Brain-IT คืออะไร และทำไมการสร้างภาพจากสมองจึงสำคัญ
การสร้างภาพจากสมองด้วย AI คือกระบวนการที่ใช้ข้อมูลสแกนสมองเช่น fMRI เพื่อถอดรหัสรูปแบบกิจกรรมประสาทขณะบุคคลมองภาพ แล้วแปลงสัญญาณสมองเหล่านั้นกลับเป็นภาพที่มีเนื้อหา องค์ประกอบ และสีใกล้เคียงกับสิ่งที่ตาเห็นโดยไม่ต้องให้เจ้าตัวบรรยายออกมาเอง เป็นการเชื่อมโลกภายในสมองกับโลกดิจิทัลผ่านโมเดลการถอดรหัสกิจกรรมสมองที่เรียนรู้จากตัวอย่างจำนวนมาก สิ่งที่ทำให้ Brain-IT โมเดลน่าจับตาคือมันผลักดันความคิดเรื่อง AI สแกนสมองจากงานวิจัยเชิงทดลองไปสู่เทคโนโลยีที่เริ่มมีประโยชน์จริง นักวิจัยพัฒนา Brain-IT โมเดล AI สร้างภาพจากกิจกรรมสมอง พร้อมลดเวลาสแกนสมองเพื่อเรียนรู้ผู้ใช้รายใหม่เหลือเพียงหนึ่งชั่วโมง นั่นหมายความว่าการสร้างภาพจากสมองไม่ใช่เรื่องไกลตัวเฉพาะห้องทดลองขนาดใหญ่ แต่มีโอกาสถูกนำมาใช้เพื่อสื่อสารและทำความเข้าใจการรับรู้ของมนุษย์ในชีวิตประจำวันมากขึ้น
Brain-IT ทำงานอย่างไรจากสแกน fMRI สู่ภาพที่มองเห็น
แก่นของ Brain-IT คือการใช้ AI วิเคราะห์รูปแบบกิจกรรมสมองที่เกิดขึ้นเมื่อคนมองภาพ แล้วแปลงกลับเป็นภาพใหม่ที่ใกล้เคียงต้นฉบับทั้งด้านเนื้อหา องค์ประกอบ และสี นักวิทยาศาสตร์พัฒนาโมเดล AI ที่สามารถวิเคราะห์กิจกรรมสมองของบุคคล และสร้างภาพสิ่งที่บุคคลนั้นกำลังมองขึ้นมาใหม่ จุดสำคัญคือคนดูไม่ต้องเล่าหรือบรรยายสิ่งที่เห็น AI ดูจากสมองล้วน ๆ กระบวนการเริ่มจากการสแกนสมองด้วย fMRI ขณะผู้เข้าร่วมดูภาพต่าง ๆ ทีมวิจัยฝึกระบบด้วยภาพมากกว่า 70,000 ภาพที่แสดงให้ผู้เข้าร่วม 8 คนดูระหว่างการสแกนสมอง ข้อมูลสแกนถูกแบ่งเป็นหน่วยเล็ก ๆ เรียกว่า voxel ราว 40,000 หน่วย และวัดว่าทุก voxel ตอบสนองต่อภาพแต่ละแบบอย่างไร จากนั้น AI วิเคราะห์คุณลักษณะของภาพ เช่น สี ตำแหน่งองค์ประกอบ และสิ่งที่ปรากฏในภาพ เช่น ใบหน้าหรืออาหาร เพื่อนำมาเทียบกับกิจกรรมสมอง โครงสร้างนี้คือหัวใจของการถอดรหัสกิจกรรมสมองให้กลายเป็นภาพที่จับต้องได้
Encoder และ Decoder: คู่หูที่ทำให้การถอดรหัสกิจกรรมสมองแม่นขึ้น
ความฉลาดของ Brain-IT อยู่ตรงการแยกปัญหาออกเป็นสองด้านด้วย Encoder และ Decoder เพื่อจัดการการสร้างภาพจากสมองอย่างเป็นระบบ ทีมนักวิจัยต้องรับมือกับข้อเท็จจริงที่ว่าสมองแต่ละคนตอบสนองไม่เหมือนกัน จึงพัฒนา Encoder ที่สามารถค้นหารูปแบบร่วมระหว่างสมองของแต่ละบุคคล และคาดการณ์กิจกรรมสมองจากภาพได้ ในการสร้าง Encoder นักวิจัยพบพื้นที่การทำงานร่วม 128 บริเวณที่เกี่ยวข้องกับการประมวลผลภาพ แต่ละบริเวณมีบทบาทเฉพาะในการตีความฉาก ใบหน้า หรือวัตถุต่าง ๆ ด้านกลับกัน Decoder มีหน้าที่ใช้กิจกรรมสมองที่วัดได้เพื่อสร้างภาพคืน ทีมวิจัยนำ Encoder มาใช้ร่วมกับ Decoder เพื่อทดสอบว่ารูปแบบกิจกรรมสมองเหล่านี้สามารถนำมาสร้างภาพขึ้นใหม่ได้หรือไม่ Encoder ทำหน้าที่คาดการณ์ว่ากิจกรรมสมองควรมีลักษณะอย่างไรเมื่อบุคคลดูภาพหนึ่ง ๆ ส่วน Decoder ทำงานในทิศทางตรงกันข้าม โดยใช้กิจกรรมสมองเป็นข้อมูลสำหรับสร้างภาพ ทั้งสองโมเดลถูกฝึกซ้ำ ๆ เพื่อให้ภาพที่สร้างขึ้นแม่นยำขึ้นเรื่อย ๆ จน Brain-IT ทำได้ดีกว่าโมเดลก่อนหน้า ทั้งการรักษาเนื้อหาและรายละเอียดของภาพ
หนึ่งชั่วโมงต่อคน: จุดเปลี่ยนด้านประสิทธิภาพของ Brain-IT
ความก้าวหน้าที่น่าสนใจที่สุดของ Brain-IT ไม่ได้อยู่ที่ภาพสวยขึ้นอย่างเดียว แต่คือประสิทธิภาพด้านเวลา นักวิจัยระบุว่า Brain-IT ทำได้ดีกว่าโมเดลก่อนหน้า ทั้งการสร้างเนื้อหาของภาพและรายละเอียด อีกทั้งใช้ข้อมูลสแกนสมองเพื่อเรียนรู้บุคคลรายใหม่เพียงหนึ่งชั่วโมง ขณะที่โมเดลอื่นต้องใช้ข้อมูลสแกนหลายสิบชั่วโมง ระยะเวลาหนึ่งชั่วโมงหมายถึงช่วงสแกนเพื่อให้โมเดลรู้จักรูปแบบสมองของคนใหม่ ไม่ใช่เวลาที่ใช้ในการสร้างภาพแต่ละภาพ ในมุมมองเชิงปฏิบัติ นี่คือจุดเปลี่ยนสำคัญ การที่ AI สแกนสมองเพื่อสร้างภาพจากสมองได้โดยอาศัยข้อมูลฝึกต่อคนเพียงหนึ่งชั่วโมง เปิดทางให้การใช้งานในวงกว้างมีความเป็นไปได้มากขึ้น ลดภาระผู้เข้าร่วมและทรัพยากรที่ต้องใช้ในงานวิจัย หากในอนาคตอุปกรณ์สแกน fMRI เล็กลงหรือเข้าถึงง่ายขึ้น โมเดลลักษณะนี้อาจกลายเป็นส่วนหนึ่งของเครื่องมือสื่อสารหรือการวินิจฉัยทางประสาทวิทยาในโรงพยาบาลทั่วไป ไม่ใช่เฉพาะศูนย์วิจัยระดับสูง
ผลกระทบต่อการสื่อสาร การวิจัยสมอง และข้อกังวลด้านจริยธรรม
จุดแข็งของ Brain-IT คือการสร้างภาพจากสมองโดยไม่ต้องผ่านคำพูด เทคโนโลยีเบื้องหลัง Brain-IT อาจนำไปช่วยให้ผู้มีภาวะอัมพาตสื่อสารได้ในอนาคต และช่วยให้นักวิทยาศาสตร์ศึกษาวิธีที่สมองประมวลผลภาพได้อย่างมีประสิทธิภาพมากขึ้น สำหรับคนที่ไม่สามารถพูดหรือขยับเพื่อสื่อสาร การให้ AI ถอดรหัสกิจกรรมสมองและแสดงภาพสิ่งที่เขาเห็นหรือจินตนาการอาจเป็นสะพานเชื่อมสำคัญระหว่างโลกภายในกับคนรอบข้าง อย่างไรก็ตาม การตื่นเต้นกับคำว่า AI “อ่านใจ” อาจทำให้เข้าใจผิด แม้เทคโนโลยีนี้จะถูกเรียกว่า AI อ่านใจ แต่ความสามารถที่นำเสนอในงานวิจัยคือการสร้างภาพจากกิจกรรมสมองขณะบุคคลกำลังมองภาพ ไม่ใช่การอ่านความคิดทุกประเภท นี่เป็นเส้นแบ่งที่ควรถูกย้ำ เพราะยิ่งการถอดรหัสกิจกรรมสมองแม่นขึ้นเท่าไร เราก็ยิ่งต้องตั้งคำถามด้านความเป็นส่วนตัวและสิทธิของข้อมูลสมองมากขึ้นเช่นกัน การรับประกันว่าคนจะควบคุมได้เองว่าเมื่อไรและอย่างไรที่สมองตนถูกแปลงเป็นข้อมูลภาพจะเป็นเงื่อนไขสำคัญให้เทคโนโลยีนี้เติบโตอย่างรับผิดชอบ
