演算法解碼腦掃描的複雜思想

科學家現在可以使用大腦激活模式來識別複雜的想法，該研究使用機器學習演算法和腦成像技術來「閱讀思想」。

研究結果表明，思想構建的基礎是由大腦的各種子系統形成的，而不是基於文字。該研究發表提供了新的證據，即概念表示的神經維度在人與語言之間是普遍的。

Marcel Just教授（卡內基梅隆大學Dietrich人文社會科學學院，心裡學家）說：「人類大腦的一大進步就是將個人概念融入複雜思想的能力，而不僅僅是想到」香蕉「，而且我也喜歡晚上和朋友一起吃香蕉。」

「我們終於開發出了一種在fMRI信號中看到大腦這種複雜運作的方法。思維與大腦激活模式之間的這種對應關係的發現告訴我們，想法是如何構建的。「

Just和他的團隊以前的工作表明，熟悉的物體（如香蕉或鎚子）的想法喚起了涉及我們用於處理這些物體的神經系統的激活模式。例如，您如何與香蕉互動涉及您如何掌握它，您如何咬住它以及它的外觀。

新研究表明，大腦對240個複雜事件的編碼，如在試驗場景中的喊叫，使用42個意義分量的字母表，或神經可能的語義特徵，包括人物，設置，大小，社會交互和身體動作。每種類型的信息都在不同的大腦系統中進行處理——這也是大腦如何處理對象的信息。通過測量每個大腦系統中的激活，該程序可以知道正在考慮什麼類型的想法。

對於七名成年參與者，研究人員使用計算模型來評估239個句子的大腦激活模式如何對應於每個句子所表徵的神經可能的語義特徵。然後，該程序能夠解碼第240個剩下的句子的特徵。他們依次排除240個句子中的每一個，稱之為交叉驗證。

該模型能夠預測英語左側句子的特徵，具有87％的準確性，儘管之前從未被激活。它也能夠在另一個方向上工作，以預測以前看不見的句子的激活模式，只知道其語義特徵。

「我們的方法克服了fMRI的缺陷，將來自大腦事件的信號及時地輸出，就像閱讀一個句子中的兩個連續的單詞一樣。「這個進步使得第一次解碼包含幾個概念的想法成為可能。這是大多數人類思想所組成的。「

他補充說，「下一步可能是解碼一個人正在考慮的主題的一般類型，例如地質學或滑板。我們正在製作大腦中所有知識類型的地圖。「這項工作的資金來自智力高級研究項目活動（IARPA）。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！