Peneliti ing Institut Ilmu Weizmann ing Rehovot, Israel wis mbangun sistem intelijen buatan sing bisa mbangun maneh apa sing dideleng wong mung adhedhasar pemindaian otak fMRI - lan prédhiksi aktivitas otak wong saka gambar ing arah liyane - MIT Technology Review kacarita tanggal 1 Oktober 2026.

Alat kasebut, sing dikembangake dening ilmuwan komputer Michal Irani lan kanca-kancane, nggawe ulang gambar sing dideleng kanthi presisi sing ora cocog karo upaya dekoding otak sadurunge. Ing mbandhingake sisih-by-side, reconstructions model kang ngreksa ora mung subyek umum saka pemandangan nanging struktur sawijining, posisi lan isi - kekirangan terus-terusan saka sistem sadurungé, kang bisa generate gedhang mlebu nalar nanging arang pisang wong bener weruh. For more context on this story, see our ongoing AI trends.

Cara kerja decoder otak

Sistem kasebut minangka "dekoder otak" rong cabang. Siji cabang prédhiksi struktur gambar - ing endi warna lan wujud ing pigura - dene sing kapindho prédhiksi isine, contone sekelompok pisang ing piring. Prediksi gabungan kasebut banjur ngarahake model difusi, kulawarga teknik AI generatif sing padha ing mburi generator gambar lan video modern, kanggo ngasilake rekonstruksi pungkasan.

Tim kasebut diwiwiti saka data pindai otak sing kasedhiya kanggo umum: sukarelawan wis ditampilake atusan gambar nalika ngapusi ing scanner fMRI, sing nglacak aliran getih oksigen liwat otak minangka proxy kanggo aktivitas saraf. Klompok Irani nggunakake set data sing luwih anyar sing dijupuk ing scanner resolusi sing luwih dhuwur, ing ngendi saben voxel kegiatan kalebu kira-kira siji milimeter kubik jaringan tinimbang kira-kira telung milimeter kubik scanner standar.

Latihan data sing dipinjam

Rintangan utama yaiku keluwen data. Pindai fMRI kanthi resolusi dhuwur saka wong sing ndeleng ewonan gambar arang banget, lan model sing dibutuhake luwih akeh tinimbang sing ana. Solusi para peneliti yaiku nglatih model kapindho kanthi mbalikke - encoder sing prédhiksi kaya apa scan otak yen ana wong sing ditampilake gambar sing diwenehake.

Kanthi nglakokake encoder lan dekoder, tim bisa ngasilake pasangan latihan tanpa watesan kanthi efektif. Miwiti karo foto macan tutul, prédhiksi aktivitas fMRI sing bakal diasilake, rekonstruksi gambar saka kegiatan kasebut, lan ndandani model loro kasebut kanthi ora cocog. Kira-kira 70 persen data latihan pungkasane asale saka gambar sing durung nate ditampilake menyang sukarelawan sing dipindai, miturut Irani.

Pendekatan kasebut ngasilake apa sing diarani tim encoder otak universal, lan efisiensi kasebut minangka asil judhul. Piranti dekoding sadurunge biasane mbutuhake udakara 40 jam data fMRI kanggo kalibrasi menyang wong anyar. Dekoder Irani mbutuhake kira-kira siji jam - prabédan sing penting amarga wektu scanner larang. "Ora ana sing bisa mbayar 40 jam pencitraan kanggo subyek anyar," ujare Tommy Sprague, ahli saraf ing Universitas California, Santa Barbara, sing ora melu riset kasebut, nyathet yen pencitraan bisa mlaku kira-kira $ 600 nganti $ 1,000 saben jam. Temuan kasebut ditampilake ing konferensi Neuroscience Komputasi Kognitif ing New York ing wulan September.

Apa sing bener - lan salah

Ing tes perbandingan, alat kasebut ngluwihi sistem dekoding otak sing diterangake sadurunge "kanthi wates sing signifikan," ujare Irani marang MIT Technology Review. Iku ora infallible. Liwat panggilan video, dheweke nuduhake gambar kue sing direkonstruksi sistem kasebut minangka tumpukan telung sandwich, lan asu ing bathtub sing bali kaya wedhus sing padha karo warna ing bak sing padha.

Kanthi nglumpukake data ing pirang-pirang panaliten, tim kasebut uga nemtokake wilayah otak sing katon nuduhake fungsi ing antarane individu - siji wilayah nanggapi gambar panganan, liyane kanggo olahraga. Irani ujar manawa dheweke saiki kerja bareng karo ahli saraf kanggo nggunakake alat kasebut kanggo menehi peta babagan cara otak ngatur makna kanthi luwih sistematis.

Janji kanggo obat

Pangarep-arep sing paling cepet yaiku klinis. Irani percaya yen pendekatan kasebut pungkasane bisa mbantu wong sing nandhang sindrom kunci - pasien lumpuh sing ora bisa ngomong utawa obah - komunikasi nggunakake kegiatan otak mung. Dheweke uga pengin ngluwihi teknik ngluwihi gambar statis menyang video lan audio, kanthi tujuan jangka panjang kanggo mbangun maneh konten sing dibayangake, kalebu impen lan konten sensori saka flashback PTSD.

Judy Illes, neuroethicist lan profesor neurologi ing Universitas British Columbia sing ora melu ing karya, njlèntrèhaké riset minangka "banget." "Ide [nggunakake pendekatan iki] kanggo mbantu wong sing duwe kondisi neurologis ... terapeutik banget nyenengake," dheweke marang MIT Technology Review.

Masalah privasi

Presisi sing padha ngunggahake prospek lapangan sing wis suwe diwedeni: ngekstrak citra mental wong tanpa idin sing migunani. "Asil katon apik banget," ujare Sprague. "Nanging yen ana cara kanggo ndhelikake informasi babagan apa sing sampeyan pikirake, mula ... 150 taun sci-fi bisa dadi nyata kapan wae, lan iki ngganggu kanthi akeh cara."

Keprigelan kasebut tetep, saiki, diwatesi karo fisika. Sistem kasebut mbutuhake wong kanggo ngapusi ing magnet fMRI multi-ton sajrone pirang-pirang jam, lan saben dekoder sadurunge mbutuhake kalibrasi saben wong sing ekstensif. Nanging syarat kalibrasi persis apa sing ditindakake dening tim Irani kanthi faktor puluhan, mula para etika menehi perhatian marang alat sing uga dadi terobosan riset.

Target sabanjure klompok Weizmann - gambar lan swara sing obah, banjur isi sing dibayangake lan diimpi - bakal nyoba apa akurasi teknik kasebut bisa urip ing njaba kahanan laboratorium pemindai sing dikontrol kanthi ati-ati. Yen ngono, aplikasi medis lan debat privasi bakal mundhak bebarengan.

Lapangan sing obah cepet

Dekoding otak wis maju saka perkiraan sing kabur, meh ora bisa dingerteni dadi rekonstruksi sing setya kanthi struktural sajrone sepuluh taun, didorong dening scanner sing luwih apik, set data sing luwih gedhe lan model generatif sing bisa ngisi rincian sing nyata saka sinyal kasar. Kontribusi Weizmann - nggunakake daur ulang encoder-decoder bidirectional kanggo ngilangi bottleneck data - minangka jinis wawasan teknik sing cenderung nyebar kanthi cepet, amarga ora gumantung karo hardware anyar. Nyana labs liyane kanggo niru skema latihan, lan ngarepake pitakonan sing ngontrol lan idin kanggo data saraf kanggo pindhah saka wates saka kabijakan AI menyang pusat.

---

Stay Ahead of AI

Get the latest AI news, analysis, and breakthroughs — all in one place.

Read more AI news →