Para peneliti di Weizmann Institute of Science di Rehovot, Israel telah membangun sistem kecerdasan buatan yang dapat merekonstruksi apa yang dilihat seseorang hanya berdasarkan pemindaian otak fMRI – dan memprediksi aktivitas otak seseorang dari gambar di arah lain – MIT Technology Review melaporkan pada 1 Oktober 2026.
Alat tersebut, yang dikembangkan oleh ilmuwan komputer Michal Irani dan rekan-rekannya, menciptakan kembali gambar-gambar yang dilihat dengan presisi yang belum dapat ditandingi oleh upaya penguraian kode otak sebelumnya. Dalam perbandingan berdampingan, rekonstruksi model tidak hanya mempertahankan subjek umum dari sebuah adegan tetapi juga struktur, posisi dan kontennya – sebuah kelemahan yang terus-menerus terjadi pada sistem sebelumnya, yang dapat menghasilkan pisang yang masuk akal namun jarang pisang yang benar-benar dilihat oleh orang tersebut. For more context on this story, see our ongoing AI news.
Cara kerja dekoder otak
Sistem ini adalah "dekoder otak" dua cabang. Cabang yang satu memprediksi struktur gambar — tempat warna dan bentuk berada dalam bingkai — sedangkan cabang yang kedua memprediksi isinya, misalnya seikat pisang di piring. Kombinasi prediksi tersebut kemudian mengarahkan model difusi, rangkaian teknik AI generatif yang sama di balik generator gambar dan video modern, untuk menghasilkan rekonstruksi akhir.
Tim memulai dari data pemindaian otak yang tersedia untuk umum: para sukarelawan telah diperlihatkan ratusan gambar sambil berbaring di pemindai fMRI, yang melacak aliran darah beroksigen melalui otak sebagai proksi aktivitas saraf. Kelompok Irani menggunakan kumpulan data baru yang ditangkap pada pemindai beresolusi lebih tinggi, di mana setiap voxel aktivitas mencakup sekitar satu milimeter kubik jaringan dibandingkan sekitar tiga milimeter kubik pemindai standar.
Pelatihan tentang data yang dipinjam
Hambatan utamanya adalah kelaparan data. Pemindaian fMRI resolusi tinggi dari seseorang yang melihat ribuan gambar masih langka, dan model yang dibutuhkan jauh lebih banyak daripada yang ada. Solusi yang dilakukan para peneliti adalah dengan melatih model kedua secara terbalik – sebuah encoder yang memprediksi seperti apa pemindaian otak jika seseorang diperlihatkan gambar tertentu.
Dengan menjalankan encoder dan decoder satu sama lain, tim dapat menghasilkan pasangan pelatihan yang efektif dan tidak terbatas. Mulailah dengan foto macan tutul, prediksi aktivitas fMRI yang akan dihasilkannya, rekonstruksi gambar dari aktivitas tersebut, dan perbaiki kedua model jika ada ketidakcocokan. Sekitar 70 persen data pelatihan pada akhirnya berasal dari gambar yang tidak pernah diperlihatkan kepada sukarelawan yang dipindai, menurut Irani.
Pendekatan ini menghasilkan apa yang disebut oleh tim sebagai encoder otak universal, dan efisiensinya adalah hasil utama. Alat decoding sebelumnya biasanya memerlukan sekitar 40 jam data fMRI untuk dikalibrasi ke orang baru. Dekoder Iran memerlukan waktu sekitar satu jam — perbedaan ini penting karena waktu pemindai mahal. “Tak satu pun dari kita mampu melakukan pencitraan selama 40 jam untuk subjek baru,” kata Tommy Sprague, ahli saraf di Universitas California, Santa Barbara, yang tidak terlibat dalam penelitian tersebut, dan mencatat bahwa pencitraan dapat menghabiskan biaya sekitar $600 hingga $1.000 per jam. Temuan ini dipresentasikan pada konferensi Cognitive Computational Neuroscience di New York pada bulan September.
Apa yang benar — dan salah
Dalam uji perbandingan, alat ini mengungguli sistem penguraian kode otak yang dijelaskan sebelumnya “dengan selisih yang signifikan,” kata Irani kepada MIT Technology Review. Hal ini tidak sempurna. Melalui panggilan video, dia menunjuk ke gambar kue yang direkonstruksi oleh sistem sebagai tumpukan tiga sandwich, dan seekor anjing di bak mandi yang kembali sebagai kambing dengan warna serupa di bak mandi yang sama.
Dengan mengumpulkan data dari berbagai penelitian, tim juga mengidentifikasi wilayah otak yang tampaknya berbagi fungsi antar individu – satu wilayah merespons gambar makanan, wilayah lainnya merespons olahraga. Irani mengatakan dia sekarang bekerja dengan ahli saraf untuk menggunakan alat tersebut untuk memetakan bagaimana otak mengatur makna secara lebih sistematis.
Janji untuk pengobatan
Harapan yang paling mendesak adalah harapan klinis. Irani percaya bahwa pendekatan ini pada akhirnya dapat membantu orang-orang dengan sindrom terkunci – pasien lumpuh total yang tidak dapat berbicara atau bergerak – berkomunikasi hanya dengan menggunakan aktivitas otak. Dia juga ingin memperluas teknik ini lebih dari sekadar gambar statis hingga video dan audio, dengan tujuan jangka panjang untuk merekonstruksi konten khayalan, termasuk mimpi dan konten sensorik dari kilas balik PTSD.
Judy Illes, ahli neuroetika dan profesor neurologi di Universitas British Columbia yang tidak terlibat dalam penelitian ini, menggambarkan penelitian ini sebagai "luar biasa". “Ide [menggunakan pendekatan ini] untuk membantu orang dengan kondisi neurologis… secara terapeutik sangatlah menarik,” katanya kepada MIT Technology Review.
Masalah privasi
Ketepatan yang sama meningkatkan prospek yang telah lama ditakuti oleh bidang ini: mengekstraksi gambaran mental seseorang tanpa persetujuan yang berarti. “Hasilnya nampaknya sangat mengesankan,” kata Sprague. "Tetapi jika ada cara untuk secara diam-diam mengekstraksi informasi tentang apa yang Anda pikirkan, maka ... fiksi ilmiah selama 150 tahun dapat menjadi kenyataan kapan saja, dan itu mengkhawatirkan dalam banyak hal."
Kekhawatiran tersebut, untuk saat ini, masih dibatasi oleh fisika. Sistem ini mengharuskan seseorang untuk berbaring di dalam magnet fMRI multi-ton selama berjam-jam, dan setiap decoder sebelumnya memerlukan kalibrasi per orang yang ekstensif. Namun persyaratan kalibrasi justru yang dipangkas oleh tim Irani hingga puluhan kali lipat, itulah sebabnya para ahli etika menaruh perhatian pada alat yang juga merupakan terobosan penelitian.
Target kelompok Weizmann berikutnya – gambar dan suara bergerak, kemudian konten yang dibayangkan dan diimpikan – akan menguji apakah keakuratan teknik ini dapat bertahan di luar kondisi laboratorium pemindai yang dikontrol dengan cermat. Jika ya, baik aplikasi medis maupun perdebatan privasi akan meningkat secara bersamaan.
Bidang yang bergerak cepat
Penguraian kode otak telah berkembang dari perkiraan yang kabur dan hampir tidak dapat dikenali menjadi rekonstruksi yang sesuai secara struktural dalam waktu kurang dari satu dekade, didorong oleh pemindai yang lebih baik, kumpulan data bersama yang lebih besar, dan model generatif yang dapat mengisi detail realistis dari sinyal kasar. Kontribusi Weizmann — menggunakan loop encoder-decoder dua arah untuk memecahkan kemacetan data — adalah jenis wawasan teknik yang cenderung menyebar dengan cepat, karena tidak bergantung pada perangkat keras baru. Harapkan laboratorium lain akan meniru skema pelatihan tersebut, dan perkirakan pertanyaan tentang siapa yang mengontrol dan menyetujui data saraf akan beralih dari pinggiran kebijakan AI ke pusatnya.
---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
