外媒：會「讀心」的人工智慧問世

新華社北京6月28日新媒體專電;

外媒稱，美國卡內基-梅隆大學的研究人員研發出一種腦成像技術，能識別複雜的想法，比如「證人在庭審期間大喊大叫」。

據英國《每日郵報》網站6月26日報道，這種「讀心」技術表明，複雜的思維是由大腦的不同子系統形成的，而且並非基於詞語。

這項研究提供了新證據證明，大腦以不同部分實現概念表徵具有跨越民族和語言的普遍性。

由卡內基-梅隆大學心理學教授馬塞爾·賈斯特博士帶頭開展的這項研究顯示，要處理像「證人在庭審期間大喊大叫」這樣的句子，大腦需要使用42個基本的「語義要素」，它們由人、環境大小、社交互動和身體行動等要素組成。

每一類信息都由不同的大腦系統處理——大腦也是這麼處理物體信息的。

通過測量每個大腦系統的激活水平，上述程序能識別出大腦正在考慮哪一類想法。

賈斯特說：「人腦的一大進步在於能將單個概念組合成複雜的想法，不只是會想『香蕉』，還會想『我晚上想和朋友們一起吃香蕉』。」

他說：「我們終於研發出一種方法，能根據功能性磁共振成像（fMRI）信號識別如此複雜的想法。人的想法與大腦激活模式之間相互呼應，這一發現告訴我們想法是由什麼構成的。」

賈斯特及其團隊此前的研究表明，想到常見的物體，比如香蕉或榔頭，會促使我們用來處理此類物體的信息的大腦系統進入激活模式。

例如，與香蕉的互動包括你如何拿它、如何咬它以及在你眼中它是什麼樣子。

為了進行這項研究，研究人員招募了7名成年參與者，使用一個計算模型評估了239個不同句子引發的大腦激活模式與每個句子所包含的「語義要素」的對應關係。

接下來，該程序成功解碼了之前被排除在外的第240個句子的「語義要素」。

之後，研究人員將240個句子中的每一句輪流排除在外，以進行交叉驗證。

對於被排除在外的那個句子的「語義要素」，該模型的預測準確率能達到87%。

這個模型還可以反向運行：對於此前從未見過的一個句子，它能在只知其「語義要素」的情況下預測出大腦激活模式。

賈斯特說：「我們的方法克服了fMRI會把發生時間相近的大腦活動產生的信號混在一起的缺點，比如閱讀一句話中相連的兩個詞時。這一進步使得它能首次解碼包含多個概念的想法。」

他說：「下一步可能是解碼一個人正在思考的主題的大致類型，比如是地質學還是滑板運動。我們將繪製出大腦中所有類型的知識的地圖。」