這種醫用機器可用來玩讀心術，你腦袋裡想的圖片能輕易破解

2020-01-19 03:12:45 環球科學

來源丨 Discover magazine

撰文丨 Jonathon Keats

翻譯丨楊心舟

在 2003 年秋天，舊金山藝術館展出瞭我的藝術作品，一張我大腦的核磁共振圖。作為一名概念藝術傢，我的主要工作是提供想法，而不是直接作畫，因此有些人會認為我創造的東西是虛的，是根本沒有人經歷過的東西。為瞭更清晰和直接地展示我內心的想法，我一直在和加利福尼亞大學舊金山分校進行合作。該大學的神經科學傢 Bruce Miller 曾讓我躺在醫用儀器下，掃描並制作瞭我大腦的圖像。

這項技術被稱作功能性核磁共振成像（fMRI），於上世紀九十年代創造出來用於非侵入性地檢測病人的神經活動。大腦血流中血紅蛋白上的鐵元素會被強大的磁場跟蹤。由於血液循環會在神經元放電後增加，因此醫生通過觀測血流就能知道我們的腦活動，或者知道我們思考的過程。當然，後面這點隻是我的猜想。

圖片：Levent Konuk

不過，我在 2003 年測試瞭這一想法。當時我在舊金山主義畫廊展示瞭我大腦 fMRI 的結果，隻是大多數觀眾都是一臉迷惑地看著紅色的血流重疊在我的灰質上，搖搖頭，晃晃杯子中的葡萄酒就走過去瞭。

展覽展出的 16 年後，Miller 也有著同樣的反應。我們一同坐在他位於大學的辦公室中，他用手不斷指著電腦屏幕上的圖片，就是那張我在思考真理時的 fMRI 圖。" 這張圖分辨率太低瞭，我認為從圖裡能判斷出你在沉思，" 他說，" 但是這張圖真的有點過時瞭。"

Jonathon Keats 自己的 fMRI 圖。

他說的沒錯。fMRI 技術從 2003 年至今已經發展瞭很多年，就連醫院裡用的機器功能也比之前的強大瞭四倍。而就我這些年的經歷來說，我始終堅信人類大腦的思想是可以被觀察到的，並且這些觀察圖能夠告訴我們思考是怎樣運作的。現在，我想的是，fMRI 發展得如此迅速，是不是能成為一種全新的觀測工具，甚至用於我之前想過的藝術創造。為此，我拿著 2003 年的掃描圖，開始和相關領域的科學傢探討可能性。

用圖片展示想象力

" 我能看見哪一塊區域活動最強，" 京都大學的神經科學傢 Yukiyasu Kamitani 邊看著我的掃描圖邊說，" 但是我們不再看著圖中的這些熱點，" 所謂的熱點是指那些代表我血流的紅點，" 我們現在更加專註於腦活動的整體模式，這是不能用眼睛看出來的，" 他表示。

Kamitani 是世界上著名的視覺皮層研究專傢，他開發出瞭一套方法，可以用於解碼這些大腦掃描圖，就像讀心術一樣。這項技術發表在瞭 2017 年的《自然 - 通訊》上，他可以根據志願者在 fMRI 機器中觀測到圖片時的腦活動，重新在機器外部重建圖片。更令人震驚的是，他甚至能夠重建別人想象的圖片。

為瞭實現這一目標，Kamitani 使用瞭深度神經網絡算法，該算法會在志願者觀看熟悉物體圖片時分析他們的大腦活動，比如雨傘和飛機。而觀看這些圖片時由視覺皮層引起的大腦血流變化都會被記錄下來，計算機能夠根據血流樣式生成不同的圖片模式來對應飛機的特征，甚至是飛機在天空留下的機尾雲。

當這些實驗循環進行很多次，算法得到充分訓練後，研究者開始嘗試讓 AI 模擬一些圖片模式自己構建一些圖像。結果，AI 偽造的許多圖像大多數都能被辨別出來。另外，那些讓志願者想象出來的圖片也能被 AI 破解，盡管畫面會有點模糊，但整體上還是比較智能，能看出來你在想什麼圖。

AI 重構的圖像

在這一系列的研究中，Kamitani 不僅讓 AI 獲得瞭構建圖片的能力，他還發現我們處理圖像的過程是一層一層疊加的。當你看向一樣物體時，你首先接收的就是它的一些基本屬性，比如顏色。但如果你不是直接用眼睛看物體，而是想象，那麼圖像的處理過程就不一樣瞭。想象通常會從通用分類開始，比如這個物體是桌子，然後你再賦予它別的細節，比如桌子是用什麼材料做成的。因此，Kamitani 的研究在展示想象圖的同時，也探索瞭視覺是怎樣運作的。

讀出你的情緒

能向別人展示我在思考真理和美時的圖像確實很神奇，但如果這些圖片不能顯示我對這些物體的情感，那總是不完整的。杜克大學的神經科學傢 Kevin LaBar 告訴我，這也不是不能做到。

LaBar 已經創建出可以利用 fMRI 數據分析出人類情緒的計算機模型。相關研究在 2016 年就發表在 PLoS 子刊上。他的研究原理和 Kamitani 相同，也是利用 AI 來分析和學習大腦不同情感下的腦活動。

在實驗中，他用音樂和電影來訓練 AI。" 實驗挑選的這些藝術品能夠引起不同的情緒，"LaBar 解釋道。當志願者處於機器中時會觀看或者收聽這些藝術作品，而 AI 也會根據大腦血流來給不同情緒進行分組。

現在，AI 已經能夠預測一些它從來沒有遇到過的人類情緒，而不僅僅是瞭解看到實驗中那些電影或者聽到那些音樂時的情緒反應。舉個最簡單的例子，AI 能夠分辨出志願者第一次躺進 fMRI 機器時的害怕情緒。它甚至還能發現一些情緒紊亂，比如抑鬱癥。

在 LaBar 的觀念中，fMRI 甚至能當做交流工具，而不僅僅是給概念藝術傢來畫畫。我們可以根據掃描結果來診斷一些患焦慮癥的人，這些人往往不能表達自己的情感。而在一些場景中，它還能幫助患者進行憤怒情緒管理。

當然，LaBar 也指出 AI 能展示出的圖片是有限和片段化的。還有一些沒有測試的情緒會摻雜在現實中。如果 AI 被分散中多個小片段，那麼就很難知道一個模型是不是適用於所有場景。對於我想展示大腦中思想和美的願望，LaBar 給瞭我一個建議：你可以用上 Jack Gallant 全新的語義網絡分析。

真理是什麼顏色？

Gallant 是加利福尼亞大學伯克利分校的神經科學傢，他發表過幾張大腦的圖冊。其中一項是 2016 發表在《自然》上的研究，展示瞭不同意義的詞匯都儲存在大腦皮層的什麼位置。在這份語義地圖中，包含瞭各種各樣的單詞，從身體部位到數字再到一些原理相關的詞語。" 我們的方法展示瞭 fMRI 可以提供的最精準的細節東西，"Gallant 告訴我。這個圖冊展示瞭各種語義儲存在大腦中的地方，比如 " 狗 " 這個單詞引起的活動會出現前額葉、頂葉和顳葉皮質。

在志願者躺在 MRI 機器中時，會傾聽一些故事敘述。Galllant 會記錄 1000 個常用英語單詞和哪些神經元放電有關，而與此同時，計算機也會生成相應的模型。他發現，每一個單詞都會和多個腦區相關，他認為，這就意味著不同的腦區會處理一個單詞不同方面的意思。

在他將 " 真理 " 和 " 美麗 " 輸入到計算機模型中後，他告訴我，" 美麗這個詞所在腦區與視覺和感覺有關，而真理這個詞和社交區域有關。" 他隨後向我展示瞭這張語義圖，" 真理 " 顯示著紅色，而 " 美麗 " 顯示著藍色。如果真是這樣的話，那麼這些詞匯的不同樣式就足夠我用於藝術表達瞭。