每每涉及在適當(dāng)時(shí)機(jī)向我們展示正確搜索結(jié)果之類的問題時(shí)，AI似乎常常無法讀懂人們的想法，從高科技的人工智能跌落成人工智障。

但是，俄羅斯機(jī)器人研究公司Neurobotics Lab的工程師表明，確實(shí)可以訓(xùn)練AI學(xué)會(huì)“讀心術(shù)”，并且僅憑腦電波就能以猜測(cè)出用戶正在觀看的視頻。

“我們已經(jīng)證明，觀察不同內(nèi)容的視覺場(chǎng)景會(huì)影響人的腦電波，因此我們可以通過分析相應(yīng)的EEG（腦電圖）信號(hào)來區(qū)分不同場(chǎng)景類別?！鄙窠?jīng)機(jī)器人實(shí)驗(yàn)室的工程師Anatoly Bobe說道，“然后，［我們］ 創(chuàng)建了一個(gè)系統(tǒng)，從腦電圖信號(hào)特征重建圖像?！?/p>

研究人員通過向人工智能展示不同物體的視頻剪輯，以及觀看者的腦電波記錄，來訓(xùn)練它。這使深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)可以學(xué)習(xí)人們?cè)谟^看特定類型視頻內(nèi)容時(shí)，腦電波活動(dòng)的常見特征。

然后，他們通過讓測(cè)試對(duì)象戴上腦電圖帽，觀看一些視頻片段，從摩托艇上的人到自然動(dòng)物再到人類的表情，并記錄他們的大腦活動(dòng)來證明所構(gòu)建的模型。234次嘗試中，有210次AI能夠?qū)Υ竽X活動(dòng)進(jìn)行分類和適當(dāng)標(biāo)記。

“它無法重建對(duì)象看到或想象的實(shí)際事物，只能重建某些相同類別的相關(guān)圖像?！?Bobe解釋說。

Bobe說，Neurobotics Lab似乎是第一個(gè)研究小組證明可以從EEG信號(hào)獲得視頻刺激的方法。但是，它并不是第一個(gè)探索AI驅(qū)動(dòng)的“讀心術(shù)”技術(shù)的組織。過去，我們看到了許多相關(guān)的研究項(xiàng)目。

但是，其中許多都集中在fMRI分析而非腦電圖上。去年，日本科學(xué)家就進(jìn)行了一項(xiàng)研究，使用AI系統(tǒng)和fMRI掃描，從而創(chuàng)造出一個(gè)能讀心的人工智能。

不過，會(huì)讀心術(shù)的AI并不總是完全正確。在其中一項(xiàng)測(cè)試中，它認(rèn)為參與者在看剪刀，而實(shí)際上他們?cè)诳寸?。不過，即使是錯(cuò)誤的，有時(shí)的結(jié)果也非常接近。例如，當(dāng)一名被掃描的人看到一名男子在河里劃皮劃艇的圖片時(shí)，人工智能就會(huì)配上這樣的字幕：一名男子在沖浪板上沖浪。

在其他情況下，AI做到了完全正確的：當(dāng)圖像是一群人站在一起，或一個(gè)黑白狗，系統(tǒng)是絕對(duì)正確的。

這個(gè)系統(tǒng)目前有其局限性。fMRI的圖像并不能記錄大腦的所有活動(dòng)，因此這些說明的詳細(xì)程度是有界限的。這種方法還需要參與者躺在一個(gè)大型機(jī)器上，這使得它不適合在其它地方使用，只有在醫(yī)療設(shè)施。

所以，Bobe指出，“fMRI信號(hào)比腦電圖包含更多的關(guān)于大腦過程的信息?！钡莊MRI的一個(gè)缺點(diǎn)是，它需要大型且昂貴的設(shè)備，而這些設(shè)備只能在診所找到。

由于其時(shí)間分辨率差，因此也難以獲得實(shí)時(shí)結(jié)果。腦電圖雖然較困難且可靠性較差，但更易于使用。這可能使其在實(shí)際的BCI（腦機(jī)接口）應(yīng)用程序中更加實(shí)用。

“我們的系統(tǒng)可以用于例如中風(fēng)后康復(fù)，當(dāng)一個(gè)人需要鍛煉自己的大腦以恢復(fù)其認(rèn)知能力，或者需要通過EEG界面發(fā)送心理命令時(shí)?！盉obe說，“我們的系統(tǒng)充當(dāng)訓(xùn)練系統(tǒng)，在該系統(tǒng)中，受試者可以進(jìn)行訓(xùn)練以生成心理指令，并將重建后的圖像用作自然反饋，以顯示他在此？？任務(wù)上做得如何?！?/p>

與Bobe研究不同的是，此前，美國卡內(nèi)基梅隆大學(xué)的科學(xué)家們聲稱，他們已向真正的“讀心術(shù)”邁進(jìn)了一步，利用算法來解碼大腦信號(hào)，識(shí)別出更深層的思想，比如“年輕作家對(duì)編輯說了話”和“洪水損壞了醫(yī)院”。

研究人員說，這項(xiàng)技術(shù)能夠理解復(fù)雜的事件，比如句子，以及語義特征，比如人、地點(diǎn)和動(dòng)作，從而預(yù)測(cè)人們正在思考的是什么。在測(cè)試了239個(gè)句子的心理觸發(fā)器后，程序能夠預(yù)測(cè)第240個(gè)短語，準(zhǔn)確率高達(dá)87%。

對(duì)“讀心術(shù)”的研究，人類一直是孜孜不倦。

今年夏天，特斯拉創(chuàng)始人埃隆？馬斯克的公司Neuralink剛剛宣布，明年將推進(jìn)可植入設(shè)備的人體試驗(yàn)，這種設(shè)備能讀取用戶的想法。

緊接著，加州大學(xué)舊金山分校的科學(xué)家們發(fā)布了一項(xiàng)由Facebook支持的大腦活動(dòng)研究結(jié)果，該結(jié)果表明，使用腦波技術(shù)解碼語音是可能的。

去年，日產(chǎn)推出了“大腦對(duì)汽車”（Brain -to- Vehicle）技術(shù)，該技術(shù)可以讓汽車解讀司機(jī)大腦發(fā)出的信號(hào);而尼爾森已經(jīng)在使用神經(jīng)科學(xué)來捕捉消費(fèi)者決策的無意識(shí)方面。

也許AI學(xué)會(huì)讀心術(shù)能幫助一部分人，活著改善某些產(chǎn)品的用戶體驗(yàn)，但真正到來的那天，可能更多是讓人覺得毛骨悚然吧。畢竟，現(xiàn)在的算法推薦就已經(jīng)夠讓人頭疼的了。

責(zé)任編輯：ct