即便沒有霍格沃茨的魔法，也能看到別人在想什么了！

方法很簡單，基于Stable Diffusion便可視化大腦圖像。

比如，你看到的小熊、飛機、火車是這樣的。

當AI看到大腦信號后，生成的圖像是下面的樣子，可見該有的要點全有了。

這個AI讀腦術剛剛被CVPR 2023接收，讓圈友們瞬間「顱內高潮」。

太野了！忘了提示工程吧，現在你只需要用腦子去「想」那些畫面就行了。

想象一下，用Stable Diffusion從fMRI數據中重建視覺圖像，或許意味著未來可能發(fā)展為非入侵式的腦機接口。

讓AI直接跳過人類語言，感知人類大腦中所思所想。

到時候，馬斯克搞的Neuralink也要追趕這一AI天花板了。

無需微調，用AI直接復現你在想什么

那么，AI讀腦究竟如何實現？

最新研究來自日本大阪大學的研究團隊。

論文地址：https://sites.google.com/view/stablediffusion-with-brain/

大阪大學前沿生物科學研究生院和日本NICT的CiNet的研究人員基于潛在的擴散模型（LDM），更具體地說，通過Stable Diffusion從fMRI數據中重建視覺體驗。

整個運作過程的框架也非常簡單：1個圖像編碼器、1個圖像解碼器，還有1個語義解碼器。

通過這樣做，該團隊消除了訓練和微調復雜人工智能模型的需要。

所有需要訓練的是簡單的線性模型，將下部和上部視覺腦區(qū)的fMRI信號映射到單個Stable Diffusion成分。

具體來說，研究人員將大腦區(qū)域映射為圖像和文本編碼器的輸入。下部腦區(qū)被映射到圖像編碼器，上部腦區(qū)被映射到文本編碼器。如此一來可以這讓該系統(tǒng)能夠使用圖像組成和語義內容進行重建。

首先是解碼分析。研究中采用的LDM模型，由圖像編碼器ε、圖像解碼器D、文本編碼器τ組成。

研究者分別從早期和高級視覺皮層的fMRI信號中解碼出重建圖像z以及相關文本c的潛在表征，將其作為輸入，由自動編碼器生成復現出的圖像Xzc。

接著，研究者還建立了一個編碼模型，對來自LDM不同組件的fMRI信號進行預測，從而探索LDM的內部運作機制。

研究人員使用來自自然場景數據集（NSD）的fMRI圖像進行實驗，并測試他們是否能使用Stable Diffusion來重建受試者看到的東西。

可以看到，編碼模型與LDM相關潛像預測精度，最后一種模型在大腦后部視覺皮層產生的預測精確度是最高的。

對一個主體的視覺重建結果顯示，只用z重建的圖像在視覺上與原始圖像一致，但不能捕捉到語義內容。

而只用c重建的圖像具有較好的語義保真度，但視覺一致性較差，使用zc重建的圖像則可以同時具備高語義保真度和高分辨率。

來自所有受試者對同一圖像的重建結果顯示，重建的效果在不同受試者之間是穩(wěn)定且比較準確的。

而在具體細節(jié)方面的差異，可能來源于不同個體感知經驗或者數據質量的不同，而非是重建過程有誤。

最后，定量評估的結果被繪制成圖表。

種種結果顯示，研究中采用的方法不僅可以捕捉到低層次的視覺外觀，而且還能捕捉到原始刺激物的高層次語義內容。

由此看來，實驗表明圖像和文本解碼的結合提供了準確的重建。

研究人員表示，受試者之間在準確性方面存在差異，但這些差異與fMRI圖像的質量相關。根據該團隊的說法，重建的質量與目前SOTA的方法相當，但不需要訓練其中用到的AI模型。

與此同時，該團隊還利用從fMRI數據中得出的模型來研究Stable Diffusion的各個構建塊，例如語義內容是如何在逆向擴散過程中產生的，或者在U-Net中發(fā)生什么過程。

在去噪過程的早期階段，U-Net 的瓶頸層（橙色）產生最高的預測性能，隨著去噪過程的進行，早期層（藍色）進行對早期視覺皮層活動的預測，瓶頸層則轉向高級視覺皮層。

這也就是說，在擴散過程剛開始時，圖像信息壓縮在瓶頸層中，伴隨著去噪，U-Net層之間的分離出現在視覺皮層中。

此外，該團隊正在對擴散不同階段的圖像轉換進行定量解釋。通過這種方式，研究人員旨在從生物學的角度為更好地理解擴散模型做出貢獻，這些模型被廣泛使用，但人們對它們的理解仍然很有限。

人腦畫面，早被AI解碼了？

多年來，研究人員一直在使用人工智能模型來解碼來自人類大腦的信息。

大多數方法的核心，通過使用預先錄制的fMRI圖像作為文本或圖像的生成性AI模型的輸入。

例如，在2018年初，一組來自日本的研究人員展示了一個神經網絡如何從fMRI錄音中重建圖像。

2019年，一個小組從猴子的神經元中重建了圖像，Meta的研究小組在Jean-Remi King的領導下，發(fā)表了新的工作，例如從fMRI數據中得出文本。

2022年10月，德克薩斯大學奧斯汀分校的一個團隊表明，GPT模型可以從fMRI掃描中推斷出描述一個人在視頻中看到的語義內容的文本。

2022年11月，新加坡國立大學、香港中文大學和斯坦福大學的研究人員使用了MinD-Vis擴散模型從fMRI掃描中重建圖像，其準確性明顯高于當時的可用方法。

再往前倒推的話，有網友指出了「根據腦電波生成圖像至少從2008年開始就有了，以某種方式暗示著Stable Diffusion能夠讀懂人的思想，簡直太荒謬了?！?/span>

這項由加利福尼亞大學伯克利分校發(fā)表在Nature的論文稱，利用視覺解碼器可以將人的腦電波活動轉換成圖像。

要說追溯歷史，還有人直接拿出1999年，斯坦福李飛飛的一項關于從大腦皮層重建圖像的研究。

李飛飛也動手點評轉發(fā)，稱自己那時還是一名大學實習生。

還有2011年，UC伯克利的一項研究使用功能磁共振成像（fMRI）和計算模型，初步重建了大腦的「動態(tài)視覺圖像」。

也就是說，他們重現了人們看過的片段。

但是相比起最新研究，這項重建完全稱不上「高清」，幾乎無法辨認。

作者介紹

Yu Takagi

Yu Takagi是大阪大學的一名助理教授。他的研究興趣是計算神經科學和人工智能的交叉領域。

在博士期間，他在ATR腦信息交流研究實驗室研究使用功能性磁共振成像（fMRI）從全腦功能連接預測不同個體差異的技術。

最近，他在牛津大學的牛津人腦活動中心和東京大學的心理學系，利用機器學習技術了解復雜決策任務中的動態(tài)計算。

Shinji Nishimoto

Shinji Nishimoto是大阪大學的教授。他的研究方面是對大腦中視覺和認知處理的定量理解。

更具體地說，Nishimoto教授團隊的研究重點是通過建立自然感知和認知條件下誘發(fā)的大腦活動的預測模型來理解神經處理和代表。

有網友問作者，這項研究能否用于解夢？

「將同樣的技術應用于睡眠期間的大腦活動是可能的，但這種應用的準確性目前還不清楚?！?/span>

看過這項研究后：攝神取念術（Legilimency）妥妥的有了。

參考資料：?

??https://sites.google.com/view/stablediffusion-with-brain/??

??https://www.biorxiv.org/content/10.1101/2022.11.18.517004v2???