CMU通過機器學習讀心術解碼大腦複雜思想

選自CMU

機器之心編譯

參與：黃小天、Smith

近日，卡內基梅隆大學官網上發表了一篇題為《Beyond Bananas: CMU Scientists Harness「Mind Reading」Technology to Decode Complex Thoughts》的文章，文中提到了人類思想與大腦激活模式相對應的研究成果，並通過整合機器學習與功能性磁共振成像技術（fMRI），解碼人類的複雜思想，將機器學習的演算法應用再次推向一個新水平。

卡內基梅隆大學科學家現在可以藉助大腦激活模式辨識複雜的人類思想，比如，「證人在審判中大叫了起來」。

由卡內基梅隆大學 Marcel Just 領導的最新研究致力於整合機器學習演算法與大腦成像技術從而實現「讀心術」，該研究發現表明人類複雜思想的基本構建單元是大腦的不同子系統而不是單詞；研究成果發表在了《人類大腦地圖（Human Brain Mapping）》上，並獲得了 IARPA（智力高級研究項目活動／ Intelligence Advanced Research Projects Activity）的資助，它提供的新證據表明概念表徵的神經維度廣泛存在於人類和語言之中。

D.O. Hebb 大學心理學教授 Just 說，「人類大腦的一大進步是有能力把單一概念融入到複雜思想當中，從而不僅僅可以思考香蕉，還可以聯想到夜晚和好友一起吃香蕉。最終我們發現了一種方法，通過 fMRI（功能性磁共振成像）信號讀取複雜的人類思想。人類思想與大腦激活模式相對應的發現向我們表明了思想的構建單元是什麼。」

Just 及其團隊之前的工作表明，關於相似物體的思想（比如香蕉或鎚子）會喚醒激活模式，這些模式涉及到我們用來處理這些物體的神經系統。例如，你與香蕉的交互方式將會影響你握香蕉、吃香蕉的方式，以及香蕉看起來的樣子。

通過反向工程大腦發送的信號，他們正在打造一款人工智慧，通過大腦掃描圖讀取人類的複雜思想。通過使用從 fMRI 機器中搜集的數據，並將其饋送至機器學習演算法，進而最終鎖定大腦用來產生複雜思想的基元。

這項新研究證明大腦對 240 個複雜事件、語句（比如審判期間的大喊大叫）的編碼使用了包含 42 個語義組件（或者神經可信性語義特徵，比如人物、設置、大小、社會交互和物理行動）的字母表（alphabet）。每一類型的信息在不同的大腦系統中獲得處理，這也是大腦為物體處理信息的方式。通過測量每一個大腦系統的激活值，該程序即可知道什麼類型的思想正在被考慮。

對於七個成人參與者，研究人員使用了一個計算模型來獲取大腦活動是怎樣鑒定 239 個符合神經可信性語義特徵（neurally plausible semantic features）的句子的。然後這個程序就能夠對第 240 個句子（被遺漏的句子）的特徵進行解碼。他們按順序逐個遺漏 240 個句子中的每一個，這就叫做交叉驗證（cross-validation）。

儘管之前從未被激活，這個模型仍能夠以 87% 的精度預測被遺漏句子的特徵。它也可以進行反向工作，在只知道其語義特徵的情況下預測前所未見的句子的激活模式。

「我們的方法克服了 fMRI 的一個缺陷，從而重疊混合了大腦活動信號，這些活動在時間上緊密相連，就像在一個句子中讀兩個相連的單詞，」Just 說道。「這一進步第一次使得解碼包含幾個不同概念的思想成為了可能。這就是大多數人類思想的構成方法。」

他補充道，「下一步可能就是對一個人思考的一般型話題進行解碼，比如地質學或滑板運動。我們正在繪製大腦中的所有知識類型。」

卡內基梅隆大學的 Jing Wang 和 Vladimir L. Cherkassky 也參與了此項研究。

發現大腦如何對複雜思想進行解碼是 CMU 關於人腦研究的眾多突破之一。CMU 培養了一批最早的認知學者，開發出了在 Jeopardy 奪冠的沃森，並且在神經計算領域建立了一個開創性的博士項目，同時也是人工智慧與認知心理學的發源地。在其生物學，計算機科學，心理學，統計學和工程學的優勢基礎上，CMU 推出了了 BrainHub 項目，這是一個聚焦於大腦結構和活動如何引起複雜行為的新領域。

原文地址：https://www.cmu.edu/dietrich/news/news-stories/2017/june/brain-decoding-complex-thoughts.html

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！