Можно ли с помощью нейронауки прочитать Ваши мысли? Почти |
||
|
МЕНЮ Главная страница Поиск Регистрация на сайте Помощь проекту Архив новостей ТЕМЫ Новости ИИ Голосовой помощник Разработка ИИГородские сумасшедшие ИИ в медицине ИИ проекты Искусственные нейросети Искусственный интеллект Слежка за людьми Угроза ИИ Атаки на ИИ Внедрение ИИИИ теория Компьютерные науки Машинное обуч. (Ошибки) Машинное обучение Машинный перевод Нейронные сети начинающим Психология ИИ Реализация ИИ Реализация нейросетей Создание беспилотных авто Трезво про ИИ Философия ИИ Big data Работа разума и сознаниеМодель мозгаРобототехника, БПЛАТрансгуманизмОбработка текстаТеория эволюцииДополненная реальностьЖелезоКиберугрозыНаучный мирИТ индустрияРазработка ПОТеория информацииМатематикаЦифровая экономика
Генетические алгоритмы Капсульные нейросети Основы нейронных сетей Промпты. Генеративные запросы Распознавание лиц Распознавание образов Распознавание речи Творчество ИИ Техническое зрение Чат-боты Авторизация |
2025-08-06 11:11 Нейросети действительно помогают увидеть мысли: учёные восстанавливают ранее увиденные изображения по активности мозга (или то, что человек представляет) Современные методы машинного обучения позволяют анализировать паттерны активности мозга, полученные с помощью функциональной магнитно-резонансной томографии (фМРТ), и даже визуализировать воспринимаемый человеком контент. Однако до недавнего времени такие исследования сталкивались с ограничением: они могли восстанавливать только отдельные уровни визуальной информации, не объединяя их в целостное изображение. Недавно ученым удалось разработать новый метод, который позволяет восстанавливать как увиденные, так и воображаемые изображения, используя многослойные представления визуальной коры головного мозга. Этот подход основан на декодировании активности мозга в виде признаков, характерных для глубоких нейронных сетей, и последующей оптимизации изображения так, чтобы его признаки максимально соответствовали расшифрованным. В результате полученные изображения оказались очень похожи на оригинальные - будь то реальные фотографии или искусственные объекты, такие как цветные фигуры и буквы. При этом важно отметить: для обучения декодера использовался только набор естественных изображений, а затем он успешно применялся для восстановления различных типов визуального контента. Это - прорыв, который открывает новые горизонты в понимании того, как мозг кодирует визуальную информацию, и как можно использовать искусственный интеллект для "прочтения" наших мыслей и воображений. Иллюстрации: 1. В основе метода лежит оптимизация пиксельных значений исходного изображения так, чтобы его признаки, извлечённые с помощью глубокой нейронной сети (ДНС), максимально соответствовали признакам, расшифрованным из активности мозга с помощью фМРТ. То есть, изображение "подгоняется" под мозговые сигналы, чтобы оно выглядело так, как будто человек действительно видел или предстаавлял. 2. На изображениях чёрные и серые рамки обозначают соответственно предъявленные и восстановленные изображения - то есть те, что были показаны участнику и те, что были восстановлены на основе активности его мозга с помощью нейросетей (DNN1–8). Восстановленные изображения демонстрируют примеры изображений, которые человек видел. При этом процесс восстановления был ограничен использованием генеративной нейросети (DGN), что помогло сделать полученные изображения более естественными и похожими на оригиналы. Научная статья: PubMed Central 6347330 Источник: vk.com Комментарии: |
|