AI實(shí)時(shí)解讀大腦信號(hào)，7倍速還原圖像關(guān)鍵視覺(jué)特征，LeCun轉(zhuǎn)發(fā)
現(xiàn)在，AI已經(jīng)能實(shí)時(shí)解讀大腦信號(hào)了！
這不是聳人聽(tīng)聞，而是Meta的一項(xiàng)新研究，能夠憑腦信號(hào)猜出你在0.5秒內(nèi)看的圖，并用AI實(shí)時(shí)還原出來(lái)。
在此之前，AI雖然已經(jīng)能從大腦信號(hào)中比較準(zhǔn)確地還原圖像，但還有個(gè)bug——不夠快。
為此，Meta研發(fā)了一個(gè)新解碼模型，讓AI光是圖像檢索的速度就提升了7倍，幾乎“瞬間”能讀出人在看什么，并猜出個(gè)大概。
像是一個(gè)站立的男人，AI數(shù)次還原后，竟然真的解讀出了一個(gè)“站立的人”出來(lái)：
圖片
LeCun轉(zhuǎn)發(fā)表示，從MEG腦信號(hào)中重建視覺(jué)等輸入的研究，確實(shí)很棒。
圖片
那么，Meta究竟是怎么讓AI“快速讀腦”的？
大腦活動(dòng)解碼如何解讀？
目前，AI讀取大腦信號(hào)并還原圖像的方法，主要有兩種。
其中一種是fMRI（功能性磁共振成像），可以生成流向大腦特定部位的血流圖像；另一種是MEG（腦磁圖），可以測(cè)量腦內(nèi)神經(jīng)電流發(fā)出的極其微弱的生物磁場(chǎng)信號(hào)。
然而，fMRI神經(jīng)成像的速度往往非常慢，平均2秒才出一張圖（≈0.5 Hz），相比之下MEG甚至能在每秒內(nèi)記錄上千次大腦活動(dòng)圖像（≈5000 Hz）。
所以相比f(wàn)MRI，為什么不用MEG數(shù)據(jù)來(lái)試試還原出“人類看到的圖像”呢？
基于這一思路，作者們?cè)O(shè)計(jì)了一個(gè)MEG解碼模型，由三個(gè)部分組成。
第一部分預(yù)訓(xùn)練模型，負(fù)責(zé)從圖像中獲得embeddings；
第二部分是一個(gè)端到端訓(xùn)練模型，負(fù)責(zé)將MEG數(shù)據(jù)與圖像embeddings對(duì)齊；
第三部分是一個(gè)預(yù)訓(xùn)練圖像生成器，負(fù)責(zé)還原出最終的圖像。
圖片
訓(xùn)練上，研究人員用了一個(gè)名叫THINGS-MEG的數(shù)據(jù)集，包含了4個(gè)年輕人（2男2女，平均23.25歲）觀看圖像時(shí)記錄的MEG數(shù)據(jù)。
這些年輕人一共觀看了22448張圖像（1854種類型），每張圖像顯示時(shí)間為0.5秒，間隔時(shí)間為0.8~1.2秒，其中有200張圖片被反復(fù)觀看。
除此之外，還有3659張圖像沒(méi)有展示給參與者，但也被用于圖像檢索中。
所以，這樣訓(xùn)練出來(lái)的AI，效果究竟如何？
圖像檢索速度提升7倍
整體來(lái)看，這項(xiàng)研究設(shè)計(jì)的MEG解碼模型，比線性解碼器的圖像檢索速度提升了7倍。
其中，相比CLIP等模型，又以Meta研發(fā)的視覺(jué)Transformer架構(gòu)DINOv2在提取圖像特征方面表現(xiàn)更好，更能將MEG數(shù)據(jù)和圖像embeddings對(duì)齊起來(lái)。
圖片
作者們將整體生成的圖像分成了三大類，匹配度最高的、中等的和匹配度最差的：
圖片
不過(guò)，從生成示例中來(lái)看，這個(gè)AI還原出來(lái)的圖像效果，確實(shí)不算太好。
即使是還原度最高的圖像，仍然受到了一些網(wǎng)友的質(zhì)疑：為什么熊貓看起來(lái)完全不像熊貓？
圖片
作者表示：至少像黑白熊。（熊貓震怒?。?/p>
圖片
當(dāng)然，研究人員也承認(rèn)，MEG數(shù)據(jù)復(fù)原出來(lái)的圖像效果，確實(shí)目前還不太行，主要優(yōu)勢(shì)還是在速度上。
例如之前來(lái)自明尼蘇達(dá)大學(xué)等機(jī)構(gòu)的一項(xiàng)名為7T fMRI的研究，就能以較高的復(fù)原度從fMRI數(shù)據(jù)中還原出人眼看到的圖像。
圖片
無(wú)論是人類的沖浪動(dòng)作、飛機(jī)的形狀、斑馬的顏色、火車的背景，基于fMRI數(shù)據(jù)訓(xùn)練的AI都能更好地將圖像還原出來(lái)：
圖片
對(duì)此，作者們也給出了解釋，認(rèn)為這是因?yàn)锳I基于MEG還原出來(lái)的視覺(jué)特征偏高級(jí)。
但相比之下，7T fMRI可以提取并還原出圖像中更低級(jí)的視覺(jué)特征，這樣生成的圖像整體還原度更高。
你覺(jué)得這類研究可以被用在哪些地方？
