每每涉及在適當時機向我們展示正確搜索結果之類的問題時，AI似乎常常無法讀懂人們的想法，從高科技的人工智能跌落成人工智障。

但是，俄羅斯機器人研究公司Neurobotics Lab的工程師表明，確實可以訓練AI學會“讀心術”，并且僅憑腦電波就能以猜測出用戶正在觀看的視頻。

“我們已經證明，觀察不同內容的視覺場景會影響人的腦電波，因此我們可以通過分析相應的EEG（腦電圖）信號來區分不同場景類別。”神經機器人實驗室的工程師Anatoly Bobe說道，“然后，［我們］ 創建了一個系統，從腦電圖信號特征重建圖像。”

研究人員通過向人工智能展示不同物體的視頻剪輯，以及觀看者的腦電波記錄，來訓練它。這使深度學習神經網絡可以學習人們在觀看特定類型視頻內容時，腦電波活動的常見特征。

然后，他們通過讓測試對象戴上腦電圖帽，觀看一些視頻片段，從摩托艇上的人到自然動物再到人類的表情，并記錄他們的大腦活動來證明所構建的模型。234次嘗試中，有210次AI能夠對大腦活動進行分類和適當標記。

“它無法重建對象看到或想象的實際事物，只能重建某些相同類別的相關圖像。” Bobe解釋說。

Bobe說，Neurobotics Lab似乎是第一個研究小組證明可以從EEG信號獲得視頻刺激的方法。但是，它并不是第一個探索AI驅動的“讀心術”技術的組織。過去，我們看到了許多相關的研究項目。

但是，其中許多都集中在fMRI分析而非腦電圖上。去年，日本科學家就進行了一項研究，使用AI系統和fMRI掃描，從而創造出一個能讀心的人工智能。

不過，會讀心術的AI并不總是完全正確。在其中一項測試中，它認為參與者在看剪刀，而實際上他們在看鐘。不過，即使是錯誤的，有時的結果也非常接近。例如，當一名被掃描的人看到一名男子在河里劃皮劃艇的圖片時，人工智能就會配上這樣的字幕：一名男子在沖浪板上沖浪。

在其他情況下，AI做到了完全正確的：當圖像是一群人站在一起，或一個黑白狗，系統是絕對正確的。

這個系統目前有其局限性。fMRI的圖像并不能記錄大腦的所有活動，因此這些說明的詳細程度是有界限的。這種方法還需要參與者躺在一個大型機器上，這使得它不適合在其它地方使用，只有在醫療設施。

所以，Bobe指出，“fMRI信號比腦電圖包含更多的關于大腦過程的信息。”但是fMRI的一個缺點是，它需要大型且昂貴的設備，而這些設備只能在診所找到。

由于其時間分辨率差，因此也難以獲得實時結果。腦電圖雖然較困難且可靠性較差，但更易于使用。這可能使其在實際的BCI（腦機接口）應用程序中更加實用。

“我們的系統可以用于例如中風后康復，當一個人需要鍛煉自己的大腦以恢復其認知能力，或者需要通過EEG界面發送心理命令時。”Bobe說，“我們的系統充當訓練系統，在該系統中，受試者可以進行訓練以生成心理指令，并將重建后的圖像用作自然反饋，以顯示他在此？？任務上做得如何。”

與Bobe研究不同的是，此前，美國卡內基梅隆大學的科學家們聲稱，他們已向真正的“讀心術”邁進了一步，利用算法來解碼大腦信號，識別出更深層的思想，比如“年輕作家對編輯說了話”和“洪水損壞了醫院”。

研究人員說，這項技術能夠理解復雜的事件，比如句子，以及語義特征，比如人、地點和動作，從而預測人們正在思考的是什么。在測試了239個句子的心理觸發器后，程序能夠預測第240個短語，準確率高達87%。

對“讀心術”的研究，人類一直是孜孜不倦。

今年夏天，特斯拉創始人埃隆？馬斯克的公司Neuralink剛剛宣布，明年將推進可植入設備的人體試驗，這種設備能讀取用戶的想法。

緊接著，加州大學舊金山分校的科學家們發布了一項由Facebook支持的大腦活動研究結果，該結果表明，使用腦波技術解碼語音是可能的。

去年，日產推出了“大腦對汽車”（Brain -to- Vehicle）技術，該技術可以讓汽車解讀司機大腦發出的信號;而尼爾森已經在使用神經科學來捕捉消費者決策的無意識方面。

也許AI學會讀心術能幫助一部分人，活著改善某些產品的用戶體驗，但真正到來的那天，可能更多是讓人覺得毛骨悚然吧。畢竟，現在的算法推薦就已經夠讓人頭疼的了。

責任編輯：ct