На протяжении веков концепция читателей мыслей была строго сферой фольклора и научной фантастики. Но согласно новому исследованию, опубликованному сегодня в журнале Science, ученые ближе к пониманию того, как определенные мысли активируют наш мозг. Полученные данные демонстрируют силу компьютерного моделирования в улучшении нашего понимания того, как мозг обрабатывает информацию и мысли.
Исследование проводилось компьютерным ученым Томом Митчеллом и когнитивным нейробиологом Марселем Джастом из Университета Карнеги-Меллона. Их предыдущее исследование, поддержанное Национальным научным фондом (NSF) и W.M. Фонд Кека показал, что функциональная магнитно-резонансная томография (фМРТ) может обнаруживать и определять местонахождение активности мозга, когда человек думает о конкретном слове. Используя эти данные, исследователи разработали вычислительную модель, которая позволила компьютеру правильно определять, какое слово имеет в виду объект исследования, анализируя данные сканирования мозга.
В своей последней работе Джаст и Митчелл использовали данные фМРТ для разработки более сложной вычислительной модели, которая может предсказывать паттерны активации мозга, связанные с конкретными существительными или вещами, которые мы испытываем через наши чувства, даже если компьютер еще не имел фМРТ. данные для этого конкретного существительного.
Сначала исследователи построили модель, которая взяла образцы активации фМРТ для 60 конкретных существительных, разбитых на 12 категорий, включая животных, части тела, здания, одежду, насекомых, транспортные средства и овощи. Модель также проанализировала корпус текста или набор текстов, содержащих более триллиона слов, отметив, как каждое существительное использовалось по отношению к набору из 25 глаголов, связанных с сенсорными или моторными функциями. Комбинируя информацию сканирования мозга с анализом текстового корпуса, компьютер затем предсказал структуру мозговой активности тысяч других конкретных существительных.
В случаях, когда фактические паттерны активации были известны, исследователи обнаружили, что точность прогнозов компьютерной модели была значительно лучше, чем случайность. Компьютер может эффективно предсказать, как будут выглядеть паттерны активации мозга каждого участника, когда каждый из них подумает об этих словах, даже не видя заранее паттернов, связанных с этими словами.
"Мы считаем, что определили ряд основных строительных блоков, которые мозг использует для представления смысла," сказал Митчелл. "В сочетании с вычислительными методами, которые фиксируют значение слова по тому, как оно используется в текстовых файлах, эти строительные блоки могут быть собраны для прогнозирования паттернов нейронной активации для любого конкретного существительного. И мы обнаружили, что эти прогнозы довольно точны для слов, для которых доступны данные фМРТ."
Только что сказал, что вычислительная модель дает представление о природе человеческого мышления. "Мы принципиально воспринимаем и действуем," он сказал. "Таким образом, мозг представляет значение конкретного существительного в областях мозга, связанных с тем, как люди его ощущают или манипулируют им. Например, значение яблока представлено в областях мозга, отвечающих за вкус, обоняние, жевание. Яблоко – это то, что ты с ним делаешь. Наша работа – небольшой, но важный шаг к тому, чтобы сломать код мозга."
Помимо репрезентаций в этих сенсомоторных областях мозга, исследователи из Карнеги-Меллона обнаружили значительную активацию в других областях, включая лобные области, связанные с функциями планирования и долговременной памятью. Когда кто-то думает, например, о яблоке, это может вызвать воспоминания о том, когда человек в последний раз ел яблоко, или вызвать мысли о том, как достать яблоко.
"Это предполагает теорию значения, основанную на функции мозга," Только что добавлен.
Работа может в конечном итоге привести к использованию сканирования мозга для выявления мыслей и может найти применение при изучении аутизма, расстройств мышления, таких как параноидальная шизофрения, и семантических деменций, таких как болезнь Пика.
Официальные лица NSF говорят, что они взволнованы и заинтригованы этими выводами. "Это был интересный проект, чтобы посмотреть," сказал Кеннет Ван, сотрудник программы NSF, ответственный за грант Mitchell and Just. "Они начали с некоторых фундаментальных идей машинного обучения о том, как получить максимальную отдачу от данных фМРТ, и теперь они не только продемонстрировали мощь своего вычислительного подхода, но и продвинулись вперед в решении одной из самых важных проблем в понимании язык в мозгу."
Ван считает, что исследования Митчелла и Джаста будут стимулировать дальнейшие исследования в области вычислительной нейробиологии. "Это открывает всевозможные новые возможности для изучения тонкой структуры того, как паттерны мозговой активности соотносятся с мыслительными процессами человека."
Источник: Национальный научный фонд