Будущее разума - Митио Каку Страница 19

Центром значительной части этих исследований является Калифорнийский университет в Беркли, где я много лет назад получил степень доктора в области теоретической физики. Мне повезло побывать в лаборатории доктора Галланта, группа которого добилась, казалось бы, невозможного: им удалось записать мысли людей на видео. «Это серьезный шаг к полному распознаванию внутренних образов. Мы открываем окно в кинозал нашего рассудка», — говорит Галлант.

Когда я попал в лабораторию, мне сразу же бросилась в глаза команда энтузиастов — аспирантов и молодых ученых. Они не отрывались от компьютерных экранов и внимательно вглядывались в видеоизображения, восстановленные по результатам сканирования чьего-то мозга. Вообще, разговаривая с сотрудниками Галланта, ощущаешь себя свидетелем научной истории.

Галлант объяснил, что сначала испытуемого на каталке медленно ввозят в громадный современный МРТ-аппарат, стоимость которого превышает $3 млн. Затем ему показывают несколько видеоклипов (таких, как трейлеры к фильмам, которые несложно найти на YouTube). Чтобы собрать достаточно данных, испытуемому приходится часами сидеть неподвижно и смотреть эти клипы — довольно непростая задача. Я спросил у одного из исследователей, доктора Синдзи Нисимото, как им удалось найти добровольцев, готовых лежать неподвижно по несколько часов и смотреть видеоклипы. Он сказал, что сами участники группы вызвались быть подопытными свинками в собственных исследованиях.

Пока испытуемый смотрит кино, аппарат МРТ создает трехмерное изображение тока крови у него в мозгу. Оно представляет собой набор из 30 000 точек, или вокселов. Каждый воксел представляет энергию в конкретной точке, а его цвет соответствует интенсивности сигнала и, соответственно, кровотока. Красные точки отражают высокую нервную активность, белые — меньшую. (Окончательное изображение очень похоже на гирлянду из тысяч новогодних огоньков в форме мозга. Очевидно, что во время просмотра видеозаписей большая часть ментальной энергии мозга сосредоточена в зрительной зоне коры, расположенной в задней части мозга.)

МРТ-аппарат Галланта настолько мощный, что способен различать две-три сотни отдельных участков мозга; в среднем на снимках на каждый участок приходится по сто точек. (Одна из целей дальнейшего усовершенствования технологии МРТ состоит в достижении еще более высокого разрешения и увеличении числа точек, приходящихся на каждый участок мозга.)

Поначалу трехмерная коллекция цветных точек выглядит полной бессмыслицей, но несколько лет исследований позволили доктору Галланту и его коллегам разработать математическую формулу, которая ищет связи между определенными характеристиками изображения (линиями, текстурами, яркостью и т. п.) и вокселами МРТ-изображения. К примеру, если рассматривать границу, разделяющую более светлые и более темные области, то становится ясно, что грань образует определенную закономерность в расположении вокселов. Заставляя каждого испытуемого просматривать последовательно всю огромную коллекцию видеоклипов, исследователи совершенствовали и перестраивали математическую формулу; компьютер сам анализировал, как те или иные изображения превращаются в МРТ-вокселы. Со временем ученые смогли установить непосредственную корреляцию между определенными паттернами МРТ-вокселов и особенностями просматриваемого изображения.

В конце испытуемым показывают еще один видеоклип. Компьютер анализирует вокселы, полученные при его просмотре, и воссоздает в грубом приближении первоначальное изображение. (Компьютер выбирает изображения из сотни видеороликов, наиболее близких к только что просмотренному, а затем смешивает изображения, чтобы получить максимальное сходство.) Таким образом компьютер получает возможность сконструировать нечеткое видео тех визуальных образов, которые проходят чередой перед мысленным взором. Математическая формула доктора Галланта настолько универсальна, что можно взять набор МРТ-вокселов и превратить его в картинку, а можно сделать и наоборот — взять картинку и пересчитать ее в МРТ-вокселы.

У меня была возможность посмотреть видеозапись, созданную группой доктора Галланта, и она произвела на меня очень сильное впечатление. Лица, животные, уличные сценки — словно ролик смотришь сквозь темные очки. Разглядеть подробности на лицах или фасадах зданий невозможно, но характер объекта угадывается легко.

Но эта программа способна расшифровать не только то, что вы реально видите, но и то, что вы зрительно себе представляете. Например, вас попросили представить «Мону Лизу». Из МРТ-сканов мы знаем, что, хотя перед глазами в этот момент нет картины, зрительная кора вашего мозга включается. Пока вы думаете о «Моне Лизе», программа доктора Галланта сканирует ваш мозг и проводит поиск по своей базе данных, пытаясь отыскать наиболее близкое соответствие. В одном из экспериментов, свидетелем которых я был, компьютер в качестве ближайшего соответствия «Моне Лизе» выбрал фотографию актрисы Сальмы Хайек. Разумеется, средний человек легко распознает сотни различных лиц, но сам факт того, что компьютер проанализировал образ в голове человека и выбрал фотографию из миллионов случайных изображений, имеющихся в его распоряжении, впечатляет.

Цель этой работы — создать точный словарь, который позволил бы быстро находить соответствие между объектами окружающего мира и МРТ-паттерном, считанным с человеческого мозга. Очевидно, что установить подробное и точное соответствие чрезвычайно трудно и на эту работу, скорее всего, уйдет не один год. Однако некоторые категории изображений распознаются достаточно легко, для этого достаточно просто провести поиск по готовой базе изображений. К примеру, когда доктор Станислас Деэн из парижского Коллеж де Франс работал с МРТ-сканами теменной доли головного мозга, где происходит распознавание чисел, один из его помощников небрежно заметил, что может определить по виду МРТ-снимка, на какое число смотрит испытуемый. И правда, оказалось, что определенные числа порождают на МРТ-снимках вполне распознаваемые паттерны. Доктор Деэн отмечает: «Если взять 200 вокселов, относящихся к этой области, и посмотреть, какие из них активны, а какие нет, то можно построить самообучающееся устройство, способное читать числа, которые в данный момент удерживаются в памяти».