《麻省理工学院技术评论》于 2026 年 10 月 1 日报道，以色列雷霍沃特魏茨曼科学研究所的研究人员建立了一个人工智能系统，该系统可以仅根据功能磁共振成像脑部扫描来重建一个人所看到的内容，并根据另一个方向的图像来预测一个人的大脑活动。

该工具由计算机科学家米哈尔·伊拉尼 (Michal Irani) 和她的同事开发，能够以早期大脑解码工作无法比拟的精度重新创建所观看的图像。在并排比较中，该模型的重建不仅保留了场景的一般主题，还保留了其结构、位置和内容——这是以前系统的一个持续弱点，它可以生成看似合理的香蕉，但很少是人们实际看到的香蕉。 更多相关背景，请参阅我们的AI最新动态。

大脑解码器的工作原理

该系统是一个两分支的“大脑解码器”。一个分支预测图像的结构（颜色和形状在框架中的位置），而第二个分支预测其内容，例如盘子上的一串香蕉。这些组合预测然后引导扩散模型（现代图像和视频生成器背后的生成人工智能技术的同一系列）来产生最终的重建。

该团队从公开的脑部扫描数据开始：志愿者躺在功能磁共振成像扫描仪中，看到了数百张图像，这些扫描仪跟踪流经大脑的含氧血流，作为神经活动的代表。伊拉尼的研究小组使用了在更高分辨率的扫描仪上捕获的新数据集，其中每个活动体素覆盖了大约一立方毫米的组织，而不是标准扫描仪的大约三立方毫米。

借用数据训练

主要障碍是数据饥渴。一个人观看数千张图像后获得的高分辨率功能磁共振成像扫描很少，而且所需的模型远远超过现有的模型。研究人员的解决方法是反向训练第二个模型——一个编码器，可以预测当一个人看到给定图像时大脑扫描会是什么样子。

通过相互运行编码器和解码器，团队可以有效地生成无限的训练对。从一张豹子的照片开始，预测它会产生的功能磁共振成像活动，根据该活动重建图像，并根据不匹配的情况完善两个模型。伊朗尼表示，大约 70% 的训练数据最终来自于从未真正向扫描志愿者展示过的图像。

该方法产生了团队所谓的通用大脑编码器，其效率是主要结果。以前的解码工具通常需要大约 40 小时的功能磁共振成像数据才能针对新人进行校准。伊朗尼的解码器大约需要一个小时——这一差异很重要，因为扫描仪时间很昂贵。加州大学圣塔芭芭拉分校的神经科学家汤米·斯普拉格 (Tommy Sprague) 并未参与这项研究，他表示：“我们没有人能够负担得起为一个新对象进行 40 小时的成像。”他指出，成像每小时的费用约为 600 至 1,000 美元。该研究结果于九月份在纽约举行的认知计算神经科学会议上公布。

哪些是对的，哪些是错的

伊拉尼告诉《麻省理工科技评论》，在比较测试中，该工具的性能“明显优于之前描述的大脑解码系统”。它并非绝对正确。在视频通话中，她指着一张蛋糕的图像，系统将其重建为一堆三个三明治，还有浴缸里的一只狗，最后又变成了同一个浴缸里一只颜色相似的山羊。

通过汇集多项研究的数据，研究小组还确定了个体之间似乎具有共享功能的大脑区域——一个区域对食物图像做出反应，另一个区域对运动做出反应。伊拉尼说，她现在正在与神经科学家合作，利用这些工具来更系统地绘制大脑如何组织意义的图谱。

对医学的承诺

最直接的希望是临床上的。伊拉尼认为，这种方法最终可以帮助患有闭锁综合症的人（无法说话或移动的完全瘫痪患者）仅使用大脑活动进行交流。她还希望将该技术从静态图像扩展到视频和音频，长期目标是重建想象的内容，包括梦境和创伤后应激障碍（PTSD）闪回的感官内容。

不列颠哥伦比亚大学神经伦理学家兼神经病学教授朱迪·伊尔斯（Judy Illes）没有参与这项工作，她形容这项研究“非常棒”。 “[使用这种方法]帮助患有神经系统疾病的人的想法......在治疗上是非常令人兴奋的，”她告诉麻省理工学院技术评论。

隐私问题

同样的精确度也引发了该领域长期以来所担心的前景：在未经有意义同意的情况下提取一个人的心理意象。 “结果看起来非常令人印象深刻，”斯普拉格说。 “但是，如果有一种方法可以秘密地提取你正在思考的信息，那么……150 年的科幻小说随时都可能成为现实，这在很多方面都令人担忧。”

目前，这些担忧仍然受到物理学的限制。该系统需要一个人躺在重达几吨的功能磁共振成像磁铁内几个小时，而之前的每一个解码器都需要进行大量的每人校准。但校准要求恰恰是伊朗团队刚刚削减的数十倍，这就是为什么伦理学家正在关注这个恰好也是研究突破的工具。

魏茨曼小组的下一个目标——移动图像和声音，然后是想象和梦想的内容——将测试该技术的准确性是否在扫描仪实验室严格控制的条件下仍然存在。如果确实如此，医疗应用和隐私争论将同时升级。

快速发展的领域

在不到十年的时间里，在更好的扫描仪、更大的共享数据集和可以从粗糙信号中填充真实细节的生成模型的推动下，大脑解码已经从模糊的、几乎无法识别的近似发展到结构上忠实的重建。魏茨曼的贡献——使用双向编码器-解码器循环来打破数据瓶颈——是一种往往会快速传播的工程洞察力，因为它不依赖于新硬件。预计其他实验室会复制该培训方案，并预计谁控制和同意神经数据的问题将从人工智能政策的边缘转向其中心。

---

掌握AI最新动态

获取最新的AI新闻、分析和突破——尽在一处。

阅读更多AI新闻 →