格蘭特神經解碼:歷史,美科學家開發的讀心術,“讀心術”解碼腦神經,腦神經系統活性被

加州大學伯克利分校的研究者已經通過電腦模型和功能性核磁共振成像（fMRI)掃瞄器，將觀察到的腦神經系統活性進行了成功“解碼”，並確定出測試者剛剛所看到過的圖片。這項研究由加州大學伯克利分校神經系統科學家傑克·格蘭特（Jack Gallant）和博士後研究人員托馬斯·納斯拉瑞斯（Thomas Naselaris）共同主持。所以將此項技術稱作為格蘭特神經解碼，格蘭特希望能夠開發出更多的能夠“解讀”大腦神經活性的儀器，比如光學雷射掃瞄器或者腦電圖掃瞄器，通過計算機來解讀人類思想。

基本介紹

中文名：格蘭特神經解碼
研究院校：加州大學伯克利分校
原理：大腦通過複雜的裝配線來建構世界
研究國家：美國

歷史,美科學家開發的讀心術,“讀心術”解碼腦神經,腦神經系統活性被解讀,介紹,模型,原理,技術,實驗,“運動控”,科學讀心術,神經系統,

歷史

美科學家開發的讀心術

美國科學家研究出一種能夠“閱讀”大腦的技術。在利用大腦掃瞄器

進行的實驗中，研究人員能夠準確猜測出參與者腦中所想的事物，準確率高達80%左右。據悉，這項有關讀心術的研究目的就是證明掃描能夠揭示我們內心深處的想法。實驗中，研究人員用到了fMRI(功能性磁共振成像的英文縮寫)，這種掃瞄器現已普遍套用於醫院。在對6名志願者的大腦進行掃描時，研究領導人、美國納什維爾范德比爾特大學的史蒂芬妮·哈里森(Stephanie Harrison)博士通過電腦螢幕，向他們展示不同的圖案。其中一個圖案是條紋構成的圓，條紋近乎水平；另一個圖案是由接近垂直的條紋構成的圓。

圖案出現時，志願者大腦的不同區域被激活。看過所有兩個圖案之後，研究人員要求他們回憶其中一個圖案。根據《自然》雜誌的報導，通過觀察大腦活動形態，科學家得以準確判斷出志願者所回憶的是哪一個圓。哈里森表示：“準確率大大超過50%。對6名參與者進行的實驗證明，這種讀心術非常可靠。”

MRI掃瞄器利用一個強大的磁場和無線電波探測大腦周圍的血液流動。一些專家認為，這項技術為讀心器的研製鋪平了道路。所謂的讀心器能夠立即在螢幕上呈現他人所想的事物或者夢中夢到的場景。　

“讀心術”解碼腦神經

人的心思是世界上最難捉摸的東西，但科技的發展正在令“人心”不再難測。美國科學家日前利用電腦模型和一種實時成像掃描系統，成功對腦神經信號進行解碼，並確定了一個人剛剛看到的圖片

。研究人員表示，這意味著用電腦重現人腦中的夢境、想像或記憶畫面成為一種可能。在2008年進行的一項單獨研究中，格蘭特等人選擇了兩名同事接受試驗。在第一階段，他們每人觀看了1750張圖片，其中包括動物、建築、食物、室外風景、室內景物、人造物體等，同時研究人員利用功能核磁共振成像（fMRI）掃瞄器來監測他們大腦視覺皮層的活動。基於獲得的數據，研究人員在電腦上創建了一個數學模型來分析大腦對不同視覺特徵的反應。

在第二階段，兩名受試者觀看了任意挑選的120張新圖片，同時fMRI掃瞄器繼續記錄他們的大腦信號。通過數學模型的分析，電腦分別測對了兩名受試者看到的110張和86張圖片，準確率達到92%和72%。當受試者看到的圖片數量增加到1000張時，電腦的表現也有所下降，但對其中一人的測試準確率仍能達到82%。據研究人員估計，即便圖片有10億張，電腦對大腦信號“解碼”的準確率也能有20%左右。

首席研究員傑克·格蘭特(Jack Gallant)博士當時警告說：“解密大腦活動可能引發嚴重的道德和隱私權問題。我們認為任何人都無權在暗地裡或者在沒有徵得對方同意情況下，施展任何形式的讀心術。”

格蘭特教授在2008年3月5日發表於《自然》雜誌網站上的論文中寫道：“我們的成果表明：依靠對人腦活動的監測和分析來重建我們感知的視覺圖像，很快將成為可能。甚至夢境和想像也有可能變成可視的畫面。” 　

腦神經系統活性被解讀

加州大學伯克利分校的研究者已經通過電腦模型和功能性核磁共振成像(fMRI)掃描

儀，將觀察到的腦神經系統活性進行了成功“解碼”，並確定出測試者剛剛所看到過的圖片。儘管此項研究結果離實際運用還有數十年之遙，但這項研究可能會幫助科學家在某天製造出能夠解讀人類夢境和控制人類思維的計算機。這項研究由加州大學伯克利分校神經系統科學家傑克·格蘭特(Jack Gallant)和博士後研究人員托馬斯·納斯拉瑞斯(Thomas Naselaris)共同主持。這項研究是基於他們的早期研究“利用神經系統活性模型，確認出大腦看到過的圖像”。

他們的實驗方法於2009年9月23日發表在《神經元》雜誌上。為了構建電腦模型，研究者使用了功能性核磁共振成像(fMRI)掃瞄器。他們讓3個測試者觀看日常的物體圖像，通過fMRI測量流過大腦的血液來跟蹤神經系統活性。在校準好神經活性模型後，測試者被要求看另外一套圖案。電腦”解讀”了fMRI 跟蹤到的大腦神經活性，並在資料庫(其中有600萬張圖片)中找到測試者看到過的圖案。

格蘭特希望能夠開發出更多的能夠“解讀”大腦神經活性的儀器，比如光學雷射掃瞄器或者腦電圖掃瞄器。通過計算機來解讀人類思想還有幾十年的路要走。格蘭特說：“你可以通過算法來解碼一些我們看不到的事物。理論上來說，你可以分析出人類的心理。當一個人在進行思考時，通過機器就可以了解到他不為人知的秘密。”

介紹

格蘭特的“神經解碼”——他用來替代“讀心”的一個術語——發展地越來越快、越來

越成熟。實際上，2009年10月份，他的實驗室已經通過分析人們觀看視頻片段時的大腦激活模式重建了參加者觀看的完整的視頻片段。在一個示例里，一隻大象在沙漠上行走的重建視頻，顯示著一個稍有瑕疵的小飛象形狀的物體在螢幕上緩慢地移動。其中詳細的細節丟失了，但是這仍然使人印象深刻，因為這是從某個人的大腦里提取的。運用類似的技術，研究者可以揭開記憶和夢境的神秘面紗。在一個超強的大腦掃瞄器的幫助下，科學將能夠直接從你的大腦里獲知你看到的事物——甚至有一天可能讀取你的思想。研究者已經通過電腦模型和功能性核磁共振成像（fMRI)掃瞄器，將觀察到的腦神經系統活性進行了成功“解碼”，並確定出測試者剛剛所看到過的圖片。這項研究是基於他們的早期研究“利用神經系統活性模型，確認出大腦看到過的圖像”。

模型

為了構建電腦模型，研究者使用了功能性核磁共振成像（fMRI)掃瞄器。他們讓3個測試者觀看日常的物體圖像，通過fMRI測量流過大腦的血液來跟蹤神經系統活性。在校準好神經活性模型後，測試者被要求看另外一套圖案。電腦”解讀”了fMRI跟蹤到的大腦神經活性，並在資料庫（其中有600萬張圖片）中找到測試者看到過的圖案。

“只要我們擁有好的儀器來檢測大腦活動，並且建立了合適的大腦計算模型”，格蘭特在他2008年發表在英國《自然》雜誌上的一篇論文的附屬材料里寫道，“原則上我們將可能解碼諸如夢境、記憶和表象等心理加工過程的視覺內容”。

原理

大腦通過一個複雜的裝配線來建構我們周遭的世界。初級視覺皮層，或者簡稱V1，通過

複雜的方式與V2、V3等其他區域相連線。每個區域負責一個特定的與視覺相關的功能，比如分辨顏色，識別形狀，探測深度，或者感知運動。例如，當看著一條狗時，不僅僅只是看到一條四條腿的動物的外形；還會意識到自己小時候曾經有過一個這樣的棕白色的狗，在生活過的後院裡也這樣地活蹦亂跳；甚至可能會勾起跟它一起玩鬧的記憶。“看見”（這個狀態）所包含的所有這些方面，都將會在視覺皮層以不同模式得以表征。

格蘭特的研究關注的V1區域的核心功能——記錄視覺刺激——在20世紀早期被發現；當時發現腦袋後部（大概就是他們的視覺皮層）有槍傷的士兵，儘管視力正常，但卻出現了部分的失明。來自齧齒動物的實驗證實人們所看到的事物的方位和形狀在V1區域被重建。假如人們看著一棵樹，眼睛的後部將把一個正立的樹的表象記錄在V1區域。但是直到1990年代，神經科學家通過一種叫多體素模式識別的方法，才得以對人類中的非侵入性表征進行精確定位。這種技術運用功能磁共振將視覺皮層投射到微小的結構——體素上；而體素又與腦部血流的模式相一致。比如，這個區域一個負責表征形狀的模式，可能會告訴我們某個人正在看一隻狗；而該區域另外一個負責表征顏色的模式將顯示這條狗是褐色的。

格蘭特的項目將這一技術提升到了一個新的水平，他使用計算模型來識別圖片的同時重建了它們。格蘭特實驗室里的五個成員在過去三年內與機率理論作鬥爭，爭取提出最優的算法來推動這個計算模型的發展。在談到如何設計出這些算法編碼時，托馬斯·納斯拉瑞斯（Thomas Naselaris），一個高個子捲髮的博士後在黑板上寫下了一個很長的叫做貝葉斯理論的方程。這是機率理論的基本法則，可以計算對於全新的信息而言，其機率變化如何。他說，這是他們的技術的核心。

技術

僅僅通過分析你的大腦活動，科學家就能非常準確地預測你剛剛看到過的事物。這種技術

就是神經解碼。為了做到這一點，科學家首先必須在你注視上千張圖片的時候，掃描你的大腦。然後計算機分析你的大腦對於每一張圖片是如何反應的，最後將大腦活動與形狀和顏色等各種細節進行匹配。隨著計算的進行，計算機能夠建立一種主解碼密匙；這種密匙稍後能夠在沒有預先分析觀看某張圖片產生的掃描圖像的情況下，識別和重建幾乎所有你看到的物體。

實驗

為了計算某個人的大腦表征特定圖片的模式的機率，研究者首先必須使用相當數量的抽樣數量來啟動這個特殊的方程，他們需要使用被試的功能磁共振掃描數據中的1750個來訓練這個模型。“對於每個人可能看到的任何一張圖片，貝葉斯理論會告知人們每張圖片被正確預測的機率，”納斯拉瑞斯說。這有點像試圖預測隱藏在防水布下面的汽車的品牌：為了提出準確的猜測結果，你首先必須分析所有可以獲得的線索——防水布的外形、大小、甚至是車主的類型、可能還有引擎的聲音。

同時，格蘭特和他的博士後西本真治正在嘗試重建大腦中儲存的電影影像。在我完成我的功能磁共振掃描後，格蘭特在他的電腦上展示了一個視頻片段，視頻像幻覺一樣描繪了漂浮在雪山前的一隻熊。每隔幾秒，一隻新的熊被放大到視頻前面，然後又像拋向空中的水皮球一樣漂走了。偶爾一個彩色的立方體飛過熊。僅僅只是看著它就讓我眼暈。 “這是一個運動增強的影片，”格蘭特興奮地說，“它會讓你的視覺系統絕對的瘋狂，所以你的視覺系統充滿了血流和信號。”

“運動控”

西本真治，實驗室里典型的“運動控”，可以從大腦掃描數據里重建出這些熊的顏色、位置和運動，並生成原始視頻片段的複製版本。在一個類似的實驗裡，他讓一名志願者躺在功能磁共振儀器里觀看一個電影預告片兩個小時。然後計算機將被試的大腦模式與影片裡的顏色和移動形狀進行匹配。為了逐步建立計算模型的參考資料庫來啟動貝葉斯方程，研究者用上千個小時的YouTube視頻來訓練這個模型，並且使用它來預測人們觀看這些視頻時大腦將如何反應。然後，當被試觀看一段全新的視頻片段時，計算機就能夠將新的大腦模式與資料庫中的匯總的圖像片段進行匹配，進而重建原始視頻片段。重建的視頻，像重建形狀和顏色一樣，刻畫了運動的綜合流程，雖然它丟失了詳細的細節，比如臉部特徵。研究者稱，只要有更多的數據參入計算模型的計算，重建視頻的解析度將會提高。“當我告訴任何人我能夠做到這點時，”格蘭特說，“他們都說絕不可能。”