AI rekonstruerar bilder ur hjärnsignaler – israeliska forskare når nytt genombrott
Israeliska forskare låter AI återskapa bilder direkt ur hjärnsignaler.
När maskinen ser vad du ser
Föreställ dig att en dator kan rekonstruera en bild av de bananer du just tittade på – inte för att du beskrev dem, utan för att en algoritm läste av din hjärnaktivitet. Det är inte längre science fiction.
Enligt MIT Technology Review har forskaren Michal Irani och hennes kollegor vid Weizmanns Institut i Israel utvecklat ett AI-verktyg som gör exakt detta. Det som tidigare gett suddiga, svårtolkade resultat kan nu leverera häpnadsväckande precisa rekonstruktioner av visuella intryck – direkt ur hjärnans signaler.
En tvådelad arkitektur
Det tekniska genomslaget är elegant i sin uppbyggnad. Systemets avkodare är delad i två grenar som arbetar parallellt: en analyserar bildens struktur – var färger och former befinner sig – och en annan identifierar innehållet, exempelvis att det handlar om frukt på en tallrik. De två förutsägelserna matas sedan in i en diffusionsmodell som väver samman dem till en detaljerad bild.
Ett centralt problem som tidigare bromsat liknande forskning är bristen på träningsdata – det är trots allt tidskrävande och kostsamt att hålla försökspersoner i hjärnskannrar under långa perioder. Iranis team löste detta med en genialisk vändning: de tränade en kompletterande modell som arbetar åt motsatt håll, det vill säga förutsäger hur en hjärnskanning borde se ut givet en specifik bild. Genom att låta de två modellerna förbättra varandra i upprepade cykler kunde systemet tränas på i stort sett obegränsat antal bilder – varav runt 70 procent aldrig visats för någon försöksperson i skannern.
Det är just den här iterativa förbättringsmekanismen som gör framstegen trovärdiga och skalbara.
Medicinska möjligheter på horisonten
De medicinska tillämpningarna är konkreta och lovande. Forskarna pekar på möjligheten att hjälpa personer med svåra rörelsehinder att kommunicera – att kunna förmedla tankar och avsikter utan att röra en muskel. Längre fram diskuteras till och med möjligheten att återskapa drömmar, vilket skulle kunna öppna helt nya vägar inom sömnforskning och psykiatri.
Det är den typen av tillämpningar som gör det lätt att bli genuint entusiastisk över vart tekniken är på väg.
Men – och det är ett stort men
MIT Technology Review lyfter också fram de oroande frågorna. Andra forskare inom området varnar för att samma teknik, i fel sammanhang eller fel händer, skulle kunna användas för att avslöja människors innersta mentala föreställningar – potentiellt utan deras vetskap eller samtycke.
Här är vi inne på ett område som saknar juridisk förankring i nästan alla länder. Vår lagstiftning är byggd för att skydda det vi säger, skriver och gör – inte det vi tänker. Begreppet mental integritet finns knappt i juridisk mening, och de etiska ramverk som finns är framtagna för en tid då tankeläsning hörde hemma i fantasylitteraturen.
Frågan är inte om tekniken kommer att bli tillräckligt tillgänglig för att missbrukas. Frågan är när.
En teknik som springer ifrån regelverket
Det finns ett mönster som återkommer gång på gång inom AI-forskning: tekniken utvecklas snabbare än samhällets förmåga att hantera den. Vi såg det med ansiktsigenkänning, med generativa bildmodeller och med storskaliga språkmodeller. Nu ser vi det igen – fast den här gången handlar det om något ännu mer intimt än ett ansikte eller en röst. Det handlar om det som pågår inuti skallen.
Neurologen och neuroetikern Judy Illes – omnämnd i MIT Technology Reviews rapportering – tillhör dem som länge drivit frågan om var gränsen mellan medicinsk nytta och integritetskränkning faktiskt går. Svaret är ännu oklart, och det är ett problem som inte kan skjutas på framtiden.
Det vi behöver nu är inte bromsar på forskningen – den här tekniken kan göra verklig skillnad för verkliga människor. Vad vi behöver är ett parallellt spår: juridik och etik som håller jämna steg med laboratoriet.
Vår analys
Det som gör den här forskningen särskilt intressant ur ett systemperspektiv är den iterativa träningsmekanismen – att låta två modeller förbättra varandra med syntetiska data är en metod som dyker upp i allt fler sammanhang och troligen kommer att accelerera liknande genombrott.
Men det tekniska är egentligen den enklare biten. Den svårare frågan är strukturell: vi håller på att bygga verktyg som kan avläsa mentala tillstånd med allt högre precision, utan att vi har vare sig juridiska definitioner eller etiska prejudikat på plats. Mental integritet behöver bli ett reellt rättsbegrepp – inte en filosofisk diskussion.
Jag tror att den här tekniken kommer att göra enorm nytta inom vård och kommunikation. Men vi behöver lagstiftare som förstår vad en diffusionsmodell är och vad hjärnavkodning faktiskt innebär, annars riskerar vi att reglera i efterhand – vilket alltid är det sämsta alternativet.