有个人正在看一张照片。我们看不到照片，只测量这个人的大脑活动。随后，电脑屏幕上出现了一张与他所见相似的图像。
听起来像科幻情节，但在研究实验室里，这已经可以做到。
最近，研究者借助用他人数据预训练的AI，更快地得到了结果。
AI重新画出大脑所见内容的时代，已经开始。
根据脑信号画出的图，究竟有多像原图？
新概念图：Reverse Entropy。所讨论研究：Scotti PS等，ICML/PMLR，2024年，图3。原论文及研究图像 · 论文许可（CC BY 4.0）。此处未转载原论文的刺激照片。
巴士、棒球场、插着花的花瓶、猫。2024年发表的MindEye2原论文图3，展示了这些场景的实际例子。我觉得，说这些原始示例已经相似到这个程度，是完全可以的。
当然，也能看到一些差别。
红色双层巴士变成了形状不同的巴士，花朵颜色和花瓶形状也发生了变化。
系统抓住了场景中的不少线索，但没有原封不动地复制照片。
究竟在测量脑内什么东西？
这项技术的秘诀，是用MRI对大脑成像。
给参与者看照片时，研究者记录大脑对不同场景产生的不同反应。
当收到新的脑信号，系统便与此前的记录比较，推测图像可能是什么。
来源：Asnaebsa，Wikimedia Commons，2022年。原图未作修改。图片来源 · 许可：CC BY-SA 4.0。
代表性研究使用的，并不是我们在医院通常接触的那种MRI，而是功能磁共振成像，即fMRI。
它通过与神经活动相关的血氧变化，间接读取大脑反应。
这与拍摄一张常规脑部MRI图像不同。
AI辅助图像 · 了解更多
来源：Reverse Entropy原创说明图，为本版本翻译并重绘。依据Shen等（2019年）、Scotti等（2024年）。研究参考。这是概念图，并非实验结果。
生成式AI就在这里发挥作用。
AI根据从脑信号中推断出的特征，生成图像。
估计物体形状和排列方式的技术，与将这些线索表达成自然图像的技术，结合在了一起。
新概念图：Reverse Entropy。背景参考：NIH NIBIB的磁共振成像科普资料。此处未转载韩文文章使用的照片。
不在眼前、只是脑中想象的场景，也能看见吗？
下一步就是想象：读取一个人在脑中构想的场景，而不是正在看到的照片。
2026年5月发表的MIRAGE研究，在参与者想象指定图像或概念时记录脑信号，并据此重建图像。模型使用的是人们实际观看照片时采集的数据进行训练。[3]
新概念流程图：Reverse Entropy。所讨论研究：Kneeland R等，《PLOS Computational Biology》，2026年，图2。原论文及研究图像 · 论文许可（CC BY 4.0）。此处未转载原论文的刺激照片和生成示例。
在MIRAGE原论文的示例中，能认出冲浪姿势、鸟等线索，但颜色和细节与原图不同。
这个实验是一个受约束的任务，共涉及18种图像和概念刺激。
它并没有记录脑中自由浮现的每一个想法，也没有把一个人整晚的梦拍成电影。
有趣的是，最擅长重建实际所见图像的模型，并不一定最擅长重建想象图像。
想象时的信号更弱、更不稳定，需要适合这类信号的解码方式。
举个例子，假设脑信号提供了“草地上的一只狗”这个线索。生成式AI就能画出毛发的纹理、眼睛里的亮光，以及草叶投下的影子。
但每个细节都是从大脑读出来的吗？有些部分，是AI用自己学过的狗和草地知识补上的。
能生成清晰、像照片一样的图，并不等于能准确重建一个人真正看见的场景。
2025年发表的《Spurious reconstruction from brain activity》指出了部分图像重建方法中的这个问题。对于熟悉类型的图像，它们能生成看似合理的结果；但在类别与训练数据不重叠的独立数据集上，表现明显下降。
因此，看到结果时，我们不能只停留在“哇，真像照片”。
还要检查物体的数量、位置、颜色，以及彼此之间的关系是否正确。
更让我期待的是沟通的可能性
如果这项技术变得更准确、更方便，或许能帮助难以通过语言或动作表达的人，把脑中的图像传达出来。研究者也将辅助沟通，以及意识与认知研究，列为可能的长期应用方向。
从医生的角度看，如果能开发一种工具，让患者表达那些难以用语言解释的视觉体验，也很有吸引力。
我们看过或想象过的场景，正在变成可以展示给他人的图像。
今后的目标，不只是能做出多么惊艳的图片，而是这张图能多准确地呈现那个人的体验。
参考研究
1. Scotti PS et al. MindEye2: Shared-Subject Models Enable fMRI-To-Image With 1 Hour of Data. ICML / PMLR 235:44038–44059 (2024).
2. Shen G, Horikawa T, Majima K, Kamitani Y. Deep image reconstruction from human brain activity. PLOS Computational Biology 15(1):e1006633 (2019).
3. Kneeland R et al. MIRAGE: Robust multi-modal architectures translate fMRI-to-image models from vision to mental imagery. PLOS Computational Biology 22(5):e1014263 (2026).
4. Shirakawa K et al. Spurious reconstruction from brain activity. Neural Networks 190:107515 (2025).
#神经科学 #脑扫描 #fMRI #生成式AI #MindEye #脑成像 #人工智能 #ReverseEntropy