解碼腦部掃描破譯人類思想

讀心術：這是一門科學

Jack Gallant坐在自己位于美國加州大學伯克利分校的實驗室里，他盯著電腦屏幕，正試著破譯某個人的思維。
 
在屏幕的左邊是一些電視短片資料：在進行腦部掃描時，Gallant為研究參與者放映了這些影片。屏幕右邊，計算機程序正在分析大腦掃描的細節，以便推測參與者當時看到的是什么影片。
 
Anne Hathaway的臉出現在了從電影《新娘大戰》中剪下的片段上，她正與Kate Hudson熱烈地交談。計算程序明確地為她們貼上了“女人”和“交談”這些詞語。另一個展現水下野生生物的短片出現后，該程序不斷“掙扎”，最后假設性地提出了“鯨魚”和“游泳”等文字。
 
“這是一只海牛，但是它（程序）不知道這是什么。”Gallant說。研究人員還需要通過向該程序展示圖像和電視片段觸發的一系列大腦活動模型來培訓這個程序。他的計算機程序曾經遇到過大型水棲哺乳動物，但是沒遇到過海牛。
 
來自世界各地的研究小組正在使用類似技術試著解碼腦部掃描，從而破譯人們看什么、聽什么、感覺到了什么，以及他們記得甚至夢見了什么。有媒體報道稱，這些技術將讀心術“從幻想帶到了現實”，并且“能夠影響我們做任何事情的方式”。
 
盡管有公司開始使用市場調查和測謊儀等方式解讀大腦，但是科學家更傾向于使用相關技術探索大腦本身。Gallant和同行們正努力挖掘那些不同的大腦模型背后隱藏著什么，以及希望能找出大腦用來感知外界的編碼和算法。他們希望這些技術能夠告知他們管理大腦組織的基本原則，以及它是如何編碼記憶、行為和情緒的。
 
超越生物學
 
解碼大腦的提議始于10年前。當時，神經系統學家認識到，他們使用功能性磁共振成像（fMRI）得出的腦部掃描中存在許多未開發的信息。為了分析腦活動模式，科學家將大腦劃分成不同立體像素――像素的三維等價物，并主要致力于解答哪些立體像素最能反映刺激。最終研究人員總結出哪些區域負責處理面部表情。
 
解碼技術將審查大腦掃描中更多的信息，它們通過強弱應答來鑒定更細微的腦活動模式。例如，之前有研究已經證明，物體并不只被一個非常活躍的小區域編碼，它同時還被更多的分散式陣列編碼。
 
一旦該程序獲得足夠的樣本，它就能夠推斷受試者在看什么或思考什么。這些已經超越了劃分大腦區塊。而進一步關注這些模型能夠讓研究人員從詢問“在大腦的哪個部分”等簡單問題，到證明有關心理過程本質的假設理論。美國得克薩斯大學fMRI專家Russell Poldrack表示，解碼使得研究人員能夠檢驗那些現存的預測大腦如何執行任務的心理學理論。
 
Gallant的實驗室使用了第一人稱、戰爭題材的視頻游戲《反恐精英》，以設法驗證他們是否能夠解碼向左走或向右走、追擊敵人或開火的意圖。但是，他們只能解碼來回走動的意圖，fMRI數據中的所有其他信息則被淹沒在參與者的情緒中。
 
對于夢境的研究也是這樣。日本國際電氣通信基礎技術研究所（ATR）計算神經系統科學實驗室的Yukiyasu Kamitani及其同事，讓受試者在掃描儀中入睡，然后定期喚醒他們，讓他們回想自己看到了什么。該研究小組首先試圖重建他們夢境中真實的視覺信息，但最后依然還是求助于各種關鍵詞。不過該研究預測準確率約為60%。
 
逆向工程
 
解碼大腦依賴于這樣一個事實：大腦活動和外部世界的相互關系能夠被確認。而且如果所有你想要做的是使用一個簡單的腦信號來指揮一只機械手臂，那么簡單地識別這些聯系就足夠了。但是，Gallant等人希望能做得更多，他們試圖找出大腦是如何組織和儲藏信息的。
 
Gallant表示，這項工作并不簡單。每個腦區域都從其他區域網絡中獲取信息，并將它們聯系起來，也可能會改變其表現方式。神經系統學家必須了解每個點發生的轉變是什么。但與其他工程項目不同，大腦不是按照一定規則被放在一起的，而是必須要對人類思維和數學模型有意義。
 
“我們沒有設計大腦，而是要計算它如何工作。”Gallant說，“我們確實沒有公式來模擬這類系統。”即使擁有每個腦區域內容的足夠數據，研究人員也可能無法得到一系列公式來描述它們、它們的關系以及隨著時間的改變。
 
英國劍橋醫學研究理事會（MRC）認知與腦科學部計算神經學家Nikolaus Kriegeskorte指出，即便想要弄清楚視覺信息是如何被編碼的也十分困難――盡管視覺系統是大腦中已被最好了解的部分。“視覺是人工智能中的困難問題之一，但我們認為它要比下棋或證明定理更簡單。”他說。
 
但是，有很多問題要認真處理：神經束如何描繪臉等事物、信息是如何在視覺系統中不同區域間移動的，以及代表一張面孔的神經編碼是如何改變的。由下而上、從神經到神經來建筑一個模型過于復雜，Kriegeskorte研究小組正將現存的視覺模型與大腦數據相比較，以便確定哪些組合最適合。
 
現實世界
 
設計一個解碼大腦的模型非常困難。解碼器通常以個體大腦為基礎，除非它們要計算一些二項選擇等非常簡單的東西――人們在看圖A還是圖B。但是，數個研究小組正致力于設計一刀切的模式。“每個人的大腦有一點點不同。”美國新罕布什爾州達特茅斯學院的Jim Haxby說。他也在致力于相關研究。此刻，他說：“你只是不能足夠好地排列這些腦活動模型。”
 
標準化對于許多熱門的大腦解碼應用程序而言可能是必要的，后者可能涉及解讀人們隱藏或無意識的思想。盡管這些應用程序還未實現，但已經有公司躍躍欲試。英國倫敦大學學院的John-Dylan Haynes表示，他最近正與戴姆勒汽車公司接洽，該公司詢問是否有程序能夠解碼市場調查研究中受試者隱藏著的偏好。
 
Haynes指出，這種程序原則上有，但是當前方法無法解答一個人更喜歡30個不同產品中的哪個，“我確定，現在，傳統市場研究技術要好得多”。Haynes還在進行一項研究，參與者在數個虛擬房屋中進出，然后當他們在另一個區域活動時，研究人員對他們進行大腦掃描。
 
初步結果顯示，該研究小組能夠確定哪座房屋受試者之前到過。這暗示，此類技術可能揭示受試者之前是否見過犯罪場景。這些研究尚未發表，Haynes就立刻指出在執法機關使用此類技術的限制。如果一個人在一個建筑里，但是不記得了呢？嫌疑犯也可能會糊弄解碼器。
 
其他科學家也駁回了埋藏的記憶能通過解碼而正確地被揭示。即便其他因素不考慮，你需要一臺15噸、價值300萬美元的fMRI機器。現在，心理學家更加依賴更便宜的方式來了解人們的想法。“此時，要知道一個人做什么的最好方法是，問他們。”Haynes說。