十年后，计算机可能会掌握“读心术”

想象一下，如果你脑海中的图像能被“打印”出来，那将是多么的震撼！

事实上，日本京都大学的研究人员已经开发出一套人工智能系统。借助深度学习和网络生成技术的突破，该系统可以读取人们在脑海中看到的图像，并将其转换成99%精度的数码照片。

该系统对人们眼前的图像和想象中的图像都是有效的，目前这些图像的分辨率很低，受试者需要在MRI上才能正常工作。

大脑的 MRI 扫描

但这项技术的出现意味着，通过改进技术和改进大脑读取硬件，计算机将能够扫描我们的大脑，并将我们的大脑图像转换成我们可以保存和分享的真实图像，而且可能在十年内实现。

京都大学（Kyoto University）的研究人员在2018年进行了实验，并于2019年在《公共科学图书馆计算生物学杂志》（PLoS journal of computational biology）上发表了一份2018年关于研究人员系统如何工作的特定科学报告。

首先，研究人员将受试者置于功能磁共振扫描仪（functional magnetic resonance imaging）中，记录他们大脑中的活动。与传统的磁共振不同，功能磁共振成像测量大脑中的血流，使科学家能够确定当受试者执行任务时哪个大脑区域最活跃。

在记录受试者视觉系统发出的大脑信号的过程中，研究人员向他们展示了数千幅图像，每幅图像都显示了好几次，这给了他们一个庞大的大脑信号数据库，每个信号对应一幅特定的图像。

然后，研究人员将所有数据输入到一个深度神经网络（DNN）中，并训练它生成图像。对于每一张照片，研究人员要求神经网络产生一个与观察到的大脑活动模式相匹配的图像，并将其输出提高了200多倍。

最终的结果是，该系统能够接受表示被试验者的脑活动的fMRI数据，基于此，并根据每个受试者认为他们看到的内容绘制图像。

之后，研究人员改变了策略。他们将DNN的输出传递给了训练的生成网络。这些专业的神经网络将接受基本输入，产生新的照片和视频。

值得一提的是，生成网络相对较新，是近十年来人工智能领域最令人兴奋的发展之一，也是深度造假、人工造人和许多Snapchat过滤器背后的技术。

在这种情况下，研究人员利用他们的生成网络对从受试者大脑中读取的图像进行标准化处理，使其更像照片。

简言之，最终的研究人员系统采集了受试者的大脑活动数据，利用DNN将其转换成粗糙的照片，并利用制作网络将这些照片打磨成更真实的东西。研究人员展示了一组人类评委的图像，评委们还看到了一些可能的输入图像，并被要求将从受试者大脑读取的图像与最相似的输入图像进行比较。

在99%以上的案例中，评委都同意系统生成的输出图像与被试的实际输入图像相匹配，这是一个惊人的结果，这意味着研究人员可以很好地重建被试头脑中的图像，只使用大脑信号和人工智能，这样中立的人类判断者几乎每次都能将它们与现实世界的图像进行比较。

上面是被试者的原始图像，下面是基于他们大脑信号的重建图像，虽然不是完美的，但肯定是可以辨认的。

然后，研究人员增加了难度，他们要求想象他们以前看到的图像，并将它们保存在大脑中，而不是在看图像时从受试者的大脑中读取信息。因为想象中的图像使用了许多与实际图像相同的大脑区域。

当然，仅凭想象所构建的图像并不如受试者在观看真实照片时所创造的图像好，然而，当受试者被要求想象简单的对比形式时，就像一个加号或一个空背景上的圆圈，他们的大脑已经扫描过，重建的图像符合83.2%的真实例子，远高于随机性。

一般来说，阅读想象中的照片所面临的挑战，可能与研究人员的技术水平关系不大，但可能更多的是与课题有关，很难长时间记住一幅图像，人们的记忆信任度差异很大。
如果研究人员训练受试者想象某些图像（也许是使用冥想技术），或者如果他们经常有非常生动的心理图像，称为过度汉坦症，他们可以获得更好的结果。

目前，受试者神经信号发出的图像比较粗糙，但也是第一批数码照片。研究人员的结果表明，你可以从人的大脑中读取图像。现在这8个字符已经被修改，这项技术可以在许多方面得到改进，而且速度非常快。首先，输入数据的分辨率可以显著提高。研究人员使用的功能磁共振成像（FMRI）协议使空间分辨率达到2毫米左右。

这还不错，但仍然意味着，研究人员将100000个神经元的反应汇总到他们测量的每个数据点上，像Elon Musk的neuralink的实验装置这样的大脑植入物可以读取单个神经元的数据，分辨率比fMRI高几个数量级。

Neuralink

这种超高分辨率目前需要有创性的脑内植入，然而随着深层神经网络的完善，研究人员有可能获得类似的无创、易携带的脑交叉点数据，如脑电图。但新的光学技术在此基础上得到了改进，将EEG与超分辨率网络相结合可以显著提高其有效分辨率。

随着脑电技术和深度网络的发展，软件在用户头部安装非侵入性消费设备来读取大脑图像成为可能，在获得比现在更好的分辨率的同时，更高的分辨率可以更密切地观察受试者的大脑，帮助计算机重建他们的大脑图像。

然而，最有希望的发展不是输入，而是建立研究人员用来解释大脑数据并将其转换为真实图像的网络。

如今，最好的一代网络功能强大得令人难以置信，它们可以采取非常经济的投入，创造真实的图像。例如，openai的dall-e网络可以接受书面提示，如“一把鳄梨形状的椅子”，并创造这样一把椅子的图像，看起来就像人类设计师创造的一样。

“牛油果形状的扶手椅”

如果可以在dall-e这样的网络中训练，以使用大脑数据而不是文本作为输入，它甚至可以采取最弱的大脑激活模式，并确定一个人在大脑中持有的确切的心理图像。它们能想象出数百万张不同的照片，并记录下它们的大脑信号进行网络分析。

如果这种类型的数据收集能够完成，生产网络能够进一步完善，人们可以想象，一个非侵入性的消费者级大脑界面可以在十年内从你的大脑中读取准确的图像。

当这种情况发生时，影响将是巨大的。艺术和设计领域将发生巨大的变化。想象一下，你可以用一个移动的大脑制作一张海报，或者认真呈现你理想的房子装饰场景，然后让电脑把你的想法变成真实的照片。然后你必须把照片交给建筑师或开发人员，让他们按照你想象的具体规格建造你的梦幻房间。摄影师可能不再需要相机了。

我们可以简单地制作场景的“心理图片”，并在业余时间从大脑下载它们；产品设计师可以在大脑中创建新设备的模型，捕捉它们，并通过3D打印机将它们转换成真实的模型；导演可以想象一个电影场景，然后根据大脑图像制作一个故事板，甚至可以呈现和保存整个动画电影，这样的技术也可以给法律界带来很大的好处。受害者能够记住他们的经历，并将他们的记忆转化为真实的图像，然后将犯罪者绳之以法。关于图像真实性的问题将不胜枚举，但能否捕捉到犯罪和不公正的生动图像，但肯定会有许多潜在的破坏性军事应用。

想象一下，在审讯过程中使用这种技术，在未经囚犯同意的情况下，从他们的头上提取敌特的面孔。或者想象一下一家新闻机构派出一名伪装成游客或承包商的间谍去检查一处设施，然后从她的大脑中下载该设施的图像，以制定一个详细的计划，更好地管理军事打击。如果这项技术与永久性的在线大脑植入物相结合，比如Neuralink的设备，这些问题可能会变得最令人震惊，因为该设备可以在你不知道的任何时候读取你大脑中的图像。

更重要的是，当技术普及时，人们不应该有“自我”。因为你越是试图不去想象某件事，它就越有可能出现在你的大脑里，如果你想一想，这个场景就会非常尴尬。