• متا یک سیستم هوش مصنوعی ایجاد کرده است که می‌تواند تصاویر را بر اساس آنچه که یک فرد در هنگام نمایش تصویر به آن فکر می‌کند تولید کند.
• این سیستم هنوز کامل نیست و اغلب دچار خطا می‌شود، اما می‌تواند راه را برای رابط‌های مغز و رایانه هموار کند.

تصور کنید که بتوانید از فعالیت مغز انسان تصاویری تولید کنید. این دقیقاً همان کاری است که محققان متا با هوش مصنوعی انجام داده‌اند. در مقاله جدیدی با عنوان رمزگشایی بی‌درنگ تصاویر از فعالیت مغز، محققان یک سیستم هوش مصنوعی را معرفی کردند که قادر به رمزگشایی بازنمایی‌های بصری در مغز با استفاده از سیگنال‌های مغناطیسی مغزی (MEG) است. محققان از مدل‌های یادگیری عمیق که زیر شاخه‌ای از مدل‌های یادگیری ماشین است برای تراز کردن سیگنال‌های MEG با مدل‌های از پیش آموزش‌دیده ‌شده با تصاویر استفاده کردند که به آن‌ها اجازه می‌داد تصاویر منطبق با فعالیت مغز را شناسایی کنند. فرایند به دست آمده به آنها اجازه می‌دهد تصاویر بازسازی شده از سیگنال‌های MEG را با دادن آنها به یک مدل مولد ایجاد کنند. این تصاویر در مقایسه با بازسازی‌های تصویربرداری تشدید مغناطیسی کاربردی (fMRI) به دلیل داشتن سیگنال‌های MEG دارای وضوح فضایی پایین‌تر و فاقد جزئیات بصری سطح پایین هستند. با این حال، این آزمایش نشان داد که رمزگشایی اطلاعات بصری از مغز انسان امکان پذیر است و راهی بالقوه برای فعال کردن برنامه‌های رابط مغز انسان و کامپیوتر به حساب می‌آید. تیم هوش مصنوعی متا در مقاله‌ای نوشت: ما از این تحقیق هیجان‌زده هستیم و امیدواریم که روزی بتواند پله‌ای به سوی رابط‌های غیرتهاجمی مغز و رایانه در یک محیط بالینی ارائه کند که می‌تواند به افرادی که توانایی صحبت کردن خود را از دست داده‌اند کمک کند.
چگونه کار می‌کند؟

محققان متا روشی را برای بازسازی تصاویر بصری از فعالیت مغز ثبت شده با سیگنال‌های MEG توسعه داده‌اند.MEG  برای نقشه برداری از فعالیت مغز با ثبت میدان‌های مغناطیسی تولید شده توسط جریان‌های الکتریکی که به طور طبیعی در مغز رخ می‌دهد، استفاده می‌کند. MEG تا حد زیادی در تنظیمات بالینی برای یافتن بی نظمی در مغز استفاده می‌شود، اما محققان از آن برای اندازه گیری فعالیت مغز استفاده می‌کنند. تیم متا یک خط ارتباطی سه ماژول برای رمزگشایی تصاویر از سیگنال‌های MEG ایجاد کرد که شامل موارد زیر است:

• تعبیه‌های تصویری از قبل آموزش دیده
• یک "ماژول MEG" آموزش داده شده سرتاسر
• یک تولید کننده تصویر از پیش آموزش دیده

محققان متا یک شبکه عصبی کانولوشنال را انتخاب کردند و آن را با اهداف کنتراست و رگرسیون آموزش دادند تا سیگنال‌های MEG را با تصویر هماهنگ کنند. محققان از مجموعه داده‌های عمومی ضبط شده MEG که توسط داوطلبان جمع آوری و توسعه یافته بود، استفاده کردند. تیم متا سیگنال‌های MEG را گرفته و به طور مداوم آنها را با نمایش عمیق تصاویر تراز می‌کند. پس از این مرحله می‌توان تصویر مورد نظر را از آن تولید کرد. ایده این بود که تصویر منطبق از فعالیت مغز شناسایی شود. با استفاده از یک سیستم مبتنی بر یادگیری عمیق، محققان توانستند دقت بازیابی را در مقایسه با مدل‌های خطی بهبود بخشند. سیستم اغلب ویژگی‌های سطح پایین نادرست را با قرار دادن اشتباه یا جهت‌دهی اشتباه برخی از اشیا در تصاویر تولید شده ایجاد می‌کند. با این حال، محققان متا به هدف خود دست یافتند که این هدف ایجاد جریانی مداوم از تصاویر رمزگشایی شده از فعالیت مغز در زمان واقعی است. تیم سازنده سیستم هوش مصنوعی MEG معتقد است که می‌توان از آن برای کمک به بیمارانی استفاده کرد که ضایعات مغزی، آن‌ها را برای برقراری ارتباط به چالش می‌اندازد. چیزی که به سرعت بیشتری نسبت به سیستم مبتنی بر fMRI نیاز دارد. در این مقاله آمده است: ازاین‌رو، تلاش کنونی راه را برای دستیابی به این هدف طولانی مدت هموار می‌کند. استفاده از هوش مصنوعی برای ارتباط با مغز انسان یک حوزه تحقیقاتی نوپا اما روبه‌رشد است. استارت‌آپ Neuralink به رهبری ایلان ماسک یکی از معروف‌ترین شرکت‌هایی است که در این فضا کار می‌کند و در ماه سپتامبر اولین آزمایش بالینی انسانی خود را انجام خواهد داد.