Первые шаги
Приспособления, предназначенные для чтения мыслей, существуют уже довольно давно. В 1895 году ученый по имени Юлиус Эммнер считал, что его устройство способно фиксировать мысли подобно тому, как магнитофон записывает звук.
Вдохновение Эммнер черпал из фонавтографа — устройства, которое улавливало звуковые волны из воздуха и преобразовывало их в графические изображения на бумаге. Ему, да и научному сообществу того времени, идея казалась реалистичной и логичной: если возможно зафиксировать звук, то почему бы не попытаться сделать то же самое с мыслями?
Созданное Эммнером устройство предполагало запись размышлений в виде «мысленных фотографий», которые могли бессознательно восприниматься человеком.
Эммнер был уверен, что механизм чтения окончательно создан: все мысли могут быть записаны и от кого-либо скрыть что-либо станет невозможным. По мнению ученого, преступники не смогут избежать ответственности, так как доказательства их действий можно будет легко найти прямо в их голове.
Хотя машина Эммнера получила широкую огласку, о ней быстро забыли из-за ее неработоспособности — считывание мыслей оказалось гораздо сложнее, чем запись звука. Наш мозг состоит из примерно 100 млрд нейронов и множества других клеток, которые играют важную роль в памяти, чувствах и мышлении.
Как сейчас читают мысли
Мы все еще исследуем, как и где хранятся наши мысли, и у нас нет реального способа увидеть состояние клеток мозга в любой момент времени. Это добавляет сложности к пониманию их работы.
Тем не менее, нам известно, что мозг оказывает влияние на тело. Полиграф, известный также как «детектор лжи», — это наиболее близкая к машине для чтения мыслей технология. Он измеряет такие параметры, как дыхание, потоотделение, электрическая проводимость кожи, артериальное давление и частота сердцебиения.
Основная идея заключается в том, что ложь вызывает беспокойство, что приводит к различным физиологическим изменениям, которые можно измерить. Но даже полиграфы не всегда надежны и часто не принимаются в суде, поскольку человек может не испытывать волнения при лжи или, наоборот, может быть обеспокоен по другим причинам, создавая ложные результаты.
В медицине есть более надежные методы изучения нашего мозга. Электроэнцефалография (ЭЭГ), разработанная в 1920-х годах, использует электроды для отслеживания электрической активности мозга в моменты выполнения различных задач. Эти импульсы рождаются в результате активности от 30 до 500 млн нейронов. ЭЭГ может дать представление о нормальной или аномальной активности мозга, но не позволяет видеть конкретные мысли.
Существуют и другие методы сканирования, такие, как позитронно-эмиссионная томография (ПЭТ). При этом методе пациенту вводят радиоактивную глюкозу. Поскольку активный мозг использует больше энергии, занятые участки мозга поглощают ее. ПЭТ-сканер позволяет создать трехмерное изображение мозга, отображающее самые активные зоны, с разрешением 4−5 мм, что охватывает миллионы нейронов. Но этого все еще недостаточно.
Иные методы чтения
На сегодня самым лучшим методом остается функциональная магнитно-резонансная томография (фМРТ). Она измеряет изменения уровня кислорода и кровотока. Когда мозг активно работает, он увеличивает приток крови и кислорода к соответствующим нейронам.
Сканы фМРТ используют мощные магниты для определения мест, где концентрируется кровь и кислород, и обычно достигают разрешения до 3 мм. Не так давно появилось оборудование с высоким разрешением, позволяющее исследовать ткани мозга до 50 микрометров (50/1000 мм).
Функциональная магнитно-резонансная томография (фМРТ) произвела революцию в методах сбора данных. Исследование, проведенное Университетом Миннесоты в 2022 году, включало сканирование мозговой активности восьми добровольцев с точностью до 1,8 мм в момент просмотра приблизительно 10 тыс. цветных изображений.
Однако, несмотря на силу фМРТ в сборе данных, эти сканеры все еще представляют собой громоздкие машины, размещенные в больницах.
«На пути к созданию более практичных интерфейсов мозг-компьютер ключевым шагом является разработка портативных систем, способных измерять мозговую активность с высоким разрешением», — считает Джерри Танг, аспирант Техасского университета в Остине, который занимается исследованиями в этой области.
Современные функциональные датчики ближней инфракрасной спектроскопии (fNIRS) могут в будущем привести к появлению портативных фМРТ-устройств. Однако даже они могут оказаться непригодными для постоянного ношения. А ведь цель тех, кто создает компьютеры, способные читать мысли, именно в этом.
Что у вас на уме?
Если мы не можем использовать внешние сканеры для мониторинга мозговой активности, остается другой путь: имплантаты мозга. Хотя такой шаг может показаться пугающим, именно в этом направлении работают несколько компаний.
Так, компания Neuralink Илона Маска активно проводит испытания имплантированных электродов на людях. Они предназначены для считывания сигналов от нейронов. Мотивация Маска может вызывать вопросы. Миллиардер утверждает, что его долгосрочная цель — «симбиоз человека и искусственного интеллекта». По его мнению, это критически важно для выживания человечества.
Другие разработчики тоже показывают реальные результаты. Компания Synchron разработала микроэлектроды, которые могут устанавливаться через кровеносные сосуды, проникая глубоко в мозг — это исключает необходимость в открытых нейрохирургических операциях.
«Основное преимущество нахождения внутри кровеносных сосудов, — объясняет доктор Том Оксли, генеральный директор Synchron, — заключается в том, что это положение обеспечивает наиболее оптимальную точку для наблюдения за мозговой активностью, в отличие от пребывания непосредственно в мозговом веществе».
Эта технология уже испытана на шести пациентах, страдающих тяжелым параличом или квадрипарезом (слабостью всех четырех конечностей). Уже сейчас Synchron демонстрирует, как «цифровые переключатели» управляются посредством мысли. Это позволяет людям выполнять такие задачи, как отправка текстовых сообщений и совершение покупок в интернете.
Чтобы создать «цифровой переключатель», пациентов часто просят представить себе действие — например, топанье ногой. Система фиксирует активность мозга, и эти сигналы используются для управления компьютером. «Мы применяем машинное обучение для оптимизации взаимодействия каждого пациента с нашим продуктом, — поясняет Оксли, — с каждым использованием устройства наша система укрепляет усиливающиеся связи».
Исследователи из Университета Лозанны (Швейцария) доказали, что можно использовать хирургически имплантированные электроды для считывания намерений движения из мозга парализованного человека. Затем эти сигналы передаются на другой имплантат в позвоночнике, подключенный к нервам, ответственным за ходьбу. После тренировки мужчина смог ходить, используя ходунки.
Еще более обнадеживающим результатом стало то, что после длительного использования устройства наблюдалась частичная регенерация движений даже после его выключения. Это указывает на то, что стимуляция способствовала восстановлению поврежденных нервов.
Отделение сигнала от шума
Ученые из Стэнфордского университета недавно установили пациентке с боковым амиотрофическим склерозом (болезнью, лишающей возможности говорить) имплантат, включающий интракортикальную микроэлектродную матрицу.
Специалисты применили ИИ, который прослушивал нейронные сигналы пациентки и переводил их в предполагаемые фонемы (элементы звукового языка). Дополнительно, с помощью большемасштабной языковой модели ИИ, обработанные данные преобразовывались в речевые сигналы скоростью до 62 слов в минуту.
Такой метод стал доступен благодаря последним достижениям генеративного ИИ. Ведь он привлек внимание общественности способностью создавать изображения и вести диалоги, подобные человеческим.
Эти ИИ программы обучаются на огромных текстовых массивах (как ChatGPT) или на сочетании текста с изображениями (например, DALL.E и Midjourney). Они трактуют запросы пользователей и отвечают соответствующим образом, то есть изображением или текстом.
Однако подобный ИИ способен справляться и с другими типами данных. В 2023 году ученые из Техасского университета в Остине, США, использовали ИИ для анализа данных фМРТ трех участников, которые прослушивали аудиорассказы в течение 16 часов.
Эти данные ИИ обработал в совокупности с моделью GPT-1 (ранней версией ChatGPT), которая была обучена на текстах из книг и интернет-источников. После чего другие добровольцы участвовали в экспериментах, где ИИ предсказывал мысленные образы при прослушивании новых историй.
Результаты оказались впечатляющими. ИИ не удавалось угадывать точные слова, но он успешно понимал общие концепции. Например, при прослушивании фразы: «…поищите сообщение от моей жены, в котором говорится, что она передумала и возвращается». ИИ интерпретировал это как: «Я почему-то думал, что, возможно, она придет и скажет, что скучает по мне».
Далее, добровольцам показывали немые видеоролики, и нейросеть улавливала их мысли. К примеру, компьютеру показывали видео с участием девочки, сбитой с ног. Тогда ИИ предсказывал мысли испытуемых следующим образом: «Я вижу, как девочку, похожую на меня, ударяют по спине, и она падает».
Исследование под руководством Джерри Танга привело к неожиданным выводам. «Я был поражен способностью декодера решать разнообразные семантические задачи», — говорит Танг. «Я не ожидал, что декодированные истории смогут быть столь же эффективными, как и реакции на воображаемые истории или фильмы».
В другом эксперименте ученые использовали данные фМРТ, собранные Университетом Миннесоты в 2022 году. В этом исследовании сканировали мозг восьми участников, пока они просматривали 10 тыс. изображений. Затем, применив стабильный алгоритм диффузии, обычно используемый для ИИ и создающий изображения, они попытались «предугадать», какие изображения видели добровольцы.
Используя данные сканирования мозга для обучения алгоритма, ученые смогли генерировать ключевые описания изображений. Например, описание объекта и его расположения на изображении, такие, как «капля в центре» и «башенные часы». Эти ключевые слова затем передавались другому ИИ, создающему изображения. Он создавал картинки, поразительно похожие на те, что видели участники исследования.
Команды исследователей из Национального университета Сингапура, Китайского университета Гонконга и Стэнфордского университета добились аналогичных результатов. Они использовали диффузионные алгоритмы ИИ, обученные на изображениях и данных фМРТ добровольцев, просматривавших эти изображения. Например, сканирование мозга человека, смотревшего на красную пожарную машину, позволило ИИ создать фотореалистичное изображение этой машины.
Скепсис
Несмотря на эти удивительные достижения, остаются вопросы о том, является ли это настоящим «чтением мыслей». «Сложность и ограничения человеческого мозга пока не изменились, и успехи ИИ могут быть переоценены, если не учитывать эти факторы», — отмечает доктор Дин Бернетт, почетный научный сотрудник Школы психологии Кардиффского университета.
Неудивительно, что ИИ, предназначенные для генерации текста и изображений, могут справляться с этими задачами. Представление о том, что ИИ читают наши мысли, может быть не более чем иллюзией, чем-то схожей с трюками фокусников, которые «находят» образ, о котором мы думаем.
На самом деле, даже самые продвинутые ИИ не способны проникнуть в наши мысли. Их задача — расшифровка «сообщений» в наших мозговых волнах, что позволяет им делать предположения о том, о чём мы думаем или что видим.
Это своего рода современный детектор лжи. Но вместо анализа изменений в физиологических параметрах организма, он отслеживает изменения кровообращения или электрической активности в различных областях мозга.
Несмотря на впечатляющие возможности, ИИ пока не полностью понимают, что именно делают наши нейроны. Но имеет ли это значение, если технология работает?
Тем не менее, есть ограничения этих методов чтения мыслей. По словам Бернетта, «чтобы ИИ мог читать активность мозга и переводить ее в слова, необходимо многочасовое обучение на данных людей, находящихся в сканерах мозга, в момент чтения слов».
«Когда ИИ был протестирован на других людях, он не смог справиться с задачей. Это показывает, что технологии считывания мозговой активности не могут быть легко адаптированы для каждого человека», — добавил он.
Тан соглашается: «Мы не ожидаем, что декодирование мыслей станет универсальным, поскольку наш мозг формируется под влиянием нашего уникального опыта, — замечает он. — Например, чтобы расшифровать личные данные, такие, как имена членов семьи, нам нужно сначала понять, как эти данные представлены в конкретном мозге».