані на два потоки. Перший відповідає за зміст і допомагає моделі розпізнати потрібні мотиви. Другий потік визначає просторову структуру та створює грубе розташування деталей, яке слугує каркасом. Завдяки цьому система фіксує не лише об'єкти, а й точне місце їхнього розміщення на зображенні.

Швидке налаштування

Роботу системи оцінили на базі відомого масиву даних Natural Scenes Dataset за участю чотирьох добровольців. Модель перевершила альтернативні рішення за ключовими критеріями: точністю пікселів, структурною схожістю та рівнем упізнаваності сюжету.

Суттєвою перевагою стала швидкість адаптації до нових користувачів. Після попереднього навчання на даних інших людей моделі Brain-IT вистачило лише однієї години додаткового сканування нової людини. Раніше для досягнення подібної якості алгоритмам було потрібно близько 40 годин індивідуального збору даних.

Середні ціни в мережі АЗС «Amic Energy» станом на

Обмеження технології

Попри вражаючі результати, вчені наголошують: це не читання думок у класичному розумінні. Система лише відтворює зображення, на які людина реально дивиться під час експерименту. Зчитувати довільні спогади, внутрішні роздуми чи сновидіння нейромережа наразі не здатна, хоча варто зауважити, що це лише перший крок, який може відкрити набагато ширші можливості у майбутньому. До того ж реалістичність згенерованого кадру частково забезпечують вбудовані знання дифузійної моделі, тож переконлива картинка не завжди гарантує стовідсотково точну реконструкцію первинного сигналу.

У майбутньому дослідники планують перевірити можливості Brain-IT для вивчення візуальної уяви та допомоги пацієнтам із розладами свідомості.