Японские ученые научили ИИ генерировать изображения на основе мысленных образов

Ученые из Национального института квантовой науки и технологий (QST) и Университета Осаки разработали подход для распознавания с помощью ИИ сложных визуальных образов на основе анализа функциональной магниторезонансной томографии (фМРТ) мозга. По словам исследователей, подход можно будет использовать для изучения иллюзий, галлюцинаций и снов. 

Исследователи показали участникам около 1200 изображений, а затем проанализировали и количественно оценили корреляцию между сигналами мозга и зрительными стимулами с помощью фМРТ. Карты связей ученые использовали для обучения генеративного ИИ расшифровке и воспроизведению мысленных образов на основе активности мозга.

В предыдущих исследованиях различные группы ученых воссоздавали изображения, которые видели люди, путем анализа активности их мозга. Но сделать то же самое с мысленными образами было слишком сложно. Немногочисленные публикации ограничивались простыми изображениями — буквами или геометрическими фигурами.

Метод, предложенный японскими исследователями, предполагал восстановление как картинок, которые участникам показывали во время сканирования, так и тех, что их просили представить. Правда, для эксперимента участники должны были представлять изображения, которые им показывали раньше.

Результаты показали, что хотя анализ активности мозга и не воспроизводит в точности исходную картинку, тем не менее получившиеся яркие изображения содержат отчетливые детали исходных снимков. Дальнейшее развитие технологии найден применение для изучения работы мозга и медицинских исследований, полагают ученые.

Читать далее:

Рядом с Землей нашли теплую планету, где год длится 22 дня

10 триллионов кадров в секунду: посмотрите, как ютуберы засняли скорость света

Странный объект, запертый между Сатурном и Ураном, меняется прямо сейчас

_{На обложке: пример реконструкции изображения: слева изображение, которое представлял участник, справа — реконструированное нейросетью. Иллюстрация: Naoko Koide-Majima et al., Neural Networks}