Του Πέσσαχ Μπένσον • 14 Οκτωβρίου 2026
Ιερουσαλήμ, 14 Οκτωβρίου 2026 (TPS-IL) — Ισραηλινοί ερευνητές ανέπτυξαν ένα μοντέλο τεχνητής νοημοσύνης που ανασυνθέτει εικόνες από την εγκεφαλική δραστηριότητα χρησιμοποιώντας περίπου μία ώρα σαρώσεων εγκεφάλου από έναν νέο συμμετέχοντα, εντοπίζοντας παράλληλα προηγουμένως άγνωστους λειτουργικούς τομείς σε περιοχές του εγκεφάλου που εμπλέκονται στην οπτική επεξεργασία.
Το μοντέλο, που ονομάζεται Brain-IT, αναπτύχθηκε από ομάδα υπό την καθοδήγηση της καθηγήτριας Μιχάλ Ιρανί στο Ινστιτούτο Επιστημών Βαϊτσμάν. Σε αντίθεση με τα υφιστάμενα συστήματα που απαιτούν δεκάδες ώρες σαρώσεων εγκεφάλου για να προσαρμοστούν σε ένα νέο άτομο, το Brain-IT εντοπίζει μοτίβα που μοιράζονται διαφορετικά άτομα, επιτρέποντάς του να ανασυνθέτει εικόνες με μεγαλύτερη ακρίβεια και λιγότερη εκπαίδευση.
Πέρα από την ανασύνθεση εικόνων, η τεχνολογία θα μπορούσε να βοηθήσει τους επιστήμονες να κατανοήσουν πώς ο εγκέφαλος οργανώνει τις οπτικές πληροφορίες. Θα μπορούσε επίσης να προωθήσει την ανάπτυξη διεπαφών εγκεφάλου-υπολογιστή που απαιτούν λιγότερη εκπαίδευση, αν και οι πρακτικές ιατρικές εφαρμογές απέχουν ακόμα πολύ.
«Υπάρχουν σήμερα μοντέλα που μεταφράζουν την εγκεφαλική δραστηριότητα σε εικόνες, και μπορούν ακόμη και να παράγουν εντυπωσιακές ανασυνθέσεις που διατηρούν τη σημασιολογική έννοια της εικόνας σε λογικό βαθμό», δήλωσε η Ιρανί. «Ωστόσο, τείνουν να κάνουν λάθη σε βασικά χαρακτηριστικά όπως η σύνθεση και το χρώμα».
«Το νέο μοντέλο που αναπτύξαμε τα ξεπερνά στην ανασύνθεση τόσο του περιεχομένου της εικόνας όσο και των λεπτομερειών της», πρόσθεσε. «Επιπλέον, ενώ κάθε άλλο μοντέλο απαιτεί δεκάδες ώρες σαρώσεων εγκεφάλου για να μάθει να “διαβάζει” ένα νέο άτομο, το δικό μας μοντέλο χρειάζεται μόνο μία ώρα».
Η έρευνα επιλέχθηκε για παρουσίαση φέτος στο Διεθνές Συνέδριο για τη Μάθηση Αναπαραστάσεων, ένα κορυφαίο συνέδριο τεχνητής νοημοσύνης.
Διδασκαλία της τεχνητής νοημοσύνης να διαβάζει τον εγκέφαλο
Ένα σημαντικό εμπόδιο σε αυτόν τον τομέα είναι η έλλειψη δεδομένων εκπαίδευσης. Οι ερευνητές χρειάζονται εικόνες συνδυασμένες με σαρώσεις λειτουργικής μαγνητικής τομογραφίας (fMRI), οι οποίες μετρούν τις αλλαγές στην εγκεφαλική δραστηριότητα καθώς οι άνθρωποι βλέπουν εικόνες. Η συλλογή τέτοιων δεδομένων απαιτεί από τους συμμετέχοντες να περνούν πολλές ώρες σε σαρωτές MRI.
Το δημόσια διαθέσιμο Dataset Φυσικών Σκηνών που χρησιμοποιήθηκε στη μελέτη περιέχει περίπου 73.000 ζεύγη εικόνας-σάρωσης από οκτώ συμμετέχοντες, καθένας από τους οποίους είδε χιλιάδες εικόνες σε 30 έως 40 συνεδρίες σάρωσης.
Για να ξεπεράσουν αυτόν τον περιορισμό, η ομάδα ανέπτυξε δύο συμπληρωματικά συστήματα: έναν κωδικοποιητή που προβλέπει την εγκεφαλική δραστηριότητα από μια εικόνα και έναν αποκωδικοποιητή που ανασυνθέτει μια εικόνα από την εγκεφαλική δραστηριότητα.
Ο κωδικοποιητής παρήγαγε προβλεπόμενες σαρώσεις εγκεφάλου για εικόνες που οι συμμετέχοντες δεν είχαν δει ποτέ μέσα σε έναν σαρωτή MRI. Στη συνέχεια, ο αποκωδικοποιητής προσπάθησε να ανασυνθέσει αυτές τις εικόνες από τις προβλέψεις, επιτρέποντας στα συστήματα να μαθαίνουν από επιπλέον παραδείγματα χωρίς να απαιτούν νέες σαρώσεις για κάθε εικόνα.
Οι ερευνητές χώρισαν τον εγκέφαλο σε περίπου 40.000 μικροσκοπικές τρισδιάστατες μονάδες που ονομάζονται φόξελ και συνέκριναν τις αποκρίσεις τους σε διαφορετικές εικόνες μεταξύ των ατόμων. Αυτό αποκάλυψε επαναλαμβανόμενα μοτίβα που συνδέονται με οπτικά χαρακτηριστικά όπως το χρώμα, η τοποθεσία και τα αναγνωρίσιμα αντικειμένα.
Ο κωδικοποιητής εντόπισε 128 λειτουργικές περιοχές που μοιράζονταν μεταξύ των ανθρώπων και φαινόταν να παίζουν συγκεκριμένους ρόλους στην οπτική επεξεργασία. Ορισμένες ήταν ήδη γνωστές στους επιστήμονες, ενώ άλλες ήταν νέες.
Ένα εύρημα αφορούσε την παραϊπποκαμπική περιοχή τόπων, μια περιοχή του εγκεφάλου που εμπλέκεται στην επεξεργασία τόπων και σκηνών. Οι ερευνητές βρήκαν στοιχεία καταμερισμού εργασίας εντός της περιοχής, με το ένα μέρος να αποκρίνεται σε εσωτερικές σκηνές και ένα άλλο σε εξωτερικές σκηνές.
«Η δύναμη του κωδικοποιητή έγκειται στην ικανότητά του να εντοπίζει περιοχές που εκτελούν παρόμοιες λειτουργίες σε διαφορετικούς εγκεφάλους, ακόμη και όταν οι ανατομικές τους θέσεις διαφέρουν», δήλωσε η Ιρανί.
Βραχυπρόθεσμα, το Brain-IT θα μπορούσε να βοηθήσει τους ερευνητές να μελετήσουν την οπτική επεξεργασία μειώνοντας παράλληλα την ανάγκη για δαπανηρές και χρονοβόρες σαρώσεις. Η ικανότητά του να εντοπίζει μοτίβα που μοιράζονται τα άτομα θα μπορούσε επίσης να βοηθήσει τους επιστήμονες να αναπτύξουν διεπαφές εγκεφάλου-υπολογιστή που απαιτούν λιγότερη εκπαίδευση για να προσαρμοστούν σε νέους χρήστες. Απαιτείται περαιτέρω έρευνα




