De Pesach Benson • 14 octombrie 2026

Ierusalim, 14 octombrie 2026 (TPS-IL) — Cercetătorii israelieni au dezvoltat un model de inteligență artificială care reconstituie imagini din activitatea cerebrală folosind aproximativ o oră de scanări cerebrale de la un nou participant, identificând în același timp diviziuni funcționale necunoscute anterior în regiunile cerebrale implicate în procesarea vizuală.

Modelul, numit Brain-IT, a fost dezvoltat de o echipă condusă de prof. Michal Irani de la Institutul de Știință Weizmann. Spre deosebire de sistemele existente care necesită zeci de ore de scanări cerebrale pentru a se adapta la o persoană nouă, Brain-IT identifică tipare comune între diferite persoane, permițându-i să reconstituie imagini cu o acuratețe mai mare și cu mai puțin antrenament.

Dincolo de reconstituirea imaginilor, tehnologia ar putea ajuta oamenii de știință să înțeleagă modul în care creierul organizează informația vizuală. De asemenea, ar putea aduce progrese în dezvoltarea interfețelor creier-calculator care necesită mai puțin antrenament, deși aplicațiile medicale practice sunt încă departe.

„Există în prezent modele care traduc activitatea cerebrală în imagini și pot chiar produce reconstituiri impresionante care păstrează rezonabil de bine sensul semantic al imaginii”, a spus Irani. „Cu toate acestea, ele tind să facă greșeli în caracteristicile de bază, cum ar fi compoziția și culoarea.”

„Noul model pe care l-am dezvoltat le depășește în reconstituirea atât a conținutului imaginii, cât și a detaliilor sale”, a adăugat ea. „Mai mult, în timp ce fiecare alt model necesită zeci de ore de scanări cerebrale pentru a învăța să «citească» o persoană nouă, modelul nostru are nevoie de doar o oră.”

Cercetarea a fost selectată pentru prezentare în acest an la International Conference on Learning Representations, o conferință de top în domeniul inteligenței artificiale.

Învățarea inteligenței artificiale să citească creierul

Un obstacol major în acest domeniu este deficitul de date de antrenare. Cercetătorii au nevoie de imagini asociate cu scanări de imagistică prin rezonanță magnetică funcțională (fMRI), care măsoară modificările din activitatea cerebrală în timp ce oamenii privesc imagini. Colectarea unor astfel de date impune participanților să petreacă multe ore în scanere RMN.

Setul de date public Natural Scenes Dataset utilizat în studiu conține aproximativ 73.000 de perechi imagine-scanare de la opt participanți, fiecare dintre aceștia vizualizând mii de imagini de-a lungul a 30 până la 40 de sesiuni de scanare.

Pentru a depăși această limitare, echipa a dezvoltat două sisteme complementare: un codificator care prezice activitatea cerebrală pornind de la o imagine și un decodificator care reconstituie o imagine din activitatea cerebrală.

Codificatorul a generat scanări cerebrale prezise pentru imagini pe care participanții nu le priviseră niciodată în interiorul unui scaner RMN. Decodificatorul a încercat apoi să reconstituie acele imagini din predicții, permițând sistemelor să învețe din exemple suplimentare fără a necesita noi scanări pentru fiecare imagine.

Cercetătorii au împărțit creierul în aproximativ 40.000 de mici unități tridimensionale numite voxeli și au comparat răspunsurile acestora la imagini diferite între indivizi. Acest lucru a scos la iveală tipare recurente legate de caracteristici vizuale precum culoarea, locația și obiectele recognoscibile.

Codificatorul a identificat 128 de regiuni funcționale care erau comune între oameni și păreau să joace roluri specifice în procesarea vizuală. Unele erau deja cunoscute oamenilor de știință, în timp ce altele erau noi.

O descoperire a implicat aria parahipocampică a locului, o regiune cerebrală implicată în procesarea locurilor și a scenelor. Cercetătorii au găsit dovezi ale unei diviziuni a muncii în cadrul regiunii, o parte răspunzând la scene de interior, iar alta la scene de exterior.

„Punctul forte al codificatorului constă în capacitatea sa de a identifica regiuni care îndeplinesc funcții similare în creiere diferite, chiar și atunci când locațiile lor anatomice diferă”, a spus Irani.

Pe termen scurt, Brain-IT ar putea ajuta cercetătorii să studieze procesarea vizuală reducând totodată necesitatea scanărilor costisitoare și consumatoare de timp. Capacitatea sa de a identifica tipare comune între indivizi ar putea ajuta, de asemenea, oamenii de știință să dezvolte interfețe creier-calculator care necesită mai puțin antrenament pentru a se adapta la noi utilizatori. Sunt necesare cercetări suplimentare