大腦視覺信號被Stable Diffusion復(fù)現(xiàn)圖像！“人類的謀略和謊言不存在了”
豐色 蕭簫 發(fā)自 凹非寺
量子位 | 公眾號 QbitAI
“現(xiàn)在Stable Diffusion已經(jīng)能重建大腦視覺信號了！”
就在昨晚，一個(gè)聽起來細(xì)思極恐的“AI讀腦術(shù)”研究，在網(wǎng)上掀起軒然大波：
這項(xiàng)研究聲稱，只需用fMRI（功能磁共振成像技術(shù)，相比sMRI更關(guān)注功能性信息，如腦皮層激活情況等）掃描大腦特定部位獲取信號，AI就能重建出我們看到的圖像！
例如這是一系列人眼看到的圖像，包括戴著蝴蝶結(jié)的小熊、飛機(jī)和白色鐘樓：
AI看了眼人腦信號后，立馬就給出這樣的結(jié)果，屬實(shí)把該抓的重點(diǎn)全都抓住了：
再發(fā)展一步，這不就約等于哈利波特里的讀心術(shù)了嗎？？
更有網(wǎng)友感到驚嘆：如果說ChatGPT開放API是件大事，那這簡直稱得上瘋狂。
所以，這究竟是怎么一回事？
用Stable Diffusion可視化人腦信號
這項(xiàng)研究來自日本大阪大學(xué)，目前已經(jīng)被CVPR 2023收錄：
研究希望能從人類大腦活動(dòng)中，重建高保真的真實(shí)感圖像，來理解大腦、并解讀計(jì)算機(jī)視覺模型和人類視覺系統(tǒng)之間的聯(lián)系。
要知道，此前雖然有不少腦機(jī)接口研究，致力于從人類大腦活動(dòng)中讀取并重建信號，如意念打字等。
然而，從人類大腦活動(dòng)中重建視覺信號——具有真實(shí)感的圖像，仍然挑戰(zhàn)極大。
例如這是此前UC伯克利做過的一項(xiàng)類似研究，復(fù)現(xiàn)一張人眼看到的飛機(jī)片段，但計(jì)算機(jī)重建出來的圖像卻幾乎看不出飛機(jī)的特征：
△圖源UC伯克利研究Reconstructing Visual Experiences from Brain Activity Evoked by Natural Movies
這次，研究人員重建信號選用的AI模型，是這一年多在圖像生成領(lǐng)域地位飛升的擴(kuò)散模型。
當(dāng)然，更準(zhǔn)確地說是基于潛在擴(kuò)散模型（LDM）——Stable Diffusion。
整體研究的思路，則是基于Stable Diffusion，打造一種以人腦活動(dòng)信號為條件的去噪過程的可視化技術(shù)。
它不需要在復(fù)雜的深度學(xué)習(xí)模型上進(jìn)行訓(xùn)練或做精細(xì)的微調(diào)，只需要做好fMRI（功能磁共振成像技術(shù)）成像到Stable Diffusion中潛在表征的簡單線性映射關(guān)系就行。
它的概覽框架是這樣的，看起來也非常簡單：
僅由1個(gè)圖像編碼器、1個(gè)圖像解碼器，外加1個(gè)語義解碼器組成。
具體怎么work？
如下圖所示，第一部分為本研究用到的LDM示意圖。
其中ε代表圖像編碼器，D代表圖像解碼器，而τ是一個(gè)文本編碼器（CLIP）。
重點(diǎn)是解碼分析，如下圖所示，模型依次從大腦早期（藍(lán)色）和較高（黃色）視覺皮層內(nèi)的fMRI信號中，解碼出重建圖像（z）和相關(guān)文本c的潛在表征。
然后將這些潛在表征當(dāng)作輸入，就可以得到模型最終復(fù)現(xiàn)出來的圖像Xzc。
最后還沒有完，如編碼分析示意圖，作者還構(gòu)建了一個(gè)編碼模型，用來預(yù)測LDM不同組件（包括圖像z、文本c和zc）所對應(yīng)的fMRI信號，它可以用來理解Stable Diffusion的內(nèi)部過程。
可以看到，采用了zc的編碼模型在大腦后部視覺皮層產(chǎn)生的預(yù)測精確度是最高的。（zc是與c進(jìn)行交叉注意的反向擴(kuò)散后，z再添加噪聲的潛在表征）
相比其它兩者，它生成的圖像既具有高語義保真度，分辨率也很高。
還有用GAN重建人臉圖像的
看完這項(xiàng)研究，已經(jīng)有網(wǎng)友想到了細(xì)思極恐的東西：
這個(gè)AI雖然只是復(fù)制了“眼睛”所看到的東西。
但是否會有一天，AI能直接從人腦的思維、甚至是記憶中重建出圖像或文字？
“語言的用處不再存在了”
于是有網(wǎng)友進(jìn)一步想到，如果能讀取記憶的話，那么目擊證人的證詞似乎也會變得更可靠了：
還別說，就在去年真有一項(xiàng)研究基于GAN，通過fMRI收集到的大腦信號重建看到的人臉圖像：
不過，重建出來的效果似乎不怎么樣……
顯然，在人臉這種比較精細(xì)的圖像生成上，AI“讀腦術(shù)”還有很長一段路要走。
對于這種大腦信號重建的研究，也有網(wǎng)友提出了質(zhì)疑。
例如，是否只是AI從訓(xùn)練數(shù)據(jù)集中提取出了相似的數(shù)據(jù)？
對此有網(wǎng)友回復(fù)表示，論文中的訓(xùn)練數(shù)據(jù)集和測試集是分開的：
作者們也在項(xiàng)目主頁中表示，代碼很快會開源。可以先期待一下~
作者介紹
本研究僅兩位作者。
一位是2021年才剛剛成為大阪大學(xué)助理教授的Yu Takagi，他主要從事計(jì)算神經(jīng)科學(xué)和人工智能的交叉研究。
最近，他同時(shí)在牛津大學(xué)人腦活動(dòng)中心和東京大學(xué)心理學(xué)系利用機(jī)器學(xué)習(xí)技術(shù)，來研究復(fù)雜決策任務(wù)中的動(dòng)態(tài)計(jì)算。
另一位是大阪大學(xué)教授Shinji Nishimoto，他也是日本腦信息通信融合研究中心的首席研究員。
研究方向?yàn)槎坷斫獯竽X中的視覺和認(rèn)知處理，谷歌學(xué)術(shù)引用3000+次。
那么，你覺得這波AI重建圖像的效果如何？
項(xiàng)目地址：
https://sites.google.com/view/stablediffusion-with-brain/
參考鏈接：
[1]https://twitter.com/SmokeAwayyy/status/1631474973243236354
[2]https://twitter.com/blader/status/1631543565305405443
[3]https://news.berkeley.edu/2011/09/22/brain-movies/
[4]https://www.nature.com/articles/s41598-021-03938-w
謝謝大家觀看，如有幫助，來個(gè)喜歡或者關(guān)注吧！
本文僅供學(xué)習(xí)參考，有任何疑問及侵權(quán)，掃描以下公眾號二維碼添加交流：
更多學(xué)習(xí)內(nèi)容，僅在知識星球發(fā)布：
