比科幻片《黑鏡》更嚇人！這些AI項目竟專門研究「讀心術」

我們的大腦可能不再是隱藏秘密的避風港了。科學家們目前正在研究構建一種讀心演算法，我們的記憶就好比一個資料庫，這種演算法能通過記憶解讀我們內心深處的想法。

對於大多數人來說，這聽起來像是Netflix的熱門劇集《黑鏡》中的一幕。這部反烏托邦科幻片最近播出了名為「鱷魚」的令人不寒而慄的一集——使用讀取記憶的技術來調查保險事故。這令人毛骨悚然的一幕的設定，發生在無人駕駛汽車和面部識別技術的人工智慧驅動的世界中。

保險代理人使用的記憶重播器（劇中稱之為「corroborator」）內含監測晶元。只要連接到使用者，保險代理人可通過該設備獲取記憶印跡，並在屏幕上投放目擊者記憶範圍中的確切畫面，從用戶的視角重演整個事故。代理人再度營造類似氣氛以緩慢推動主體記憶前進。雖然現實世界中的保險技術可能不會如此複雜，但是這種揭示主體內心想法的技術有一天也許會成為現實。

目前，專家們正在繪製大腦的各個部分，用以收集數據，幫助進一步了解包括語言，句子，圖像，思維甚至是夢境在內的人體相互作用。

語言製圖

加州大學伯克利分校的神經科學家Alexander Huth和一個研究團隊在2016年由國家科學基金會資助的一項研究中，建立了一個「語義地圖集」來解讀人類的想法。

地圖集展示了人類的大腦如何通過生動的色彩和多樣的維度組織語言，還幫助識別了大腦中與有相似含義的單詞對應的區域。

研究人員進行了一項大腦成像研究，實驗者在接受功能性核磁共振成像的同時聆聽「故事。功能性磁共振成像（fMRI）通過檢測大腦血流的細微變化來測量神經活動。實驗表明，至少有三分之一的大腦的大腦皮層參與了語言處理，包括涉及高層次認知的領域。

這項數據驅動技術可以讓那些不能說話的人發聲，尤其是那些患有運動神經元疾病如ALS、腦損傷或中風的患者。

複雜行為

2017年，由Marcel Just領導的卡內基梅隆大學（CMU）的一個研究小組開發了一種方法來識別複雜的思維想法，例如「在試驗期間大喊大叫的目擊者」。研究人員通過機器學習演算法和腦成像技術來顯示大腦的不同區域，而這些區域形是構思複雜思維的思想基石。

2014年，卡內基梅隆大學提出了一項BrainHub計劃，這項計劃專註於現代大腦研究，通過機器學習應用、統計學和計算建模將神經科學與個人行為聯繫起來。BrainHub將繼續深入研究如何利用神經干預來幫助患有神經系統疾病和發育障礙的人。

面部重建

2014年，耶魯大學（Yale University）本科畢業生艾倫·考恩（Alan S. Cowen）領導的一個研究小組，根據研究對象的大腦對圖像做出的反應，精確地重建了人臉圖像。

研究人員展示了一系列面部圖像，同時繪製其大腦活動。 他們還創建了一個關於個人面孔的「大腦」反應資料庫。 當研究人員向研究對象展示新面孔時，他們利用資料庫來重建每個正在接受監測的對象的面部圖像。根據《耶魯新聞》以及《考恩預測》，隨著面部重建準確性與日俱增，這些研究工具可以幫助研究自閉症兒童對面孔的反應。

閱讀夢境

2013年，日本科學家就通過在淺度入夢階段對夢的某些方面進行解碼，成功「讀夢」，其準確率達60％。

研究人員在研究對象入睡後通過核磁共振成像進行掃描監測。該團隊還建立了一個資料庫，將研究對象劃分成各個視覺類別。在深度睡眠階段，研究人員可以通過監測他們的大腦活動來確定研究對象在夢中看到了什麼。

思維預測

2014年，Millennium Magnetic Technologies（MMT）NeuroTech成為第一家將「思維錄音」商業化的公司。 MMT依靠其專利特有的Rosetta技術，識別代表患者大腦活動和思維模式的認知標誌。該技術利用視頻圖像的fMRI模式和生物統計分析進行面部識別、物體識別、審問時真偽度識別及夢境順序的解讀。

局限性

客觀來說，讀心科技仍有很多局限性。

首先，大腦映射是一個漫長而昂貴的過程。就日本的研究人員來說，解讀夢境需要對每個參與者進行200次測試。而且，即使公司和組織計劃執行讀心技術，這也與多項人權相違背。報告已經著重指出，如果未經授權許可將當事人大腦與電腦相連進行思維解讀，這一行為至少侵犯了四條人權。

與「鱷魚」不同的是，在現實世界中，思維型人工智慧在得到官方首肯之前會面臨諸多限制，並會受到很多推波助瀾。即使如此，法規也可以遏制這場革命的熱情。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！