شاهکار تازه هوش مصنوعی در ذهن‌خوانی؛ سیستم Brain-IT تصاویر دیده‌شده را فقط در یک ساعت از مغز بازسازی می‌کند!

سیستم هوش مصنوعی Brain-IT از مؤسسه وایزمن توانسته زمان کالیبراسیون برای هر فرد را از ۴۰ ساعت به فقط یک ساعت کاهش دهد؛ دستاوردی بزرگ که رسماً در کنفرانس بین‌المللی ICLR 2026 پذیرفته شده است.

پژوهشگران مؤسسه علمی وایزمن موفق به ساخت یک سیستم هوش مصنوعی پیشرفته شده‌اند که با تحلیل داده‌های اسکن مغز، تصاویری را که فرد در همان لحظه تماشا می‌کند بازسازی می‌کند؛ آن هم با این تفاوت چشمگیر که این سیستم حالا تنها در حدود یک ساعت با یک فرد جدید هماهنگ می‌شود. این در حالی است که سیستم‌های قبلی برای کالیبره شدن روی مغز هر فرد تازه، به چیزی نزدیک به ۴۰ ساعت داده اسکن نیاز داشتند. این پروژه پیشگامانه با نام Brain-IT موفق به کسب پذیرش در کنفرانس معتبر ICLR 2026 شده و به دست پروفسور میشال ایرانی (Michal Irani) همراه با پژوهشگرانی چون رومان بلی، آمیت زالچر، جاناتان کوگمن و ناوه واسرمن توسعه یافته است.

مکانیزم کار Brain-IT بر پایه خواندن داده‌های تصویربرداری تشدید مغناطیسی کارکردی (fMRI) است؛ اسکن‌هایی که تغییرات سطح اکسیژن خون را هم‌زمان با فعالیت‌های عصبی فرد هنگام تماشای یک عکس اندازه‌گیری می‌کنند. هسته اصلی معماری این مدل بر پایه ترنسفورمری موسوم به Brain-Interaction Transformer (یا به اختصار BIT) طراحی شده که الگوهای مشترک پاسخ‌های بصری مغز را در میان افراد مختلف یاد می‌گیرد. بخش مکمل دیگر، «رمزگذار جهانی مغز» (Universal Brain Encoder) است که پیش‌بینی می‌کند مغز در برابر یک تصویر مشخص چه واکنشی نشان می‌دهد، و در نهایت خود مدل Brain-IT تصویر نهایی را از روی پاسخ ثبت‌شده مغز بازسازی می‌کند.

رسیدن به زمان کالیبراسیون یک‌ساعته در مقایسه با حدود ۴۰ ساعت ضبط fMRI در روش‌های گذشته، یک جهش فنی فوق‌العاده در حوزه رابط‌های مغز و کامپیوتر به شمار می‌آید.

روش‌های قبلی تبدیل سیگنال‌های مغز به تصویر، شاید می‌توانستند مفهوم کلی تصویر (مثلاً اینکه سوژه یک حیوان است) را بازسازی کنند، اما جزئیات بصری دقیقی مثل ترکیب‌بندی، زاویه دید و رنگ‌ها را از دست می‌دادند. پروفسور ایرانی وضعیت مدل‌های قبلی را در بیانیه رسمی مؤسسه وایزمن این‌گونه توصیف کرد: «امروزه مدل‌هایی وجود دارند که فعالیت مغز را به تصویر ترجمه می‌کنند و حتی می‌توانند بازسازی‌های چشمگیری ارائه دهند که مفهوم کلی تصویر را به شکلی قابل‌قبول حفظ کند.» اما طبق گزارش‌ها، مدل Brain-IT هم از نظر وفاداری به محتوای اصلی و هم از نظر حفظ جزئیات دقیق بصری، یک سر و گردن بالا‌تر از نمونه‌های پیشین عمل می‌کند.

این مدل علاوه بر بازسازی تصاویر، موفق شد ۱۲۸ ناحیه عملکردی مغز را که در میان همه شرکت‌کنندگان مشترک بودند شناسایی کند. در میان این یافته‌ها، پژوهشگران از کشف یک تفکیک عصبی تازه در ناحیه «شکنج پاراهیپوکامپ» (ناحیه‌ای از مغز که مسئول پردازش مکان‌ها و مناظر است) خبر دادند که فعالیت‌های مرتبط با محیط‌های بسته (داخلی) را از محیط‌های باز (طبیعت و خیابان) متمایز می‌کند. هشت داوطلب در طول جلسات fMRI چندین هزار تصویر مختلف را تماشا کردند تا سیستم آموزش ببیند؛ سپس محققان کارایی مدل را روی صحنه‌های گوناگونی از جمله یک مسابقه بیسبال، سگی که از پنجره خودرو به بیرون نگاه می‌کند و افرادی که در حال عبور از یک منظره برفی هستند، با موفقیت آزمایش کردند.

البته در کنار این دستاوردهای هیجان‌انگیز، دانستن محدودیت‌های فعلی سیستم هم به همان اندازه اهمیت دارد. سیستم Brain-IT صرفاً تصاویری را بازسازی می‌کند که فرد در شرایط کاملاً کنترل‌شده آزمایشگاهی مشغول نگاه کردن به آن‌هاست؛ بنابراین این پژوهش به هیچ وجه ادعایی درباره خواندن افکار خصوصی، باورها، خاطرات یا نیت‌های درونی افراد ندارد. رمزگشایی از رویاها و خواب‌ها نیز در حد حدس و گمان است و این تحقیق مدرکی برای آن ارائه نکرده است. از طرف دیگر، فناوری fMRI محدودیت‌های فیزیکی سنگینی دارد: دستگاه‌های آن بسیار غول‌پیکر و گران‌قیمت هستند و کل فرایند به یک محیط آزمایشگاهی کاملاً ایزوله نیاز دارد.

تیم تحقیقاتی اکنون مشغول بررسی رمزگشایی بر پایه نوار مغزی (EEG) است؛ روشی که از حسگر‌های روی پوست سر استفاده می‌کند و در آینده می‌تواند گزینه‌ای بسیار سبک‌تر و قابل‌حمل‌تر باشد، هرچند پژوهش‌های فعلی هنوز نشان نداده‌اند که دقت EEG بتواند با اسکن‌های باکیفیت fMRI رقابت کند. علاوه بر این، رمزگشایی از سیگنال‌های شنوایی نیز در دست بررسی است. بازسازی ویدیو اما چالش بسیار بزرگ‌تری به حساب می‌آید؛ زیرا نرخ ثبت کند اسکن‌های fMRI با فریم‌های سریع و پویای ویدیو همخوانی ندارد. بنابراین اگر اخبار رمزگشایی عصبی را دنبال می‌کنید، هر زمان تیتری دیدید که ادعا می‌کرد این فناوری به استفاده هم‌زمان و آنی رسیده، حتماً این محدودیت فنی را در نظر داشته باشید.

در افق بلندمدت، استفاده از این سیستم برای ارتباطات کمکی و توان‌بخشی، به‌ویژه برای بیمارانی که توانایی تکلم یا حرکت را از دست داده‌اند، یک هدف علمی کاملاً جدی و امیدبخش است. با این حال، هرگونه کاربرد بالینی نیازمند بررسی‌های دقیق ایمنی، پروتکل‌های رضایت‌نامه اخلاقی و قوانین سفت‌وسخت برای حفاظت از داده‌های عصبی کاربران خواهد بود. نتیجه کالیبراسیون یک‌ساعته گامی رو به جلو و چشمگیر در این شاخه علمی است، اما پر کردن شکاف میان آزمایشگاه و استفاده روزمره در دنیای واقعی، همچنان به سخت‌افزارهای قابل‌حمل، عملکرد پایدار روی افراد گوناگون و چارچوب‌های حقوقی شفاف برای محافظت از حریم خصوصی مغز انسان وابسته است.