長久以來，“讀心術”這種特異功能只在文學作品或影視作品中出現，比如說《X戰警》中的X教授就具有這種超感知能力。

X教授

現在，這種超能力通過AI實現了。俄羅斯的研究人員發現了一種可視化人的大腦活動的方法，可以實時模擬測試人員看到的畫面。先放幾張對比圖大家感受下：

每組對比圖中，在前面的是測試者看到的畫面，在后面的是由神經網絡根據大腦活動生成的相應圖像，是不是很相近？你的眼睛看到了什么不再是秘密。

通過腦電圖重建圖像，看到了什么實時顯示

這項研究由俄羅斯公司Neurobotics和莫斯科物理與技術學院（MIPT）的研究人員共同完成。他們開發出一種腦機接口，依賴于人工神經網絡和和腦電圖（EEG）。EEG是一種通過放置在頭皮上的電極記錄腦電波的技術。該系統通過分析大腦活動，實時重建正在接受腦電圖檢查的人所看到的圖像。

研究人員開發了一個深度學習模型，該模型由兩個單獨訓練的深度學習網絡組成，其中一個用于解碼不同類別的圖像，第二個將腦電圖特征轉換為圖像解碼器的空間域（spatial domain） 。

這項研究有什么用？MIPT神經機器人實驗室負責人Vladimir Konyshev介紹道：“我們正在致力于國家技術倡議的Neuronet輔助技術項目，該項目的重點是腦機接口，可使中風后患者控制手臂外骨骼以進行神經康復，或者使癱瘓的患者可以開車，比如電動輪椅。最終目標是提高健康個體神經控制的準確性。”

在實驗的第一部分，神經生物學家讓健康的受試者觀看10秒的YouTube視頻片段，總時長為20分鐘。

該小組選擇了五個視頻類別：抽象形狀，瀑布，人臉，運動物體和賽車運動。賽車運動包括從第一視角錄制的雪地摩托車、水上摩托、摩托車和賽車。

通過對腦電圖數據的分析，研究人員發現每一類視頻的腦電波模式都是不同的。這使得研究小組能夠實時分析大腦對視頻的反應。

在實驗的第二階段，從最初的五個類別中隨機選出三個類別。研究人員開發了兩種神經網絡：一種用于從“噪聲”中生成隨機類別特定圖像，另一種用于從腦電圖中生成類似的“噪聲”。然后，該團隊訓練了網絡，使其能夠以將EEG信號轉換為類似于測試對象所觀察到的實際圖像的方式共同運行。

腦機接口（BCI）系統的操作算法

為了測試系統可視化大腦活動的能力，研究人員向受試者播放了以前從未觀看過的相同類別的視頻。他們觀看的時候，EEG被記錄下來并饋送到神經網絡。系統通過了測試，生成了令人信服的圖像，這些圖像可以在90%的情況下被輕松分類。

“腦電圖是從頭皮記錄的腦信號的集合。研究人員過去認為，通過腦電圖研究大腦過程，就像通過分析蒸汽火車留下的煙霧、找出蒸汽機的內部結構一樣不可想像，”論文的共同作者Grigory Rashkov解釋說。“我們沒想到它包含了足夠的信息，甚至可以部分重建一個人觀察到的圖像。事實證明，這是完全可能的。”

“更重要的是，我們可以以此作為腦機接口實時運行的基礎。這確實令人放心。在當今的技術下，埃隆·馬斯克設想的侵入性神經接口面臨復雜的外科手術和由于自然過程而迅速退化的挑戰——它們會氧化并在數月內失效。我們希望我們最終可以設計出更經濟的，不需要植入的神經接口。”

對于這項研究，有網友評論：要是能重建夢境就好了。你怎么看？