Udviklere fra Purdue University har oprettet et neuralt netværk, der kan analysere fMRI-billeder af hjernen, der er taget, mens de så på en video, og derefter i realtid bestemme, hvad personen så.
Eksperimentet involverede tre emner, der blev vist omkring tusind små videoer. Under showet kunne videnskabsmænd få en enorm mængde fMRI-data, som derefter begyndte at demonstrere et indviklet neuralt netværk, der blev trænet til at matche hjerneaktivitet med plottene i videoerne. Ved hjælp af fMRI-billedet lærte netværket meget hurtigt og korrekt at bestemme, hvad nøjagtigt frivilligheden så på det tidspunkt, billedet blev taget.
Derudover lærte det neurale netværk at dechiffrere data fra andre mennesker, baseret på informationen modtaget fra fMRI fra andre frivillige, mens resultatet var lige så højt både med fMRI-data fra raske forsøgspersoner og dem med synshandicap.
Takket være denne undersøgelse var forskerne i stand til at dechiffrere tanker, og på samme tid regnede de ud, hvilke dele af hjernen der er ansvarlige for at genkende billeder og videoer. Pointen er, at hjernen deler videoen i separate komponenter. For eksempel, hvis en person ser en bil bevæge sig på baggrund af en væg, genkender det ene område af hjernen væggen, og det andet en bil - således kunne videnskabsmænd spore hjernens arbejde, når man sammenligner separate blokke med information og bragte den sammen til et enkelt billede.
Viacheslav Larionov
