AI可以直接從人的大腦中采集圖像。在機器學習以前往往被用於研究腦部掃描（MRI或磁共振成像），並可以在涉及簡單的二進制圖像，如黑白字母或簡單的地理形狀時，生成一個人所思所想的可視化圖像。如今，給定某人在查看圖片的fMRI掃描，算法可以從掃描中重建原始圖片。雖然研究者能夠根據一個人正在觀察的場景來復制一個圖像。這些AI創造的圖像與人實際看到的並不完全一樣，只是模糊地表現了人的思維。不過，AI還是能夠利用腦電波來重建這些圖像。盡管結果還不完美，但它們仍然是可識別的，並暗示著未來可能發生的事情。

 日本先進電信研究所的沈國華和他的同事們嘗試了三種類型的圖像：蝙蝠、摩托雪橇和彩色玻璃等“自然”照片，正方形和加號等人造形狀以及字母。形狀和字母是可識別的，但自然圖像的重建往往模糊且難以解析。團隊一直都在研究如何透過觀察人的大腦活動，來重建、重現人們所看到影像的方法，一旦得到改善，通過分析大腦信號，你就能夠知道一個人在做夢或想什麽。印第安納州普渡大學的Haiguang Wen說：“這些解碼方法可用於未來的人機交互。”
 

現在我們已經知道，人們大腦處理視覺訊息的方式，是分層次的提取不同等級的特征，或是不同復雜程度的組成部分。即使人們只是回憶起圖片，深度圖像重建 AI 也能夠試著建構出相對應可視化圖片來，但由於大腦活化不足，AI 系統在這種情況下的分析也必須花上更長一些時間。透過不斷的猜測腦波數據對應的形象化，AI 從眾多的數據中持續學習。嚴格來說，深度圖像重建的 AI 並不能真正“看見”人的思想，但它確實知道當你在想什麽時，腦波是什麽樣子的。

 大多數的神經網絡有兩個步驟：首先，他們將大腦掃描的數據解碼為算法，可以理解的幾個特定特征，然後重建或識別這些特征所代表的圖像。為了做到這一點，網絡接受了預先組裝好的一組圖像的訓練，有時使用超過一百萬張圖片。然而，圖像特征並不總是直接映射到大腦活動模式，所以系統只用一步就可以完成同樣的工作。它將fMRI機器測量的大腦活動直接轉換成受試者正在尋找的圖像重建。
 

該算法訓練來自先前研究的樣本，該研究由6000張圖片和來自正在查看這些圖片受試者的fMRI讀數組成。一個小小的樣本數據集能夠產生這樣的結果可以說是讓人振奮的一件事。、相比之下，Google的圖像識別系統在3億張圖像上進行了訓練。掌握這麽多的fMRI掃描將是棘手和昂貴的，但可能導致巨大的改進。

我相信在不久的將來，科學家們就能讀懂我們的思想，並對這些數據加以研究，雖然這是一個既有前景又令人恐懼的命題，但這項技術在未來的挖掘價值或許會能帶來驚人的成果。（科技新發現 康斯坦丁/文）

未來即使你不說話AI也能采集腦部信息看穿你