AI & MACHINE LEARNING

AI 'Mind-Reading' ใหม่: สร้างภาพจำลองจากสิ่งที่มนุษย์เห็นผ่านการสแกนสมอง

MIT Technology Review01 Oct 2026
1 min read
Key Takeaways
  • AI สามารถตีความสัญญาณสมองเพื่อสร้างภาพที่มองเห็นได้แม่นยำขึ้นอย่างมาก และใช้เวลาในการฝึกฝนข้อมูลสำหรับบุคคลน้อยลงอย่างเห็นได้ชัด

ทำไมเรื่องนี้ถึงสำคัญ

เทคโนโลยีนี้นอกจากจะช่วยให้เข้าใจการทำงานของสมองมากขึ้นแล้ว ยังเป็นก้าวสำคัญในการพัฒนาอินเทอร์เฟซระหว่างสมองและคอมพิวเตอร์ (BCI) เพื่อช่วยเหลือผู้พิการ

เทคโนโลยีการ 'อ่านใจ' ด้วย AI ก้าวหน้าไปอีกขั้นด้วยเครื่องมือใหม่จากสถาบันวิทยาศาสตร์ Weizmann ที่สามารถตีความสัญญาณจากการสแกนสมอง (fMRI) และสร้างภาพจำลองสิ่งที่อาสาสมัครกำลังมองอยู่ขึ้นมาใหม่ด้วยความแม่นยำสูง ระบบนี้ประกอบด้วยสองส่วนหลัก คือส่วนที่ทำนายโครงสร้างของภาพและส่วนที่ทำนายเนื้อหาของภาพ ทำให้ได้ผลลัพธ์ที่ใกล้เคียงกับต้นฉบับทั้งในแง่ของตำแหน่งและรูปทรง

จุดเด่นสำคัญที่เหนือกว่าเทคโนโลยีในอดีตคือความสามารถในการปรับตัวเข้ากับผู้ใช้รายใหม่ได้อย่างรวดเร็ว โดยต้องการข้อมูลสแกนสมองเพียง 1 ชั่วโมงเมื่อเทียบกับรุ่นก่อนหน้าที่ต้องใช้ถึง 40 ชั่วโมง นอกจากนี้ยังมีการใช้เทคนิคการฝึกฝนแบบก้าวหน้า (Encoder-Decoder) ที่ช่วยให้โมเดลสามารถเรียนรู้จากภาพจำนวนมหาศาลได้แม้ภาพเหล่านั้นจะไม่มีข้อมูลการสแกนสมองคู่กันมาด้วยก็ตาม ซึ่งปูทางไปสู่การสื่อสารสำหรับผู้ป่วยที่เป็นอัมพาตและการศึกษาความฝันในอนาคต

สรุปประเด็นหลัก

ใช้ AI วิเคราะห์สัญญาณ fMRI เพื่อสร้างภาพที่มนุษย์กำลังมองเห็นขึ้นมาใหม่

ต้องการข้อมูลจากผู้ใช้รายใหม่เพียง 1 ชั่วโมงในการคาดการณ์

สามารถระบุบริเวณสมองที่ตอบสนองต่อเนื้อหาเฉพาะด้าน เช่น อาหาร หรือ กีฬา

นวัตกรรมและเทคโนโลยี

models

Universal Brain Encoder

โมเดลที่สามารถวิเคราะห์การทำงานของสมองจากบุคคลทั่วไปโดยใช้การสอบเทียบเพียงเล็กน้อย

research

Dual-Branch Brain Decoder

การแยกวิเคราะห์โครงสร้างภาพและเนื้อหาของภาพออกจากกันเพื่อความแม่นยำในการสร้างภาพใหม่

Developer Impact
ทีมวิจัยด้าน Bio-tech และ AI สามารถเข้าถึงโมเดลที่ต้องการข้อมูลตัวอย่างน้อยลง ช่วยลดต้นทุนในการทำ fMRI ซึ่งมีราคาสูงและเพิ่มโอกาสในการสร้างแอปพลิเคชันช่วยเหลือผู้ป่วยอัมพาต
Keywords
#ai mind reading #fmri decoding #brain-computer interface #diffusion models #neuroscience
Original Source

อ่านข้อมูลเพิ่มเติมจากแหล่งข่าวหลัก

MIT Technology Review