En ö är inte nödvändigtvis kärlek
Rapporter från laboratorier som försöker dechiffrera innehållet i den mänskliga hjärnan oroar säkert många. Om du tittar noga på dessa tekniker kommer du att lugna dig lite.
Under 2013 lyckades japanska forskare från Kyoto-universitetet med en noggrannhet på 60 % "läs drömmar »genom att avkoda några signaler i början av sömncykeln. Forskarna använde magnetisk resonanstomografi för att övervaka försökspersonerna. De byggde databasen genom att gruppera objekt i breda visuella kategorier. I den senaste omgången av experiment kunde forskarna identifiera bilderna som volontärerna såg i sina drömmar.
Aktivering av hjärnregioner under MRT-skanning
2014, en grupp forskare från Yale University, ledd av Alan S. Cowen, exakt återskapade bilder av mänskliga ansikten, baserat på hjärninspelningar som genererades från respondenter som svar på de visade bilderna. Forskarna kartlade sedan deltagarnas hjärnaktivitet och skapade sedan ett statistiskt bibliotek av testpersonernas svar på individer.
Samma år blev Millennium Magnetic Technologies (MMT) det första företaget att erbjuda tjänsten "spela in tankar ». Med hjälp av våra egna, patenterade, sk. , identifierar MMT kognitiva mönster som matchar patientens hjärnaktivitet och tankemönster. Denna teknik använder funktionell magnetisk resonanstomografi (fMRI) och biometrisk videoanalys för att känna igen ansikten, föremål och till och med identifiera sanningar och lögner.
2016 skapade neuroforskaren Alexander Huth från University of California i Berkeley och hans team en "semantisk atlas" för dechiffrera mänskliga tankar. Systemet hjälpte bland annat att identifiera områden i hjärnan som motsvarar ord med liknande betydelser. Forskarna genomförde studien med hjälp av fMRI och deltagarna lyssnade på sändningar som berättade olika historier under skanningen. Funktionell MRT avslöjade subtila förändringar i blodflödet i hjärnan genom att mäta neurologisk aktivitet. Experimentet visade att minst en tredjedel av hjärnbarken var involverad i språkprocesser.
Ett år senare, 2017, utvecklade forskare vid Carnegie Mellon University (CMU), ledd av Marcel Just, ett sätt att identifiera svåra tankartill exempel "vittnet skrek under rättegången". Forskarna använde maskininlärningsalgoritmer och hjärnavbildningsteknik för att visa hur olika delar av hjärnan är involverade i att bygga liknande tankar.
Under 2017 använde forskare vid Purdue University tankeläsning Artificiell intelligens. De satte en grupp försökspersoner på en fMRI-maskin, som skannade deras hjärnor och tittade på videor av djur, människor och naturliga scener. Denna typ av program hade löpande tillgång till uppgifterna. Detta hjälpte hans inlärning, och som ett resultat lärde han sig att känna igen tankar, mönster av hjärnbeteende för specifika bilder. Forskarna samlade in totalt 11,5 timmars fMRI-data.
I januari i år publicerade Scientific Reports resultaten av en studie av Nima Mesgarani vid Columbia University i New York, som återskapade hjärnmönster – den här gången inte drömmar, ord och bilder, utan hört ljud. Den insamlade informationen renades och systematiserades med artificiell intelligens algoritmer som efterliknar hjärnans neurala struktur.
Relevans är endast ungefärlig och statistisk
Ovanstående serie av rapporter om successiva framsteg inom tankeläsningsmetoder låter som en rad av framgång. Dock utveckling neuroformationsteknik brottas med enorma svårigheter och begränsningar som gör att vi snabbt slutar tro att de är nära att bemästra dem.
Första, hjärnkartläggning ett skämt lång och kostsam process. De tidigare nämnda japanska "drömläsarna" krävde så många som tvåhundra provomgångar per studiedeltagare. För det andra, enligt många experter, är rapporter om framgång med "tankeläsning" överdrivna och vilseleder allmänheten, eftersom fallet är mycket mer komplicerat och inte ser ut som det skildras i media.
Russell Poldrack, neuroforskare från Stanford och författare till The New Mind Readers, är nu en av de mest högljudda kritikerna av vågen av mediaentusiasm för neuroimaging. Han skriver tydligt att aktivitet i ett visst område av hjärnan inte berättar för oss vad en person faktiskt upplever.
Som Poldrack påpekar är det bästa sättet att se den mänskliga hjärnan i aktion, eller fMRI, bara indirekt sätt genom att mäta aktiviteten hos neuroner, eftersom det mäter blodflödet, inte neuronerna själva. Den resulterande datan är mycket komplex och kräver mycket arbete för att översätta den till resultat som kan betyda något för en utomstående observatör. också inga generiska mallar – varje mänsklig hjärna är något annorlunda och en separat referensram måste utvecklas för var och en av dem. Statistisk analys av data är fortfarande mycket komplex, och det har förekommit mycket debatt i fMRI:s professionella värld om hur data används, tolkas och är föremål för fel. Det är därför det behövs så många tester.
Studien är att sluta sig till vad aktiviteten i specifika områden betyder. Till exempel finns det ett område i hjärnan som kallas "ventral striatum". Det är aktivt när en person får en belöning som pengar, mat, godis eller droger. Om belöningen var det enda som aktiverade det här området skulle vi kunna vara ganska säkra på vilken stimulans som fungerade och med vilken effekt. Men i verkligheten, som Poldrack påminner oss, finns det ingen del av hjärnan som unikt kan associeras med ett visst mentalt tillstånd. Baserat på aktivitet i ett givet område är det alltså omöjligt att dra slutsatsen att någon faktiskt upplever. Man kan inte ens säga att eftersom "vi ser en ökning av aktiviteten på hjärnön (ön), så borde den observerade personen uppleva kärlek."
Enligt forskaren bör den korrekta tolkningen av alla studier som övervägs vara påståendet: "vi gjorde X, och detta är en av anledningarna till att holmens aktivitet." Naturligtvis har vi upprepning, statistiska verktyg och maskininlärning till vårt förfogande för att kvantifiera förhållandet mellan en sak och en annan, men de kan på sin höjd säga till exempel att han upplever tillstånd X.
"Med ganska hög noggrannhet kan jag identifiera bilden av en katt eller ett hus i någons sinne, men några mer komplexa och intressanta tankar kan inte tydas", lämnar Russell Poldrack inga illusioner. "Kom dock ihåg att för företag kan till och med en förbättring av annonsresponsen med 1 % innebära stora vinster. En teknik behöver alltså inte vara perfekt för att vara användbar ur en viss synvinkel, även om vi inte ens vet hur stor nyttan kan vara.
Ovanstående överväganden gäller naturligtvis inte. etiska och juridiska aspekter neuroimaging metoder. Den mänskliga tankevärlden är kanske den djupaste värld av privatliv som vi kan föreställa oss. I den här situationen är det rimligt att säga att tankeläsningsverktyg fortfarande är långt ifrån perfekta.
Skanna hjärnaktivitet vid Purdue University:
