“思维字幕”AI解码脑活动将思想转化为文本

一种无侵入性的成像技术可以将你脑海中的场景转化为句子。这可能有助于揭示大脑是如何解读世界的。

图片来源：美国国立心理健康研究所

仅通过脑电活动记录来读取一个人的思维听起来很科幻，但现在距离现实又近了一步。一种名为“心智字幕”的新技术能够根据脑电活动生成描述性句子，说明一个人正在看到或想象的内容，并且准确度令人印象深刻。

该技术在《科学进展》杂志上发表的一篇论文中有所描述，还能提供有关大脑如何在形成语言之前表示世界的一些线索。它或许能帮助那些因中风等原因导致语言困难的人更好地交流。

该模型能够“以很多细节”预测一个人正在看什么，伯克利大学计算神经科学家亚历克斯·胡思说，“这很难做到。你竟然能得到这么多细节，这令人惊讶。”

研究人员已经能够在十多年前通过脑电活动准确预测一个人看到或听到的内容，但对复杂内容（如短片或抽象形状）的解读则证明更为困难。

东京工业大学通信科学实验室日本神奈川的研究计算神经科学家汤木屋博（音译）此前的努力仅识别出了描述人们所见的关键词汇，而非完整的上下文，这可能包括视频的主题及其中的行动。他还指出，其他尝试使用了能够自行创建句子结构的人工智能模型，使得难以确定描述是否真正反映在大脑中。

广濑的方法首先使用了深度语言AI模型来分析超过2,307,000个视频的文字字幕，将每个视频转化为一个独特的数值“意义签名”。然后，另一种单独的AI工具根据六名参与者的大脑扫描进行了训练，并学会了在参与者观看视频时找到与每个意义签名匹配的大脑活动模式。

一旦训练完成，这种脑解码器可以从一个人观看视频的新脑扫描中读取，并预测其含义特征。不同的人工智能文本生成器将搜索最接近从个人大脑解码的意义签名的句子。

例如，参与者观看了一个人从瀑布顶部跳下的短视频。人工智能模型利用他们的大脑活动猜出一串单词，从“泉水”开始，在第十次猜测中发展到“在快速落下的瀑布上方”，在第 100 次猜测中得出“一个人跳过山脊上的深水瀑布”。

研究人员还要求参与者回忆他们看过的视频剪辑。人工智能模型成功地生成了这些回忆的描述，表明大脑似乎在观看和记忆中使用类似的表示。

这项技术使用非侵入性功能性磁共振成像，可能有助于改进植入的脑机接口将人们的非语言心理表征直接翻译成文本的过程。“如果我们能使用这些人工系统来做到这一点，也许我们可以帮助这些有沟通困难的人，”Huth 说，他在 2023 年与同事一起开发了一个类似的模型，可以从非侵入性大脑记录中解码语言。

Huth说，这些发现引发了人们对精神隐私的担忧，因为研究人员越来越接近揭示私密的想法、情绪和健康状况，这些想法、情绪和健康状况在理论上可用于监视、纵或歧视人们。他们都说，胡斯的模型和堀川的模型都没有越界，因为这些技术需要参与者的同意，而模型无法辨别私人想法。“还没有人证明你能做到这一点，”胡斯说。

编撰自论文“思维字幕：从人脑活动演变心理内容的描述性文本”.科学进展.2025相关信息，文中配图若未特别标注出处，均来源于公开图库。