左起为在读博士生文海光，助理教授刘中明和上届毕业生史军星在对大脑的磁共振图像进行复查。
通过人工智能技术，美国普渡大学的研究人员解读了人们观看视频时的大脑核磁共振图像。这一新进展将进一步促进人工智能技术的发展，并为大脑研究带来新的启发。该研究的关键在于“卷积神经网络”的算法，正是该算法让计算机和智能手机可以识别人脸和物体。
研究人员收集了实验对象观看972个视频片段总时长达11.5个小时的磁共振数据。这些数据被用于训练卷积神经网络模型，以预测实验对象在观看视频时大脑视觉皮层的活动。随后，研究人员利用该模型对磁共振数据进行解码进而重现视频资料，甚至是之前从未处理过的视频。
文中说到：“这项工作的独特之处在于，当实验对象在观看视频的时候，解码工作几乎是实时进行的。我们每间隔两秒扫描一次大脑，与此同时，受试者的视觉体验就可以被模型重现出来。”
研究人员可以利用一名实验对象的数据去训练模型来预测不同实验对象的大脑活动，这一过程被称为“交叉对象编码与解码”。这是一项具有重要意义的研究，它预示了该类模型在研究大脑功能中广泛应用的可能，甚至可以用在具有视觉缺陷的人身上。
参考文献：Haiguang Wen, Junxing Shi, Yizhen Zhang, Kun-Han Lu, Jiayue Cao, Zhongming Liu. Neural Encoding and Decoding with Deep Learning for Dynamic Natural Vision. Cerebral Cortex, 2017; 1 DOI: 10.1093/cercor/bhx268
编译：5tark 编辑：张梦
