Ny forskning: AI-værktøj forudsiger hjernens aktivitet
Ny 'hjernedekoder' kan rekonstruere, hvad et menneske ser, hvilket giver håb for patienter med locked-in syndrom og rejser bekymringer om privatlivet.
Illustration: AI-genereret
Hvad er det nye?
- Et AI-værktøj kan gætte, hvad en person kigger på ved at analysere hjernescanninger og genskabe billedet med præcision.
- Forskere håber, at værktøjet kan hjælpe personer med locked-in syndrom med at kommunikere ved at rekonstruere indre tanker, mentale billeder eller drømme.
- Hjernedekoderen bruger to grene til at forudsige strukturen og indholdet af et billede.
Værktøjet er udviklet af Michal Irani og kolleger ved Weizmann Institute of Science i Rehovot, Israel, og bygger på flere års fremskridt inden for AI og fMRI-teknologi for at forbedre billedrekonstruktion fra hjernescanninger.
Teamet trænede en AI-model på data fra otte personer, der hver så omkring 9.000 billeder i en højopløsnings-fMRI-scanner. For at forfine systemet trænede de også en koder, der forudsiger hjerneaktivitet ud fra et billede, og kombinerede begge værktøjer for at forbedre ydeevnen.
Denne udvikling rummer et betydeligt potentiale for mennesker med neurologiske lidelser. Judy Illes, neuroetiker og professor i neurologi ved University of British Columbia i Canada, beskriver arbejdet som storslået og terapeutisk spændende for dem, der er "locked-in", og som ikke kan kommunikere gennem traditionelle midler.
Værktøjet kan også forudsige en persons hjerneaktivitet baseret på, hvad vedkommende kigger på. Selvom teknologien stadig er på udviklingsstadiet, udviser den en høj grad af effektivitet i behandlingen af nye forsøgspersoner sammenlignet med tidligere metoder.
På trods af potentialet rejser teknologien betydelige etiske spørgsmål. Tommy Sprague, neuroforsker ved University of California Santa Barbara, advarer om, at en lignende tilgang potentielt kunne blive brugt til at afsløre en persons indre tanker og mentale billeder uden vedkommendes samtykke.
Yderligere information om denne forskning kan findes hos Technology Review.
Ny forskning: AI-værktøj forudsiger hjernens aktivitet
Ny 'hjernedekoder' kan rekonstruere, hvad et menneske ser, hvilket giver håb for patienter med locked-in syndrom og rejser bekymringer om privatlivet.
Illustration: AI-genereret
Hvad er det nye?
- Et AI-værktøj kan gætte, hvad en person kigger på ved at analysere hjernescanninger og genskabe billedet med præcision.
- Forskere håber, at værktøjet kan hjælpe personer med locked-in syndrom med at kommunikere ved at rekonstruere indre tanker, mentale billeder eller drømme.
- Hjernedekoderen bruger to grene til at forudsige strukturen og indholdet af et billede.
Værktøjet er udviklet af Michal Irani og kolleger ved Weizmann Institute of Science i Rehovot, Israel, og bygger på flere års fremskridt inden for AI og fMRI-teknologi for at forbedre billedrekonstruktion fra hjernescanninger.
Teamet trænede en AI-model på data fra otte personer, der hver så omkring 9.000 billeder i en højopløsnings-fMRI-scanner. For at forfine systemet trænede de også en koder, der forudsiger hjerneaktivitet ud fra et billede, og kombinerede begge værktøjer for at forbedre ydeevnen.
Denne udvikling rummer et betydeligt potentiale for mennesker med neurologiske lidelser. Judy Illes, neuroetiker og professor i neurologi ved University of British Columbia i Canada, beskriver arbejdet som storslået og terapeutisk spændende for dem, der er "locked-in", og som ikke kan kommunikere gennem traditionelle midler.
Værktøjet kan også forudsige en persons hjerneaktivitet baseret på, hvad vedkommende kigger på. Selvom teknologien stadig er på udviklingsstadiet, udviser den en høj grad af effektivitet i behandlingen af nye forsøgspersoner sammenlignet med tidligere metoder.
På trods af potentialet rejser teknologien betydelige etiske spørgsmål. Tommy Sprague, neuroforsker ved University of California Santa Barbara, advarer om, at en lignende tilgang potentielt kunne blive brugt til at afsløre en persons indre tanker og mentale billeder uden vedkommendes samtykke.
Yderligere information om denne forskning kan findes hos Technology Review.