Автор: Песах Бенсон • 14 жовтня 2026 року

Єрусалим, 14 жовтня 2026 року (TPS-IL) — Ізраїльські дослідники розробили модель штучного інтелекту, яка реконструює зображення з активності мозку, використовуючи приблизно одну годину сканувань мозку від нового учасника, одночасно виявляючи раніше невідомі функціональні поділи в ділянках мозку, залучених до обробки зорової інформації.

Модель під назвою Brain-IT була розроблена командою під керівництвом професора Міхал Ірані в Інституті науки Вейцмана. На відміну від існуючих систем, які потребують десятків годин сканувань мозку для адаптації до нової людини, Brain-IT виявляє спільні патерни між різними людьми, що дозволяє їй реконструювати зображення з більшою точністю та меншим навчанням.

Окрім реконструкції зображень, ця технологія може допомогти вченим зрозуміти, як мозок організовує зорову інформацію. Вона також може сприяти розвитку інтерфейсів мозок-комп’ютер, які потребують менше часу на навчання, хоча практичні медичні застосування ще далеко попереду.

«Сьогодні існують моделі, які перетворюють активність мозку на зображення, і вони можуть навіть створювати вражаючі реконструкції, які досить добре зберігають семантичне значення зображення», — сказала Ірані. «Однак вони схильні робити помилки в базових ознаках, таких як композиція та колір».

«Нова модель, яку ми розробили, перевершує їх у реконструкції як змісту зображення, так і його деталей», — додала вона. «Більше того, якщо кожна інша модель потребує десятків годин сканувань мозку, щоб навчитися «читати» нову людину, нашій моделі потрібна лише одна година».

Дослідження було відібрано для представлення цього року на Міжнародній конференції з навчальних представлень, провідній конференції з штучного інтелекту.

Навчання ШІ «читати» мозок

Основною перешкодою в цій галузі є нестача навчальних даних. Дослідникам потрібні зображення, пов’язані зі сканами функціональної магнітно-резонансної томографії (фМРТ), які вимірюють зміни в активності мозку під час перегляду зображень людьми. Збір таких даних вимагає, щоб учасники проводили багато годин у МРТ-сканерах.

Загальнодоступний набір даних «Природні сцени», використаний у дослідженні, містить близько 73 000 пар зображень-сканів від восьми учасників, кожен з яких переглядав тисячі зображень протягом 30-40 сеансів сканування.

Щоб подолати це обмеження, команда розробила дві доповнюючі системи: кодер, який прогнозує активність мозку за зображенням, і декодер, який реконструює зображення з активності мозку.

Кодер генерував прогнозовані скани мозку для зображень, які учасники ніколи не бачили в МРТ-сканері. Потім декодер намагався реконструювати ці зображення з прогнозів, дозволяючи системам навчатися на додаткових прикладах без необхідності нових сканувань для кожного зображення.

Дослідники розділили мозок приблизно на 40 000 крихітних тривимірних одиниць, які називаються вокселями, і порівняли їхні реакції на різні зображення між індивідами. Це виявило повторювані патерни, пов’язані із зоровими ознаками, такими як колір, місцезнаходження та впізнавані об’єкти.

Кодер визначив 128 функціональних областей, які були спільними для людей і, здавалося, відігравали специфічні ролі в обробці зорової інформації. Деякі з них вже були відомі вченим, тоді як інші були новими.

Одне з відкриттів стосувалося парагіпокампальної зони місць, ділянки мозку, залученої до обробки місць і сцен. Дослідники виявили свідчення розподілу праці в межах цієї ділянки: одна частина реагувала на внутрішні сцени, а інша — на зовнішні.

«Сила кодера полягає в його здатності виявляти ділянки, які виконують схожі функції в різних мозках, навіть коли їхні анатомічні розташування відрізняються», — сказала Ірані.

У найближчій перспективі Brain-IT може допомогти дослідникам вивчати зорову обробку, зменшуючи потребу в дорогих, тривалих скануваннях. Його здатність виявляти спільні для різних людей патерни також може допомогти вченим розробити інтерфейси мозок-комп’ютер, які потребують менше часу на навчання для адаптації до нових користувачів. Подальші дослідження необхідні.