日本の研究者たちは、MRI画像から脳活動を読み取ることができるAIを開発しました

日本の研究者たちは、MRI画像から脳活動を読み取るAIを開発

大阪大学の研究者グループは、MRI画像を使用して、見たものを再構築できるAIシステムを開発しました。神経科学者の高木悠と彼のパートナーである西本真二は、MRIマシン内の個人の脳活動を変換することで、モデルと安定拡散を組み合わせて画像を生成することができました。

おそらくご存知のように、安定拡散はMidJourneyやDALL-E 2と同様に、テキストの入力を受け取り、画像を生成します。この場合、AIは既存の画像を対応するキャプションとスキャンするようにトレーニングされました。時間の経過とともに、AIは特定の画像と単語の関連性を見つけることができました。

そのため、高木と彼のチームは、このトレーニングを2つの異なるAIモデルと一緒に使用しました。1つは機能的磁気共鳴画像法(fMRI)データと画像を関連付け、もう1つはfMRIデータを画像のテキスト説明に関連付けることができました。

アルジャジーラに語った高木は、モデルに対する最初の反応について「最初の画像を見たときを今でも覚えています。トイレに行って自分の顔を鏡で見て、自分の顔が見えたと思って『大丈夫、狂っているわけではないかもしれない』と思いました」と語りました。

現時点では、AIの精度は約80%です。最初のAIモデルを使用して、MRIマシン内の参加者が見るものの曖昧ではっきりしない画像を作成し、次に2番目のモデルを使用して、以前に記録された脳のパターンの関連性を認識し、画像を明確にします。

高木にとって、この精度は驚きでした。彼は一部で「このような結果は本当に予想していませんでした」と述べました。しかし、研究は一定の進展を遂げたものの、高木は既に多くの人々がこれをSFの領域に持ち込んでいることに懸念を抱いています。「残念ながら、私たちの研究には多くの誤解があります…私たちは想像力や夢を解読することはできません。これはあまりに楽観的だと思います。しかし、もちろん、将来には可能性があります」と述べました。

さらなる進展が可能な場合のプライバシーや技術の悪用について、高木はより大きな議論の必要性を認めています。「私たちにとって、プライバシーの問題が最も重要です…政府や機関が人々の心を読むことができるようになると、非常に敏感な問題です。これが起こらないようにするために、高レベルの議論が必要です」と述べました。

編集者の注意:ODSC APACは数週間後に開催されます!APAC地域のデータサイエンスのリーディングマインドが2日間のバーチャルイベントで集結します。先端技術を駆使した専門家によるセッションをお楽しみください。今すぐ登録してください。

We will continue to update VoAGI; if you have any questions or suggestions, please contact us!

Share:

Was this article helpful?

93 out of 132 found this helpful

Discover more

機械学習

ニューラルネットワークにおける系統的組み合わせ可能性の解除:組み合わせ可能性のためのメタラーニング(MLC)アプローチによるブレイクスルー

人工知能(Artificial Intelligence)と機械学習(Machine Learning)の分野はますます普及しています。これらの領域での主要...

AI研究

メリーランド大学の新しいAI研究は、1日で単一のGPU上で言語モデルのトレーニングをするためのクラミングの課題を調査しています

自然言語処理の多くの領域では、言語解釈や自然言語合成を含む機械学習モデルの大規模トレーニングにおいて、トランスフォー...

AIニュース

「Amazon Kendraを使用して、Adobe Experience Managerのコンテンツを賢く検索する」

この投稿では、Amazon Kendra AEMコネクタを設定してコンテンツをインデックス化し、AEMのアセットとページを検索する方法を...

データサイエンス

ビジネス戦略において機械学習を使用する時と使用しない時の選択

それは明らかな質問ではありません初心者のデータサイエンティストにとっては、すぐに機械学習モデルを推進することは間違い...

AIテクノロジー

ChatGPTのTokenizerを解放する

この記事では、OpenAIが使用するオリジナルのライブラリであるtiktokenライブラリを使った実践を通じて、ChatGPTトークナイザ...

データサイエンス

Ludwig - より「フレンドリーな」ディープラーニングフレームワーク

産業用途の深層学習については、私は避ける傾向があります興味がないわけではなく、むしろ人気のある深層学習フレームワーク...