以色列团队研发全新AI模型，实现人脑视觉精准解码
当地时间周六，以色列魏茨曼科学研究所科研团队公布一项重磅科研成果。由Michal Irani教授主导研发的Brain-IT人工智能模型，成功实现基于脑部扫描数据还原人类视觉画面，让AI脑机解码技术迎来阶段性重大突破。
该技术依托功能性磁共振成像（fMRI）设备采集的脑部活动数据，精准解析人脑视觉神经信号，高效重建出受试者当下观测的图像内容。据官方科研资料显示，这款全新模型的画面还原精准度，相较以往同类技术实现显著提升，细节还原能力大幅优化。
创新技术方案，破解脑解码数据稀缺难题
长期以来，脑机视觉解码技术的发展，始终受限于训练数据短缺问题。传统模型训练需要海量“图像内容+人脑扫描数据”的配对样本，人工采集这类数据耗时费力、成本极高，严重制约技术迭代速度。
目前行业公开的自然场景数据集，是该领域规模最大的可用资源，但仅涵盖8名受试者的实验数据。每名受试者需参与30至40次脑部扫描，观看数千张不同图像，最终仅形成7.3万组有效配对数据，样本体量十分有限。
为突破这一技术瓶颈，本次研发团队创新搭建“反向翻译”模型，无需持续大量采集真人脑数据，可通过图像内容反向预测对应的人脑活动规律，快速扩充训练样本库，从根源上解决了脑解码AI训练数据不足的行业痛点。
性能全面升级，大幅降低个体适配成本
Michal Irani教授介绍，过往市面上的同类脑解码模型，虽然能够完成基础的图像重建工作，但输出画面普遍存在构图错乱、色彩失真等基础性问题，还原效果偏差较大。而Brain-IT模型在细节还原、色彩把控、画面构图上，均实现全方位超越。
除精度提升外，新模型的适配效率实现跨越式突破。传统模型需要耗费数十小时的单人脑部扫描数据，才能完成对新个体的信号读取适配。而全新的Brain-IT模型，仅需1h的扫描数据，即可快速适配全新受试者，大幅降低技术落地门槛。
研发持续进阶，未来瞄准视频与梦境解码场景
现阶段Brain-IT模型主要针对静态图像完成解码重建，但团队的研发布局并未止步于此。目前实验室正持续拓展技术边界，逐步探索听觉信息解码能力，最终目标是实现动态视频画面、人类梦境内容的解析还原。
研究团队坦言，梦境与视频解码存在极高技术难度。fMRI设备单次扫描耗时约2s，而动态视频每秒画面更新数十次，二者存在天然时序差。团队正全力攻克时序适配难题，一旦技术突破，未来有望实现对人类梦境画面的读取与还原。
技术应用多元，兼具医疗价值与司法潜力
人脑信号解码并非全新研究方向，全球科学界已深耕多年。早在2017年，国际权威期刊就曾刊发论文，探讨神经成像技术“读心”的可行性，提出该技术可应用于司法场景，通过脑信号分析完成测谎评估，优化司法审查体系。
在医疗领域，该技术具备广阔应用前景。美国普林斯顿大学Kenneth Norman教授表示，随着fMRI设备精度提升、数据分析算法迭代，脑解码技术日趋成熟。其可通过神经反馈干预，帮助抑郁症、焦虑症患者识别负面思维模式，辅助心理疾病治疗与康复。
技术双刃剑属性凸显，滥用风险引发行业担忧
随着Brain-IT这类高精度脑解码技术落地，行业争议也随之而来。多位神经科学专家在肯定其科研与医疗价值的同时，也对技术滥用风险提出警示。
这类技术能够深度捕捉人类视觉记忆、思维信号，若缺乏规范约束，可能被用于强制性信息采集，非法获取个人私密思想与记忆内容，严重侵犯个人隐私与信息安全。业内普遍认为，脑机解码技术在落地应用的同时，必须同步建立完善的行业规范与监管体系，平衡技术创新与隐私安全，规避伦理与安全风险。
（ 智算芯能前沿网综合）
本文由智算芯能前沿网编辑整理，转载请注明出处。