Michal Irani z Weizmann zbudowała dekoder mózgu. Potrafi odtworzyć obraz z fMRI po godzinie skanowania

Jeszcze niedawno takie systemy potrzebowały dziesiątek godzin danych z jednej osoby. Brain-IT z Weizmann Institute ma zejść do jednej godziny i nadal odtworzyć z fMRI to, na co patrzył badany. Brzmi jak science fiction, ale tu najciekawsze jest coś innego: nie sam efekt, tylko sposób, w jaki zespół Michal Irani obszedł chroniczny brak danych.

Jak Brain-IT obchodzi problem małej liczby skanów

Zespół Michal Irani z Weizmann Institute of Science w Rechowot połączył dwa elementy: dekoder zamieniający skan fMRI na obraz oraz enkoder przewidujący, jaki wzorzec aktywności mózgu odpowiadałby danemu obrazowi. To ważne, bo w takich badaniach wąskim gardłem nie jest zwykle sam model, tylko liczba danych zebranych od ludzi w skanerze.

Według opisu pracy dostępnej na arXiv, Brain-IT trenowano także na parach syntetycznych, czyli takich, w których model sam przewidywał sygnał mózgowy dla zdjęć, których nikt wcześniej nie oglądał w skanerze. Autorzy podają, że około 70 proc. danych treningowych pochodziło właśnie z tej ścieżki. Dzięki temu system ma lepiej zachowywać nie tylko sens sceny, ale też układ obiektów i kolory.

Co Brain-IT pokazuje lepiej niż wcześniejsze dekodery

Wcześniejsze prace nad rekonstrukcją obrazu z aktywności mózgu często dawały wynik „w przybliżeniu”: zgadzała się kategoria obiektu, ale rozjeżdżały się kompozycja, położenie albo barwy. Z relacji MIT Technology Review wynika, że zespół Irani pokazywał przewagę Brain-IT zarówno w porównaniach wizualnych, jak i w metrykach używanych do oceny podobieństwa rekonstrukcji.

To nadal nie jest czytanie myśli w swobodnym sensie. Mówimy o odtwarzaniu bodźców wzrokowych mierzonych przez fMRI w warunkach eksperymentalnych. Mimo to skok jakościowy wydaje się istotny, bo przy takich systemach detal ma znaczenie: inna jest sytuacja, gdy model trafia „owoc”, a inna, gdy zachowuje też pozycję i wygląd konkretnego obiektu. Zobacz: Naukowcy odtworzyli filmy z mózgu myszy i Mózg muszki owocówki ożył w komputerze.

Co o Brain-IT mówią Judy Illes i Tommy Sprague

Judy Illes z University of British Columbia, cytowana przez MIT Technology Review, oceniła pracę jako „magnificent” i wskazała na możliwe zastosowania terapeutyczne u osób z uszkodzeniami neurologicznymi. Sama Michal Irani mówi o potencjale pomocy pacjentom w stanie locked-in oraz o badaniach nad snami. To ambitny kierunek, choć na razie bardziej obietnica niż gotowe narzędzie dla klinik.

Tommy Sprague z UC Santa Barbara zwraca uwagę na mniej wygodny wątek: prywatność. Jeśli podobne techniki zaczną działać poza ściśle kontrolowanym eksperymentem, dyskusja nie będzie już akademicka. Dane z mózgu to nie kolejny biometryczny gadżet, tylko materiał dużo bardziej wrażliwy niż odcisk palca czy skan twarzy.

Dlaczego jedna godzina fMRI robi różnicę

Najbardziej praktyczna część tej historii nie brzmi efektownie, ale to ona może przesądzić o wartości projektu. fMRI jest drogie, czasochłonne i zwyczajnie męczące dla badanych. Jeśli kalibrację dla nowej osoby da się skrócić z około 40 godzin do jednej, próg wejścia spada bardzo wyraźnie. W polskich realiach też miałoby to znaczenie, bo godzina pracy skanera rezonansu to po prostu kosztowny zasób.

Autorzy – Michal Irani, Roman Beliy, Amit Zalcher, Jonathan Kogman i Navve Wasserman – zaprezentowali wyniki we wrześniu 2026 roku na konferencji Cognitive Computational Neuroscience w Nowym Jorku. Tekst pracy jest dostępny na arXiv, więc to wciąż etap badawczy, a nie technologia gotowa do wdrożenia w szpitalach czy interfejsach mózg-komputer.