大腦解碼器：現實中的讀心術

Jack Gallant坐在自己位於(yu) 美國加州大學伯克利分校的實驗室裏，聚精會(hui) 神地盯著電腦屏幕，試圖解碼某個(ge) 人的思維。

電腦屏幕的左邊是一些電影短片——Gallant在對研究參與(yu) 者進行腦部掃描的同時，放映這些影片。而屏幕的右側(ce) ，計算機程序正在分析大腦掃描的數據，以推測參與(yu) 者所看到的是哪一個(ge) 影片。

Anne Hathaway的臉出現在了電影《新娘大戰》的片段上，畫麵中她正與(yu) Kate Hudson熱烈地交談。計算程序明確地將這一場景與(yu) “女人”和“交談”起來。另一個(ge) 剪輯，是展現了水下野生生物生活場景的紀錄片。在畫麵從(cong) *個(ge) 剪輯跳動到第二個(ge) 剪輯時，該程序不斷“掙紮”，zui後不確定地提出了“鯨魚”和“遊泳”等文字。

其實畫麵中出現的“是一隻海牛，但是電腦程序不知道這是什麽(me) 。”Gallant說。因此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係列大腦活動模型來培訓以形成這個(ge) 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。

現在，世界各地的研究團隊正在試著使用類似技術解碼腦部掃描，從(cong) 而破譯人們(men) 看到了什麽(me) 、聽到了什麽(me) 、感覺到了什麽(me) ，甚至夢到了什麽(me) 。

有媒體(ti) 報道稱，這些技術將讀心術“從(cong) 幻想變成了現實”，並且“有可能會(hui) 影響我們(men) 做事的方式”。一位倫(lun) 敦的經濟學家甚至推測將來科學家們(men) 能夠通過大腦掃描了解人們(men) 的心理活動。

雖然有公司開始使用市場調查和測謊儀(yi) 等方式解讀大腦，但是科學家更傾(qing) 向於(yu) 使用相關(guan) 技術探索大腦本身。Gallant和他的同行們(men) 正努力挖掘不同大腦模型背後的共同模式，希望能找出大腦用來感知外界的編碼和算法。他們(men) 希望這些技術可以告訴他們(men) 管理大腦組織的基本原則，以及它是如何編碼記憶、行為(wei) 和情感的。

超越生物學

解碼大腦的提議始於(yu) 大約10年前。當時，神經係統學家認識到，他們(men) 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(wei) 了分析腦活動模式，科學家將大腦劃分成不同立體(ti) 像素——像素的三維等價(jia) 物，並主要致力於(yu) 解答哪些立體(ti) 像素zui能反映刺激。zui終研究人員總結出哪些區域負責處理麵部表情。

解碼技術將審查大腦掃描中更多的信息，它們(men) 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(ti) 並不隻被一個(ge) 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。

這些記錄被送入“模式分類器”——一種圖像或概念與(yu) 模式相關(guan) 聯的計算機算法。一旦該程序獲得足夠的樣本，它就能夠推斷受試者在看什麽(me) 或思考什麽(me) 。這些已經超越了劃分大腦區域。而進一步關(guan) 注這些模型能夠讓研究人員從(cong) 詢問“在大腦的哪個(ge) 部分”等簡單問題，到證明有關(guan) 心理過程本質的假設理論。美國得克薩斯大學fMRI專(zhuan) 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。“有許多方法是超越生物學領域的，”他說。

點擊圖片查看大圖

在早期的研究中，科學家已經能夠證明他們(men) 可以通過這種模式得到足夠的信息，來告訴受試者看到了什麽(me) 類型的對象，例如剪刀、瓶子和鞋子。

不久之後，又有兩(liang) 個(ge) 科研團隊獨立地用它來研究人類大腦運行及管理的基本原則。那就是*的，將電極植入猴子和貓的大腦，研究它們(men) 的視覺處理係統的實驗。在人類大腦中，運用傳(chuan) 統fMRI技術很難觀察到微小的活動區域。但是基於(yu) fMRI數據的基本技術，倫(lun) 敦大學的John-Dylan Haynes 和 Geraint Rees以及日本京都ATR計算神經科學實驗室的Yukiyasu Kamitani相繼在2005年證明，與(yu) 猴子和貓一樣，圖片的邊緣也引發了人累大腦非常具體(ti) 的活動模式。

再後來，Gallant的實驗室使用了*人稱、戰爭(zheng) 題材的視頻遊戲《反恐精英》，以設法驗證他們(men) 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(men) 隻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(yu) 者的情緒中。

對於(yu) 夢境的研究也是這樣。Yukiyasu Kamitani及其同事，讓受試者在掃描儀(yi) 中入睡，然後定期喚醒他們(men) ，讓他們(men) 回想自己看到了什麽(me) 。該研究小組首先試圖重建他們(men) 夢境中真實的視覺信息，但zui後依然還是需要利用各種關(guan) 鍵詞。該研究預測準確率約為(wei) 60%。

逆向研究

解碼大腦依賴於(yu) 大腦活動和外部世界的相互關(guan) 係能夠被確認的前提。而且如果所有你想要做的是使用一個(ge) 簡單的腦信號來指揮一隻機械手臂，那麽(me) 簡單地識別這些就足夠了。但是，Gallant等人希望能做到更多，他們(men) 想要找出大腦是如何組織和儲(chu) 藏信息的。

但這項工作並不簡單。每個(ge) 腦區域都從(cong) 其他區域網絡中獲取信息並將它們(men) 起來，也可能會(hui) 改變其表現方式。神經係統學家必須了解每個(ge) 點發生的轉變是什麽(me) 。但與(yu) 其他工程項目不同的是，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(yi) 。“我們(men) 不是要設計大腦，而是要了解它如何工作。”Gallant說，“但我們(men) 確實沒有公式來模擬這類係統。”即使擁有每個(ge) 腦區域內(nei) 容的足夠數據，研究人員也可能無法得到一係列公式來描述它們(men) 、它們(men) 的關(guan) 係以及隨著時間的變化方式。

英國劍橋醫學研究理事會(hui) （MRC）認知與(yu) 腦科學部計算神經學家Nikolaus Kriegeskorte曾指出，盡管視覺係統是大腦中已被熟知的部分，想要了解視覺信息是如何被編碼的依然非常困難。有很多問題需要認真處理：神經束如何描繪臉等事物、信息是如何在視覺係統中不同區域間移動的，以及代表一張麵孔的神經編碼是如何改變的。由下而上、從(cong) 神經到神經來建築一個(ge) 模型過於(yu) 複雜，Kriegeskorte研究小組正將現存的視覺模型與(yu) 大腦數據相比較，以確定哪些組合zui為(wei) 適合。

回到現實

製造一個(ge) 解碼整個(ge) 大腦，甚至不同時期的同一大腦的模型是非常困難的。解碼器通常以個(ge) 體(ti) 大腦為(wei) 基礎，除非它們(men) 所計算的是一些二項選擇等非常簡單的東(dong) 西。但是，有幾個(ge) 研究小組正致力於(yu) 設計一個(ge) 通用的模式。“每個(ge) 人的大腦有一些不同。”美國新罕*爾州達特茅斯學院的Jim Haxby解釋道。

研究模式的標準化對於(yu) 許多熱門的大腦解碼應用程序而言可能是必要的，後者可能涉及解讀人們(men) 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(lun) 敦大學學院的John-Dylan Haynes表示，他zui近正與(yu) 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。他表示，理論上這是可行的，隻是目前的方法可能不再適用，需要開發新的算法。營銷人員也表示：“我敢肯定，與(yu) 傳(chuan) 統的市場調研方法相比，這個(ge) 新技術要好得多。”