通过机器学习「读心术」可以解码大脑复杂思想吗？

近日，卡内基梅隆大学官网上宣布了一篇题为《Beyond Bananas: CMU Scientists Harness「Mind Reading」Technology to Decode Complex Thoughts》的文章，文中提到了人类思维与大脑激活形式相对应的研讨成果，并经过结合机器学习与功能性磁共振成像技能（fMRI），解码人类的杂乱思维，将机器学习的算法运用再次面向一个新水平。

卡内基梅隆大学科学家如今能够凭借大脑激活形式辨识杂乱的人类思维，比方，「证人在审判中大叫了起来」。

由卡内基梅隆大学 Marcel Just 领导的最新研讨致力于结合机器学习算法与大脑成像技能然后完成「读心术」，该研讨发现标明人类杂乱思维的根本构建单元是大脑的不一样子体系而不是单词；研讨成果宣布在了《人类大脑地图（Human Brain Mapping）》上，并取得了 IARPA（智力高级研讨项目活动／ Intelligence Advanced Research Projects Activity）的赞助，它供给的新证据标明概念表征的神经维度广泛存在于人类和言语傍边。

D.O. Hebb 大学心理学教授 Just 说，「人类大脑的一大前进是有能力把单一概念融入到杂乱思维傍边，然后不仅仅能够考虑香蕉，还能够联想到夜晚和好友一同吃香蕉。终究咱们发现了一种办法，经过 fMRI（功能性磁共振成像）信号读取杂乱的人类思维。人类思维与大脑激活形式相对应的发现向咱们标明晰思维的构建单元是啥。」

Just 及其团队之前的作业标明，关于类似物体的思维（比方香蕉或锤子）会唤醒激活形式，这些形式涉及到咱们用来处理这些物体的神经体系。例如，你与香蕉的交互办法将会影响你握香蕉、吃香蕉的办法，以及香蕉看起来的样子。

经过反向工程大脑发送的信号，他们正在创造一款人工智能，经过大脑扫描图读取人类的杂乱思维。经过运用从 fMRI 机器中收集的数据，并将其馈送至机器学习算法，进而终究确定大脑用来发生杂乱思维的基元。

这项新研讨证明大脑对 240 个杂乱事情、语句（比方审判时期的大喊大叫）的编码运用了包括 42 个语义组件（或许神经可信性语义特征，比方人物、设置、巨细、社会交互和物理举动）的字母表（alphabet）。每一类型的信息在不一样的大脑体系中取得处理，这也是大脑为物体处理信息的办法。经过测量每一个大脑体系的激活值，该程序即可知道啥类型的思维正在被考虑。

关于七个成人参与者，研讨人员运用了一个核算模型来获取大脑活动是怎样判定 239 个契合神经可信性语义特征（neurally plausible semantic features）的语句的。然后这个程序就能够对第 240 个语句（被遗失的语句）的特征进行解码。他们按次序逐一遗失 240 个语句中的每一个，这就叫做穿插验证（cross-validation）。

尽管之前从未被激活，这个模型仍能够以 87% 的精度猜测被遗失语句的特征。它也能够进行反向作业，在只知道其语义特征的情况下猜测前所未见的语句的激活形式。

「咱们的办法克服了 fMRI 的一个缺点，然后堆叠混合了大脑活动信号，这些活动在时刻上严密相连，就像在一个语句中读两个相连的单词，」Just 说道。「这一前进第一次使得解码包括几个不一样概念的思维成为了也许。这即是大多数人类思维的构成办法。」

他弥补道，「下一步也许即是对一个人考虑的通常型论题进行解码，比方地质学或滑板运动。咱们正在制作大脑中的一切知识类型。」

卡内基梅隆大学的 Jing Wang 和 Vladimir L. Cherkassky 也参与了此项研讨。

发现大脑怎么对杂乱思维进行解码是 CMU 关于人脑研讨的很多打破之一。CMU 培养了一批最早的认知专家，开发出了在 Jeopardy 夺冠的沃森，并且在神经核算范畴建立了一个开创性的博士项目，一起也是人工智能与认知心理学的发源地。在其生物学，核算机科学，心理学，统计学和工程学的优势基础上，CMU 推出了了 BrainHub 项目，这是一个聚集于大脑构造和活动怎么导致杂乱做法的新范畴。