ИИ научили читать мысли томографом и сразу превращать их в текст
Искусственный интеллект научился переводить активность мозга в связный текст, но главный вывод, который делают эксперты, касается не столько технического прорыва, сколько этических границ. Разработка Техасского университета в Остине впервые демонстрирует возможность неинвазивного «чтения мыслей» с помощью комбинации фМРТ и больших языковых моделей. Однако система работает только с добровольного согласия и пока непригодна для массового использования — ключевой ограничитель не в алгоритмах, а в физике.
Как ИИ расшифровывает сигналы мозга: принцип семантического декодера
Исследователи использовали функциональную магнитно-резонансную томографию для отслеживания уровня оксигенации крови в разных участках коры. Когда человек думает или воспринимает речь, активные нейроны потребляют кислород, и прибор фиксирует эти изменения. Затем нейросеть, обученная на больших языковых моделях (аналогичных GPT), сопоставляет паттерны активности с семантическими конструкциями. Вместо дословного пересказа система улавливает суть: например, фразу «У меня еще нет водительских прав» декодер интерпретировал как «Она еще даже не начала учиться водить».
Почему технология не станет инструментом тотального контроля
Ключевая особенность разработки — зависимость от кооперации субъекта. Если человек сознательно думает о посторонних вещах или сопротивляется, качество расшифровки падает до нуля. Каждый испытуемый проходил 16-часовой тренировочный сеанс, в ходе которого ИИ настраивался на индивидуальные нейронные паттерны. Без этой калибровки модель выдает неразборчивый шум. Ведущий автор работы Джерри Танг подчеркивает: команда целенаправленно проектировала систему так, чтобы исключить возможность принудительного сканирования сознания.
Скорость и точность: главные технологические ограничения
Физиология ставит жесткие рамки. Уровень кислорода в мозге меняется с задержкой до 10 секунд — за это время человек успевает обработать около 20 слов. В результате декодер работает не в реальном времени, а постфактум, анализируя «слепки» мыслей с низким временным разрешением. Точность попадания в смысл составляет примерно 50%: в половине случаев система выдает близкий или точный пересказ, в остальных — лишь общее направление мысли. Для клинического применения этого недостаточно.
Альтернатива фМРТ: компактные датчики как следующий шаг
Массивные томографы остаются лабораторным инструментом. Исследователи видят перспективу в функциональной спектроскопии ближнего инфракрасного диапазона (fNIRS). Эти датчики размером с монету фиксируют ту же гемодинамическую реакцию, но не требуют магнитного экранирования и могут быть встроены в портативные устройства. Теоретически это открывает путь к домашним нейроинтерфейсам, но пока fNIRS уступает фМРТ в чувствительности и глубине сканирования.
Предыдущие попытки декодировать мысли были либо инвазивными (с имплантацией электродов), либо ограничивались распознаванием простых команд вроде «двинуть курсор». Новая работа впервые использует семантический подход на основе генеративных языковых моделей, что позволяет передавать сложные смысловые конструкции. Однако до коммерциализации технологии предстоит решить фундаментальную задачу: как повысить скорость регистрации нейронной активности без потери детализации.
Влияние этой разработки выходит за рамки медицины. Если портативные fNIRS-декодеры действительно появятся в ближайшие годы, обществу придется пересмотреть правовые нормы privacy. Сейчас система беспомощна без согласия пользователя, но прогресс в области самообучающихся алгоритмов может снизить порог «взлома» мыслей. Ученые уже заявляют, что следующая версия протокола будет включать аппаратные механизмы защиты — например, автоматическую блокировку декодера при попытке чтения без активного сигнала согласия. Пока же технология остается демонстрацией возможностей, а не готовым продуктом.
