自從核磁共振被用在觀察大腦活動之后，從fMRI的數(shù)據(jù)*譯碼人類的思考與認(rèn)知就是許多科學(xué)家的*目標(biāo)，而達到這個目標(biāo)的*步是從fMRI數(shù)據(jù)讀出受測者正在觀看的影像或是聆聽的聲音。過去在這個被昵稱為"讀心術(shù)"的領(lǐng)域里，測試影像只限于簡單的非自然圖形（例如黑白交錯的條紋），或是只能解讀出受測者觀看的圖片的類別（例如人臉或房子）。另外一個限制是能從fMRI數(shù)據(jù)解讀出的測試圖片（或是圖片類別）必須與當(dāng)初建立譯碼法時所使用的測試圖片（或是類別）相同。

 

    在今年五月初將出刊的Nature上，加州大學(xué)柏克萊分校的研究人員Kendrick N. Kay以及其同僚發(fā)表一種嶄新的譯碼方式來解決上述的問題，使得fMRI"讀心術(shù)"可以擴展到自然影像（nature image），并且可解讀與建立譯碼法時用的圖片不同的測試圖片。他們首先讓測試者觀看一組自然影像并用fMRI紀(jì)錄其大腦活動。接著他們用測得的fMRI數(shù)據(jù)來建構(gòu)一個大腦視覺處理的模型。這個模型假設(shè)在視覺皮層中fMRI紀(jì)錄的每個數(shù)據(jù)點都包含了一群對不同影像性質(zhì)起反應(yīng)的神經(jīng)。比如說某一數(shù)據(jù)點所包含的神經(jīng)對空間上某一點的明暗起反應(yīng)，另一數(shù)據(jù)點的神經(jīng)則對空間上某一點的圖形方向起反應(yīng)。這樣的模型稱作receptive-field model。

 

    建構(gòu)出受測者的receptive-field model之后就可以開始解碼的工作。他們讓受測者觀看另外一組與先前測試圖片不同的自然影像并且使用fMRI測量大腦活動。接者他們使用先前建立的receptive-field model來計算這組自然影像，可以得出每一張圖片的預(yù)測fMRI數(shù)據(jù)。zui后將預(yù)側(cè)的fMRI數(shù)據(jù)與實際測得的相比，與測得數(shù)據(jù)zui相近的預(yù)測fMRI應(yīng)該就代表受測者所觀看的圖片。

 

    當(dāng)譯碼測試圖片的數(shù)目只有120的時候這樣的解碼法可以達到72-92%的準(zhǔn)確度。準(zhǔn)確度隨著測試圖片的數(shù)目緩慢遞減。當(dāng)測試圖片的數(shù)目達到1000的時候，這個方法還可以有60-80%的準(zhǔn)確度。

 

    雖然目前這種譯碼法只能在一組數(shù)量不能太多的已知圖片中譯碼，但是相對于先前的實驗算是向前跨了一大步?；蛟S當(dāng)未來fMRI的時間與空間分辨率大幅提升之后，這種receptive-field model的譯碼方式可以真正解出受測者觀看的隨意影像。不過即使這一步可以達到，這也只是科學(xué)"讀心術(shù)"的*步，離真正讀出人類的思考與認(rèn)知還有很長的路要走。對于那些憂心科學(xué)"讀心術(shù)"可能造成社會與倫理問題的人來說，目前還暫時可以放一百個心。