首页 >> 心理 >> 生物 >> 文章

科学读心术Comments>>

发表于 2008-05-05 17:33 | Tags 标签:, ,

97年有一部出名的恐怖片《我知道你去年夏天做了什么》。最近“读心术”十分火爆,一边是加州小公司Emotiv的“脑波遥控游戏头盔”上市,一边是伯克利的研究者在《自然》杂志上发表文章说能通过磁功能共振成像(fMRI)猜出你看的是哪张图片,也许要不了多久,我就能靠脑波知道你去年夏天看见什么了。

这两样东西,粗看起来一个是圈钱的把戏,一个是严肃的科学,其实放在一起来看,还真是蛮有些意思,希望伯克利的兄弟们不会来砍我。“读心术”的要点无非两样:读“脑波”的技术,以及处理读取图像的算法。Emotiv公司声称他们使用EEG,也就是常用的脑电图,读取大脑活动的突触后电流。这个方法的实时性好,但定位性很差。而伯克利的研究者使用了fMRI(磁功能共振成像),读取的是大脑各部位活动所需的血流量,间接表现神经细胞的活跃程度。显然这个方法不如EEG那样实时,但是定位性要好很多,所以在神经科学的研究中使用非常广泛,不过这比脑电图要复杂得多,也要贵得多。

不论用哪种方法,读取出来的图像都要用特定的算法来分析,以解读其中的信息。Emotiv公司号称他们的算法可以解码脑电图,以此定位信号来源,但正如前面所说的,脑电图技术本身就限制了它的定位功能。看了几个Emotiv头盔试用的介绍和录像,我猜测他们使用的只是一个模式匹配(pattern match)算法,先记录你某些特定大脑活动情况下的脑电图,比如说当你想把一个箱子抬起来的时候,脑电图是什么样子。然后将新的脑电图与这些已有记录匹配,如果匹配值高到一定程度,便认为你现在是想抬箱子,从而发出无线信号,让游戏人物把箱子抬起来。所以你每次想抬箱子的时候,可千万不要胡思乱想,一不小心说不定电脑就给理解错了……

而伯克利的研究者们做的却是机器学习(machine learning)。简单地说,就是给被试者看一千余张图片,记录他们每一次的磁共振功能成像,然后从这一千余次图片和“脑波”的对应中总结出一套比较普适的规律,这一步叫做模型估计(model estimation)。接下来就要将这套规律运用于全新的一套图片上,预测出被试者看到这其中每张新图片的“脑波”反应是什么样子。当被试者看到一张新图片,测试者并不知道是哪一张,但是它可以把“脑波”的记录与之前的预测相比较,选取预测值与本次实测值最相近的一张图片,也就是“猜测”被试者所看到的究竟是哪一张图片。这其中还有很多细节,比方说如何把被试者所看图片在视觉中枢不同点上引起的神经反应转换为数学表达式(研究者使用了金字塔Gabor小波模型)。这里面所用到的算法复杂程度比Emotiv的要高太多了。

使用磁功能共振成像的“读心术”研究早有不少人在做,伯克利这篇文章并非首开先河。但相对于此前的研究,它在好几个方面有了大的突破。它可以识别全新图像,而此前的研究中,“猜”的图像大都是之前读取过“脑波”的旧图像。它采用了真实图像,虽然只是全黑白图片,但相对以前所采用的简单易分类的人造图片,在算法上已经是一个突破。

作为一个科学工作者,我希望看到的后续工作除了提高图片复杂度(如彩色图片)外,主要是测试该方法的广泛适用性。目前只有两个被试者——就是实验者中的两位,对其中一位的预测准确度明显比另一位高不少,是不是说明有人的心思简单,比较容易被读心呢?呵呵。当然,我也知道磁功能共振成像复杂昂贵,是广泛测试的一大障碍。

要是从一个科幻读者的角度来说,我希望看到的,也是我害怕看到的,则是“读心术”的推广,从视觉中枢到其他知觉以至思想,记忆和感情。前面说过,“读心术”需要算法和探测技术两方面的进步。对于知觉,位置比时序重要得多,也许磁功能共振成像这样具有定位功能的技术已经足够。但对于时序性强的思想和记忆,我们需要同时具有实时和定位功能的技术,下一个候选技术是MEG(脑磁图,直接探测由神经细胞活动电流所造成的磁场),或是MEG与fMRI的结合,还是听起来有点恐怖的颅内电极?不管怎样,对于思想和记忆的探测似乎理论上还是可行的,可是对于感情这种我们自己都搞不懂的事,要用机器来探测,似乎还是有点儿匪夷所思。也许不久的将来我会有一台记梦仪,每晚接在自己的脑袋上,如果早晨醒来想起昨天晚上做了一个好梦,却怎么也不记得梦里的情形,就可以打开记梦仪看看。啊,原来梦里都是绿油油的美刀!只是少年时候的梦想——“如果知道那个人是不是也喜欢我就好了”——却不知道什么时候才可能实现。

不过比起从知觉到思想记忆以致感情的推广,“读心术”更可怕的前景,则是从个人推广到群体。使用“机器学习”算法,你必须先用实际行动把你大脑的反应模式教给电脑,它才能够举一反三地探测你的思想,所以你要是讨厌被机器了解,没关系,不教它就好了。如果有一天,我们能够从大量人群的思维模式中提取出共通之处,来探测一个新人的思维,那可就谁也逃不掉了。好在人和人是如此不同,思维模式的共通之处究竟有多少还是个问号,也许这一天永远也不会到来。但愿这一天永远也不会到来。

伯克利文章的连接: Identifying natural images from human brain activity

P.S. 俺不是脑成像和算法的专家,有错漏之处恳请指正,谢谢……

0
为您推荐

11 Responses to “科学读心术”

  1. “他们还说,该方法目前只能用于破解可以用数学手段明确描述的信息,比如图片、声音和运动等”有点觉得这种machine learning比较悬,需要其他一种什么划时代的革新才好。。。

    • denovo说道:

      嗯嗯,这个忘记说了,除了探测手段以外,算法肯定也是需要革新的,不过这个我懂得太少了。。。

      • wilddonkey说道:

        我想预测的准确性和人注意力是否集中会有很大关系。另外这个技术要发展下去的话,仪器的分辨率会是个瓶颈,单细胞微电极记录显然是分辨率最高的,不过好像不是很可行,想想都很汗。。。
        对那个MEG很感兴趣^^

        • denovo说道:

          我记得以前神经课的老师讲过MEG,那会好像刚在研发,有个笑话,说要探测这么微小的磁场,仪器必须很灵敏,结果实在太灵敏了,不小心探测到了几百公里外海下的什么活动造成的磁场,而不是被试者的脑磁场。。。因为记不清楚了,所以没有写到文章里。

          • conge说道:

            这可真是个笑话,
            研究MEG的物理学家们难道会不知道有电磁屏蔽这回事儿么?
            说这种笑话的人简直...让人无语

      • Tom说道:

        我也是

  2. [...] 文 76f3716cad4d32ded1fb8bb8f7804894,原文链接 [...]

  3. mindon说道:

    BBC,Darren Brown 他研究的心理学应用起来得心应手,有点神 http://www.derrenbrown.co.uk/

  4. southeeg说道:

    伯克利与Emotiv公司的核心技术同属模式识别领域,关键就是设计一个分类器,分类器可以把输入的特征进行分类,利用小波分析提取信号的特征也是流行的信号预处理步骤,分类器的设计可以有许多方法,包括机器学习、人工神经网络及统计方法等。分类器通常需要运用一些样本进行训练,也就是让分类器进行学习,训练和学习完毕后,既可以用于分类已学习的样本,也可以用于新样本的分类(有点预测的意思),新样本的分类正确率一般要低于前者。
    那位老师可能搞错了时空关系和细节。我听国内代理加拿大MEG的代表介绍,利用声纳探测深水潜艇技术的专家将其算法移植到MEG发生源的探索。
    8月19日网上的新闻,加州大学欧文分校获得$400万研究该项技术。

  5. tangnuo说道:

    其实现在谈这个问题“科学读心”还太早,也是一般人对心理学的误读,因为这个问题是逆问题,而且正问题“大脑是怎么样工作的”我们了解也很不多。如果有一天我们可以实时而且精确观测到大脑的激活的话,这个目标才有可以吧。

  6. [...] 核磁共振扫描诊断自闭症的过程不像拍x光片看骨折那么容易,一下子就能看出伤情。即使现在我们对大脑的了解甚至可以达到“科学读心术”的水平,但是在它不正常时,我们却一直没有特别有效的技术手段来确诊精神疾病,一般都是通过对症状分析后做出的判断。而这个资讯中提到了一个新的技术,叫支持向量机(Support Vector Machine,SVM)。神经认知科学松鼠悠扬说,SVM的方法现在是fMRI的一个热门,在各方面都得到广泛应用。这种方式可以发掘出数据之间的更多联系,比之前简单地比较“激活”或者“没激活”的两组数据更有用。 [...]

Leave a Reply