透過「解碼」腦波，日本團隊的 AI 能重建你腦中所見、所想

作者 Nana Ho | 發布日期 2018 年 01 月 14 日 13:00 |

試著想像一下，電腦可以讀取你在看著什麼、或想著什麼的情況，雖然聽起來非常科幻，但在日本團隊的研究下，這種像是電影劇情的未來正逐漸成真。

2017 年 12 月底時，日本京都大學神谷研究室 4 位科學家公布了他們研究人工智慧（AI）的結果，雖然還只是起步，但他們確實開發出讓 AI 學會了「解碼」人們腦波的新技術。

團隊創造的 AI 在讀取人的腦波後，根據對象腦波中顯示的影像，便能創造出相應但較為模糊的圖片，這種從人類大腦活動中可視化感知過程的技術，團隊將其稱呼為「深度圖像重建」（deep image reconstruction）。

神谷之康（Yukiyasu Kamitani）教授向 CNBC 表示，團隊一直都在研究如何透過觀察人的大腦活動，來重建、重現人們所看到影像的方法，但在過去研究中，團隊曾假設一個圖片是由像素（pixels）或簡單形狀組成的，而現在他們已經知道人腦的運作方式並非如此。

「現在我們已經知道，人們大腦處理視覺訊息的方式，是分層次的提取不同等級的特徵，或是不同複雜程度的組成部分。」

透過理解這一點，研究中建立的神經網路或 AI 模型將可以用來代表大腦分層結構處理的情況，進而讓 AI 能更好的去偵測、理解大腦所見到的物體，而不僅僅是像過去一樣只能以二進制像素表示。

在深度圖像重建的演算法中，AI 會先載入隨機圖片，並開始根據腦波解碼中讀取到的特徵逐漸去改變像素值。除了深度神經網路（DNN）和機器學習領域的圖像生成技術，團隊還用了深度生成網路（Deep Generator Network，DGN）來確保圖片看起來自然。

在研究期間，團隊分別針對自然景象、人造幾何形狀和字母進行了測試。在一些情況中，受試者在觀看圖片時，電腦便對腦波進行掃描，而在其他情況中，電腦則是在受試者回想剛剛展示的圖片時進行解析。

與過去的方法不同，即使人們只是回憶起圖片，深度圖像重建 AI 也能夠試著建構出相對應可視化圖片來，但由於大腦活化不足，AI 系統在這種情況下的分析也必須花上更長一些時間。

透過不斷的猜測腦波數據對應的形象化，AI 從眾多的數據中持續學習。嚴格來說，深度圖像重建的 AI 並不能真正「看見」人的思想，但它確實知道當你在想什麼時，腦波是什麼樣子的。

儘管從圖片看來，目前深度圖像重建 AI 讀取的效果仍十分有限，但隨著精準度不斷改良，這項技術的潛在應用價值將令人難以想像。

運用這種可視化技術，人們或許將能簡單透過想像來繪畫或製作藝術，就連夢境也可能可以透過電腦來形象化。對於一些飽受幻覺困擾的精神疾病患者來說，也能夠得到更多相對應的外在協助。

神谷之康教授認為，隨著 AI 技術和腦機介面發展，有朝一日，或許純粹透過意念和想像的溝通將有望實現。

附圖：▲ 一旦大腦波動被掃描，電腦便會反向解碼這些訊息，進而產生一個可視化的主體圖片，圖片顯示 AI 解讀並重建資訊的過程。
▲▼ 首圖為只使用 DNN 解碼腦波的情況，上圖則是運用 DNN 與隨機圖片，下圖則是運用 DNN、DGN 與隨機圖片。
▲ 相較自然圖像，字母的解碼已經幾乎能夠辨識（沒有運用 DGN 的情況）。

資料來源：https://technews.tw/…/deep-image-reconstruction-kyoto-kami…/

「人工智慧」並非遙不可及，但如果你現在還離它有點遠，那就先從「已經在接觸AI的人」的生活日常認識起吧！

專訪「台灣人工智慧學校」 (簡稱AIA) 第一期技術班的班代表 陳宇春！(下集)

1:48 DARPA XAI Program：https://www.darpa.mil/program/explainable-artificial-intelligence
2:29 「為什麼AI需要被解釋」的四個理由：https://medium.com/trustableai/%E5%AE%83%E6%98%AF%E6%80%8E%E9%BA%BC%E7%9F%A5%E9%81%93%E7%9A%84-%E8%A7%A3%E9%87%8B%E6%B7%B1%E5%BA%A6%E5%AD%B8%E7%BF%92%E6%A8%A1%E5%9E%8B-f18f57d18d4f
3:02 「L.I.M.E.」：https://medium.com/@kstseng/lime-local-interpretable-model-agnostic-explanation-%E6%8A%80%E8%A1%93%E4%BB%8B%E7%B4%B9-a67b6c34c3f8
3:21 「Neuron Deletion」：https://www.leiphone.com/news/201803/PJH0q2tj8d3jvVIk.html

#AI
#XAI
#解釋性AI
#解釋性人工智慧
#AI黑盒子
#人工智慧
#ArtificialIntelligence
#LIME
#DARPAXAIProgram
#為什麼AI需要被解釋
#NeuronDeletion
#隱藏層
#透明層
#神經網路
#hiddenlayer
#neuralnetwork
#ExplainableAI