Fonksiyonel manyetik rezonans görüntüleme veya fMRI, nasıl düşündüğümüzü anlamak için en gelişmiş araçlardan biridir. Bir fMRI tarayıcısındaki bir kişi çeşitli zihinsel görevleri tamamlarken, makine beyninin hareket halindeki büyüleyici ve renkli görüntülerini üretir.
Birinin beyin aktivitesine bu şekilde bakmak, sinirbilimcilere kişinin hangi beyin bölgelerini kullandığını ancak kullanmadığını söyleyebilir. Ne o birey düşünüyor, görüyor veya hissediyor. Araştırmacılar onlarca yıldır bu kodu kırmaya çalışıyorlar ve şimdi sayıları çözmek için yapay zekayı kullanarak ciddi ilerleme kaydediyorlar. Japonya’daki iki bilim insanı yakın zamanda fMRI verilerini gelişmiş görüntü oluşturan AI ile birleştirdi. çalışma katılımcılarının beyin aktivitesini çevir taramalar sırasında gördüklerine esrarengiz bir şekilde benzeyen resimlere geri döndüler. Orijinal ve yeniden oluşturulmuş görüntüler üzerinde görülebilir. araştırmacıların web sitesi.
Japonya’daki Osaka Üniversitesi’nde sinirbilimci ve çalışmanın yazarlarından biri olan Yu Takagi, “Bu tür teknikleri potansiyel beyin-makine arayüzleri oluşturmak için kullanabiliriz” diyor. Gelecekteki bu tür arayüzler, bir gün şu anda iletişim kuramayan insanlara, örneğin dışarıdan tepkisiz görünen ancak hala bilinçli olabilecek bireylere yardımcı olabilir. Çalışma yakın zamanda 2023 Bilgisayarlı Görü ve Örüntü Tanıma Konferansı’nda sunulmak üzere kabul edildi.
Çalışma, Aralık 2022’de bir ön baskı olarak yayınlandığından (yani henüz hakem denetiminden geçmediği veya yayınlanmadığı anlamına gelir) beri internette dalga yarattı. Çevrimiçi yorumcular, teknolojiyi “zihin okuma” ile bile karşılaştırdılar. Ancak uzmanlar, bu tanımın bu teknolojinin neler yapabileceğini abarttığını söylüyor.
Yeni çalışmada yer almayan, Austin’deki Texas Üniversitesi’nde hesaplamalı bir sinirbilimci olan Shailee Jain, “Akıl okuduğumuzu düşünmüyorum” diyor. “Teknolojinin şu anda hastalar için gerçekten yararlı olmaya – veya kötü şeyler için kullanılmaya – yakın olduğunu düşünmüyorum. Ama her geçen gün daha iyiye gidiyoruz” dedi.
Yeni çalışma, insanlar tarafından görüntülenen görüntüleri yeniden yapılandırmak için yapay zekayı beyin aktivitesi üzerinde kullanan ilk çalışmadan çok uzak. 2019 yılında yapılan bir deneyde, Japonya’nın Kyoto kentindeki araştırmacılar, derin sinir ağı adı verilen bir makine öğrenimi türü kullandılar. fMRI taramalarından görüntüleri yeniden oluşturun. Sonuçlar fotoğraflardan çok soyut resimlere benziyordu, ancak insan yargıçlar yine de yapay zeka yapımı görüntüleri orijinal resimlerle doğru bir şekilde eşleştirebiliyordu.
Sinirbilimciler o zamandan beri bu çalışmaya daha yeni ve daha iyi AI görüntü üreteçleri ile devam ettiler. Son çalışmada, araştırmacılar Londra merkezli yeni Stability AI’dan sözde bir difüzyon modeli olan Stable Diffusion’ı kullandılar. Takagi, DALL-E 2 gibi görüntü oluşturucuları da içeren bir kategori olan difüzyon modellerinin “AI patlamasının ana karakteri” olduğunu söylüyor. Bu modeller, eğitim görüntülerine gürültü ekleyerek öğrenirler. TV paraziti gibi gürültü de görüntüleri bozar ama modelin öğrenmeye başladığı tahmin edilebilir şekillerde. Sonunda model, görüntüleri yalnızca “statik”ten oluşturabilir.
Ağustos 2022’de halka sunulan Stable Diffusion, milyarlarca fotoğraf ve bunların altyazıları konusunda eğitildi. Resimlerdeki kalıpları tanımayı öğrendi, böylece tamamen yeni görüntüler oluşturmak için komut üzerine görsel özellikleri karıştırıp eşleştirebiliyor. Yeni çalışmada yer almayan Amsterdam Üniversitesi’nden bir sinirbilimci olan Iris Groen, “Ona sadece ‘Kaykay üzerinde bir köpek’ deyin ve sonra kaykay üzerinde bir köpek oluşturacaktır” diyor. Araştırmacılar “sadece o modeli aldılar ve sonra ‘Tamam, şimdi bunu akıllı bir şekilde beyin taramalarına bağlayabilir miyiz?’ dediler.”
Yeni çalışmada kullanılan beyin taramaları, sekiz katılımcının düzenli olarak bir fMRI tarayıcısında yatmayı ve bir yıl boyunca 10.000 görüntüyü görüntülemeyi kabul ettiği daha önceki bir çalışmanın sonuçlarını içeren bir araştırma veri tabanından geliyor. Sonuç, insan beyninin görme merkezlerinin (veya en azından bu sekiz insan katılımcının beyinlerinin) görüntülerin her birini görmeye nasıl tepki verdiğini gösteren devasa bir fMRI veri deposuydu. Son çalışmada, araştırmacılar orijinal katılımcılardan dördünün verilerini kullandılar.
Yeniden yapılandırılmış görüntüleri oluşturmak için AI modelinin iki farklı bilgi türüyle çalışması gerekir: görüntünün alt düzey görsel özellikleri ve üst düzey anlamı. Örneğin, mavi bir arka plana karşı sadece köşeli, uzun bir nesne değil, gökyüzündeki bir uçak. Beyin de bu iki tür bilgi ile çalışır ve bunları farklı bölgelerde işler. Beyin taramalarını ve yapay zekayı birbirine bağlamak için araştırmacılar, her birinin alt düzey görsel bilgilerle ilgili kısımlarını eşleştirmek için doğrusal modeller kullandılar. Aynı şeyi üst düzey kavramsal bilgileri işleyen bölümler için de yaptılar.
Groen, “Temelde bunları birbirleriyle eşleştirerek, bu görüntüleri oluşturabildiler” diyor. AI modeli daha sonra bir kişinin beyin aktivasyonundaki hangi ince kalıpların görüntülerin hangi özelliklerine karşılık geldiğini öğrenebilir. Model bu kalıpları tanıyabildiğinde, araştırmacılar onu daha önce hiç görmediği fMRI verileriyle beslediler ve ona uygun görüntüyü oluşturmakla görevlendirdiler. Son olarak, araştırmacılar, modelin ne kadar iyi performans gösterdiğini görmek için oluşturulan görüntüyü orijinaliyle karşılaştırabilir.
Yazarların çalışmada sergilediği görüntü çiftlerinin çoğu çarpıcı biçimde benzer görünüyor. Çalışmaya dahil olmayan Santa Barbara’daki California Üniversitesi’nde bilgisayar bilimcisi olan Ambuj Singh, “Bu konuda heyecan verici bulduğum şey işe yaraması,” diyor. Yine de bu, bilim adamlarının beynin görsel dünyayı tam olarak nasıl işlediğini anladıkları anlamına gelmiyor, diyor Singh. Kararlı Difüzyon modeli, benzer sonuçlar üretebilse bile, görüntüleri beyinle aynı şekilde işlemez. Yazarlar, bu modelleri ve beyni karşılaştırmanın, her iki karmaşık sistemin iç işleyişine ışık tutabileceğini umuyorlar.
Bu teknoloji kulağa ne kadar fantastik gelse de, pek çok sınırlaması var. Her modelin yalnızca bir kişinin verileri üzerinde eğitilmesi ve kullanılması gerekir. Araştırmaya dahil olmayan, Hollanda’daki Radboud Üniversitesi’nde hesaplamalı bir sinirbilimci olan Lynn Le, “Herkesin beyni gerçekten farklı” diyor. Yapay zekanın beyin taramalarınızdan görüntüleri yeniden oluşturmasını istiyorsanız, özel bir model eğitmeniz gerekir ve bunun için bilim insanlarının beyninizden gelen tonlarca yüksek kaliteli fMRI verisine ihtiyacı olacaktır. Kıpırdamadan durmayı ve çınlayan, klostrofobik bir MRI tüpünün içindeki binlerce görüntüye odaklanmayı kabul etmediğiniz sürece, mevcut hiçbir yapay zeka modeli beyin aktivitenizin kodunu çözmeye başlamak için yeterli veriye sahip olamaz.
Jain, bu verilerle bile, AI modellerinin yalnızca açıkça eğitildikleri görevlerde iyi olduğunu açıklıyor. Görüntüleri nasıl algıladığınız konusunda eğitilmiş bir model, hangi kavramları düşündüğünüzü çözmeye çalışmak için işe yaramaz – ancak Jain’inki de dahil olmak üzere bazı araştırma ekipleri bunun için başka modeller geliştiriyor.
Bu teknolojinin, katılımcıların gözleriyle bakmadıkları, yalnızca hayal ettikleri görüntüleri yeniden oluşturmak için işe yarayıp yaramayacağı hala belli değil. Bu yetenek, konuşamayan veya hareket edemeyenlerin dünyayla iletişim kurmasına yardımcı olmak için beyin-bilgisayar arayüzlerini kullanmak gibi teknolojinin birçok uygulaması için gerekli olacaktır.
Jain, “Nörobilimsel olarak kod çözme teknolojisi oluşturmaktan kazanılacak çok şey var” diyor. Ancak potansiyel faydalar, potansiyel etik ikilemlerle birlikte gelir ve bu teknikler geliştikçe bunları ele almak daha da önemli hale gelecektir. Teknolojinin mevcut sınırlamaları, “şifre çözmenin potansiyel zararlarını hafife almak için yeterince iyi bir mazeret değil” diyor. “Bunun gerçekleşebileceği aşamada olmasak da, bence bu teknolojinin mahremiyeti ve olumsuz kullanımları hakkında düşünmenin zamanı geldi.”
Kaynak : https://worldnewsera.com/news/science/ai-can-re-create-what-you-see-from-a-brain-scan/