|
Как заглянуть в чужой сон
|
|
|
|
Возможность контроля над мыслями в том или ином виде широко использовалась авторами многочисленных фантастических романов. Но с недавних пор визуализация мысленных образов перестала относиться к сфере фантастики. В начале 2000-х годов с помощью фМРТ были предприняты первые попытки «обратной ретинотопии» (ретинотопия — это упорядоченная проекция сетчатки на зрительной зоне коры головного мозга). Сначала попытки были довольно робкими: испытуемым показывали изображения и одновременно снимали данные об активности различных областей мозга с помощью фМРТ. Набрав необходимую статистику, исследователи пробовали решить обратную задачу — по карте активности мозга угадать, на что смотрит человек.
|
|
|
|
На простых картинках, где основную роль играла пространственная ориентация, расположение предметов или их категория, все вполне работало, но до «технической телепатии» было еще очень далеко. Но вот в 2008 году ученые из Института нейронаук Калифорнийского университета в Беркли под руководством профессора психологии Джека Гэлланта попытались проделать такой фокус с фотографиями. Они разделили изучаемую область мозга на небольшие элементы — вокселы (элементы объемного изображения) — и отслеживали их активность в то время, когда испытуемым (в их роли выступили два автора работы) показывали 1750 различных фотографий.
|
|
|
На основе этих данных ученые построили компьютерную модель, которую «обучили», показав 1000 других фотографий и получив на выходе 1000 различных паттернов активации вокселов. Оказалось, что, показывая эти же 1000 фотографий испытуемым и сравнивая снимаемые с их мозга паттерны с предсказанными компьютером, можно с достаточно высокой точностью (до 82%) определить, на какую именно фотографию смотрит человек.
|
|
|
|
Движущиеся картинки
|
|
|
|
В 2011 году коллектив исследователей под руководством того же профессора Гэлланта из Калифорнийского университета в Беркли добился значительно более интересных результатов. Показывая испытуемым «тренировочные» отрывки из кинофильмов общей продолжительностью 7200 секунд, ученые изучали активность множества вокселов мозга с помощью фМРТ. Но здесь они столкнулись с серьезной проблемой: фМРТ реагирует на поглощение кислорода тканями мозга — гемодинамику, которая является значительно более медленным процессом, чем изменение нервных сигналов. Для исследования реакции на неподвижные изображения это не играет особой роли — фотографию можно показывать несколько секунд, а вот с динамичными видеороликами возникают серьезные проблемы. Поэтому ученые создали двухступенчатую модель, которая связывает медленную гемодинамику и быстрые нейронные процессы зрительного восприятия.
|
|
|
|
Построив первоначальную компьютерную модель «отклика» мозга на различные видео, исследователи обучили ее с помощью 18 млн односекундных видеороликов, случайно выбранных на YouTube. Потом испытуемым показывали «тестовые» фильмы (отличные от «тренировочных»), изучая активность мозга с помощью фМРТ, и компьютер выбирал из этих 18 млн сотню роликов, которые вызывали наиболее близкий паттерн активности, после чего усреднял изображение на этих роликах и выдавал «средний результат». Корреляция (совпадение) между изображением, которое видит человек, и тем, которое сгенерировано компьютером, составила около 30%. Но для первого «чтения мыслей» это очень неплохой результат.
|
|
Сон в руку
|
|
|
|
Но достижение японских исследователей из Лаборатории нейронаук Института телекоммуникационных исследований в Киото, Института науки и технологии в Наре и Национального института информации и коммуникационных технологий в Киото представляется гораздо более значительным. В мае 2013 года они опубликовали в журнале Science работу «Нейронное декодирование зрительных изображений во время сна». Да, ученые научились видеть сны. Точнее, не видеть, а подсматривать!
|
|
|
|
Записывая с помощью фМРТ сигналы активности мозга, трех испытуемых будили (около 200 раз) на стадиях неглубокого сна и просили описать содержание последнего сновидения. Из отчетов выделяли ключевые категории, которые с помощью лексической базы данных WordNet объединяли в группы семантически близких терминов (синсеты), организованные в иерархические структуры. Данные фМРТ (за девять секунд перед пробуждением) отсортировали по синсетам. Для тренировки модели распознавания бодрствующим испытуемым показывали изображения из базы ImageNet, соответствующие синсетам, и изучали карту активности мозга в зрительной коре. После этого компьютер оказался способным по активности различных областей мозга предсказывать с вероятностью 60?70%, что именно видит человек во сне. Это, кстати, свидетельствует о том, что человек видит сны с помощью тех же областей зрительной коры, которые используются для обычного зрения в бодрствующем состоянии. Вот только почему мы вообще видим сны, ученые пока сказать не могут.
|
|
|
|
Источник
|
