2017 年 12 月底时，日本京都大学神谷研究室 4 位科学家公布了他们研究人工智能（AI）的结果，虽然还只是起步，但他们确实开发出让 AI 学会了「译码」人们脑波的新技术。

团队创造的 AI 在读取人的脑波后，根据对象脑波中显示的影像，便能创造出相应但较为模糊的图片，这种从人类大脑活动中可视化感知过程的技术，团队将其称呼为「深度图像重建」（deep image reconstruction）。



▲一旦大脑波动被扫描，计算机便会反向译码这些讯息，进而产生一个可视化的主体图片，图片显示 AI 解读并重建信息的过程。

神谷之康（Yukiyasu Kamitani）教授向 CNBC 表示，团队一直都在研究如何透过观察人的大脑活动，来重建、重现人们所看到影像的方法，但在过去研究中，团队曾假设一个图片是由像素（pixels）或简单形状组成的， 而现在他们已经知道人脑的运作方式并非如此。

「现在我们已经知道，人们大脑处理视觉讯息的方式，是分层次的提取不同等级的特征，或是不同复杂程度的组成部分。 」

透过理解这一点，研究中建立的神经网络或 AI 模型将可以用来代表大脑分层结构处理的情况，进而让 AI 能更好的去侦测、理解大脑所见到的物体，而不仅仅是像过去一样只能以二进制像素表示。

在深度图像重建的算法中，AI 会先加载随机图片，并开始根据脑波译码中读取到的特征逐渐去改变像素值。 除了深度神经网络（DNN）和机器学习领域的图像生成技术，团队还用了深度生成网络（Deep Generator Network, DGN）来确保图片看起来自然。



▲▼首图为只使用 DNN 译码脑波的情况，上图则是运用 DNN 与随机图片，下图则是运用 DNN、DGN 与随机图片。

在研究期间，团队分别针对自然景象、人造几何形状和字母进行了测试。 在一些情况中，受试者在观看图片时，计算机便对脑波进行扫描，而在其他情况中，计算机则是在受试者回想刚刚展示的图片时进行解析。

与过去的方法不同，即使人们只是回忆起图片，深度图像重建 AI 也能够试着建构出相对应可视化图片来，但由于大脑活化不足，AI 系统在这种情况下的分析也必须花上更长一些时间。

透过不断的猜测脑波数据对应的形象化，AI 从众多的数据中持续学习。 严格来说，深度图像重建的 AI 并不能真正「看见」人的思想，但它确实知道当你在想什么时，脑波是什么样子的。

尽管从图片看来，目前深度图像重建 AI 读取的效果仍十分有限，但随着精准度不断改良，这项技术的潜在应用价值将令人难以想象。

▲相较自然图像，字母的译码已经几乎能够辨识（没有运用 DGN 的情况）。

运用这种可视化技术，人们或许将能简单透过想象来绘画或制作艺术，就连梦境也可能可以透过计算机来形象化。 对于一些饱受幻觉困扰的精神疾病患者来说，也能够得到更多相对应的外在协助。

神谷之康教授认为，随着 AI 技术和脑机接口发展，有朝一日，或许纯粹透过意念和想象的沟通将有望实现。