試著想像一下，計算機可以讀取你在看著什么、或想著什么的情況，雖然聽起來非?？苹?，但在日本團隊的研究下，這種像是電影劇情的未來正逐漸成真。

2017 年 12 月底時，日本京都大學神谷研究室 4 位科學家公布了他們研究人工智能（AI）的結(jié)果，雖然還只是起步，但他們確實開發(fā)出讓 AI 學會了「譯碼」人們腦波的新技術(shù)。

團隊創(chuàng)造的 AI 在讀取人的腦波后，根據(jù)對象腦波中顯示的影像，便能創(chuàng)造出相應(yīng)但較為模糊的圖片，這種從人類大腦活動中可視化感知過程的技術(shù)，團隊將其稱呼為「深度圖像重建」（deep image reconstruction）。

▲一旦大腦波動被掃描，計算機便會反向譯碼這些訊息，進而產(chǎn)生一個可視化的主體圖片，圖片顯示 AI 解讀并重建信息的過程。

神谷之康（Yukiyasu Kamitani）教授向 CNBC 表示，團隊一直都在研究如何透過觀察人的大腦活動，來重建、重現(xiàn)人們所看到影像的方法，但在過去研究中，團隊曾假設(shè)一個圖片是由像素（pixels）或簡單形狀組成的， 而現(xiàn)在他們已經(jīng)知道人腦的運作方式并非如此。

「現(xiàn)在我們已經(jīng)知道，人們大腦處理視覺訊息的方式，是分層次的提取不同等級的特征，或是不同復(fù)雜程度的組成部分。 」

透過理解這一點，研究中建立的神經(jīng)網(wǎng)絡(luò)或 AI 模型將可以用來代表大腦分層結(jié)構(gòu)處理的情況，進而讓 AI 能更好的去偵測、理解大腦所見到的物體，而不僅僅是像過去一樣只能以二進制像素表示。

在深度圖像重建的算法中，AI 會先加載隨機圖片，并開始根據(jù)腦波譯碼中讀取到的特征逐漸去改變像素值。 除了深度神經(jīng)網(wǎng)絡(luò)（DNN）和機器學習領(lǐng)域的圖像生成技術(shù)，團隊還用了深度生成網(wǎng)絡(luò)（Deep Generator Network， DGN）來確保圖片看起來自然。

▲▼首圖為只使用 DNN 譯碼腦波的情況，上圖則是運用 DNN 與隨機圖片，下圖則是運用 DNN、DGN 與隨機圖片。

在研究期間，團隊分別針對自然景象、人造幾何形狀和字母進行了測試。 在一些情況中，受試者在觀看圖片時，計算機便對腦波進行掃描，而在其他情況中，計算機則是在受試者回想剛剛展示的圖片時進行解析。

與過去的方法不同，即使人們只是回憶起圖片，深度圖像重建 AI 也能夠試著建構(gòu)出相對應(yīng)可視化圖片來，但由于大腦活化不足，AI 系統(tǒng)在這種情況下的分析也必須花上更長一些時間。

透過不斷的猜測腦波數(shù)據(jù)對應(yīng)的形象化，AI 從眾多的數(shù)據(jù)中持續(xù)學習。 嚴格來說，深度圖像重建的 AI 并不能真正「看見」人的思想，但它確實知道當你在想什么時，腦波是什么樣子的。

盡管從圖片看來，目前深度圖像重建 AI 讀取的效果仍十分有限，但隨著精準度不斷改良，這項技術(shù)的潛在應(yīng)用價值將令人難以想象。

▲相較自然圖像，字母的譯碼已經(jīng)幾乎能夠辨識（沒有運用 DGN 的情況）。

運用這種可視化技術(shù)，人們或許將能簡單透過想象來繪畫或制作藝術(shù)，就連夢境也可能可以透過計算機來形象化。 對于一些飽受幻覺困擾的精神疾病患者來說，也能夠得到更多相對應(yīng)的外在協(xié)助。

神谷之康教授認為，隨著 AI 技術(shù)和腦機接口發(fā)展，有朝一日，或許純粹透過意念和想象的溝通將有望實現(xiàn)。