Wyobraź sobie, że leżysz wewnątrz ogromnego, buczącego urządzenia, a na ekranie obok naukowcy widzą niemal dokładnie to, co Ty masz w tej chwili pod powiekami. Brzmi jak scenariusz z filmu science-fiction, ale dzięki połączeniu funkcjonalnego rezonansu magnetycznego (fMRI) oraz zaawansowanych modeli generatywnych AI, takich jak Stable Diffusion, ta wizja staje się rzeczywistością. Choć technologia ta robi oszałamiające postępy, droga od laboratoryjnych eksperymentów do prawdziwego „czytania w myślach” jest znacznie bardziej skomplikowana, niż mogłoby się wydawać na pierwszy rzut oka.

Jak dokładna jest dzisiejsza rekonstrukcja obrazów z mózgu?

Trafność algorytmów AI w rekonstrukcji obrazów z fMRI przeszła w ostatnich latach gigantyczną metamorfozę. Jeszcze dekadę temu wyniki przypominały rozmazane plamy barwne, w których ledwo można było rozpoznać kształt człowieka czy budynku. Przełom nastąpił wraz z zastosowaniem modeli dyfuzyjnych – tych samych, które napędzają popularne generatory obrazów AI.

Obecnie naukowcy, m.in. z Uniwersytetu w Osace, osiągają wyniki o wysokim stopniu podobieństwa semantycznego. Oznacza to, że jeśli badany patrzy na zdjęcie wieży Eiffla, AI potrafi wygenerować obraz wieży o podobnej strukturze i kolorystyce. Według różnych badań, trafność w klasyfikacji obiektów (czyli to, czy AI poprawnie odgadnie, że widzisz „psa”, a nie „samochód”) sięga już ponad 80%. Jeśli jednak chodzi o fotorealistyczne odwzorowanie każdego szczegółu, technologia wciąż miewa problemy z precyzyjnym oddaniem tekstur czy drobnych detali anatomicznych.

Ciekawostka: Dlaczego AI potrzebuje „tłumacza”?

Sygnał fMRI nie jest obrazem, lecz mapą przepływu krwi w mózgu (sygnał BOLD). AI pełni tu rolę tłumacza, który uczy się, że konkretny wzorzec aktywności w korze wzrokowej odpowiada np. pionowym liniom lub jaskrawym kolorom.

Potężna aparatura, czyli dlaczego nie zrobisz tego w domu

Mimo że algorytmy AI mogą działać na mocniejszym laptopie, „serce” całego procesu – skaner fMRI – to prawdziwy gigant. Standardowy skaner medyczny waży od kilku do kilkunastu ton i zajmuje całe pomieszczenie. Wymaga on specjalistycznego chłodzenia płynnym helem oraz potężnych magnesów o natężeniu pola rzędu 3 Tesli (3T) lub 7 Tesli (7T) w celach badawczych.

Nie ma mowy o miniaturyzacji tej technologii do rozmiarów czapki czy opaski w najbliższym czasie. Fizyka rezonansu magnetycznego wymaga ogromnej mocy magnetycznej, aby wychwycić subtelne zmiany w natlenowaniu krwi wewnątrz czaszki. Istnieją alternatywy, takie jak fNIRS (funkcjonalna spektroskopia bliskiej podczerwieni) czy EEG, które są mobilne, ale oferują znacznie niższą rozdzielczość przestrzenną, co uniemożliwia tak precyzyjną rekonstrukcję obrazów, jaką daje fMRI.

Ile trwa proces „wyciągania” obrazu z głowy?

Proces ten jest czasochłonny i składa się z kilku etapów:

1. Kalibracja i trening (godziny): To najbardziej żmudna część. Każdy mózg jest inny, dlatego AI musi zostać „nastrojona” do konkretnej osoby. Badany spędza godziny w skanerze, oglądając tysiące zdjęć, podczas gdy algorytm uczy się jego indywidualnych wzorców aktywności neuronowej.
2. Skanowanie właściwe (minuty): Gdy model jest już wytrenowany, sama rejestracja aktywności podczas patrzenia na nowy obraz trwa tyle, ile ekspozycja na ten obraz (zazwyczaj kilka-kilkanaście sekund).
3. Rekonstrukcja (sekundy/minuty): Przetworzenie danych przez algorytm i wygenerowanie obrazu przez AI trwa od kilku sekund do kilku minut, w zależności od mocy obliczeniowej komputera.

Czytanie w myślach bez zgody – czy mamy się czego obawiać?

Jednym z najczęstszych pytań dotyczących tej technologii jest kwestia prywatności i możliwości „zhakowania” ludzkiego umysłu bez wiedzy właściciela. Na obecnym etapie rozwoju nauki jest to praktycznie niemożliwe z kilku kluczowych powodów:

Konieczność aktywnej współpracy

Aby fMRI mogło cokolwiek odczytać, osoba badana musi leżeć nieruchomo wewnątrz ogromnego magnesu. Każdy gwałtowny ruch głową niweczy badanie. Co więcej, badania wykazały, że osoba badana może „oszukać” algorytm, np. licząc w pamięci lub myśląc o czymś zupełnie innym niż prezentowany obraz, co skutecznie zagłusza sygnał, którego szuka AI.

Indywidualny „odcisk palca” mózgu

Wzorce aktywności mózgu są unikalne dla każdego człowieka. Model AI wytrenowany na mózgu osoby A nie będzie potrafił poprawnie zinterpretować myśli osoby B bez ponownego, wielogodzinnego procesu uczenia. Nie istnieje obecnie „uniwersalny dekoder myśli”, który działałby na każdym z marszu.

Bariera fizyczna

Nie da się przeprowadzić skanowania fMRI z dystansu, przez ścianę czy za pomocą ukrytych kamer. Wymagana jest bezpośrednia obecność w silnym polu magnetycznym.

Co przyniesie przyszłość?

Choć wizja czytania w myślach bez zgody pozostaje w sferze teorii spiskowych, technologia ta ma ogromny potencjał terapeutyczny. Może ona pomóc osobom z zespołem zamknięcia (locked-in syndrome) komunikować się ze światem poprzez wizualizację ich potrzeb lub myśli.

Naukowcy pracują obecnie nad tym, aby dekodować nie tylko obrazy, które widzimy, ale także te, które tylko sobie wyobrażamy lub o których śnimy. Pierwsze sukcesy w rekonstrukcji snów już odnotowano, choć ich dokładność jest wciąż znacznie niższa niż w przypadku bezpośredniej percepcji wzrokowej. Rozwój tej dziedziny będzie wymagał nie tylko postępów technicznych, ale przede wszystkim stworzenia twardych ram etycznych i prawnych dotyczących „wolności poznawczej” i ochrony naszych najbardziej prywatnych danych – tych zapisanych w neuronach.