Nagłówek, który możesz gdzieś znaleźć w sieci
„Naukowcy stworzyli AI, która nagrywa to, co widzisz. Twoje oczy to już kamera.„
Albo w innym wydaniu: „Sztuczna inteligencja odtwarza obraz prosto z siatkówki. Koniec prywatności wzrokowej.”
Dreszczyk emocji? Jak najbardziej. Prawda czy fałsz? Jak zwykle — trochę tego i tego. Ale sam temat jest o wiele ciekawszy i bardziej skomplikowany niż nagłówek.
Krok wstecz: pamiętasz sny Kamitaniego?
W tekście „Czy sztuczna inteligencja czyta w naszych snach?” pisaliśmy o japońskim naukowcu, który próbował nagrywać ludzkie sny. Profesor Kamitani z ATR Laboratories w Kioto użył do tego fMRI — funkcjonalnego rezonansu magnetycznego, czyli ogromnej maszyny wielkości samochodu dostawczego, która mierzy przepływ krwi w różnych obszarach mózgu i na tej podstawie wnioskuje, które neurony właśnie pracują — oraz algorytmów uczenia maszynowego. Efekt był skromny: system rozróżniał szerokie kategorie wizualne, ale nie odtwarzał snów jak film.
Jak się okazuje — to był dopiero wstęp. Bo kiedy człowiek śpi, jego mózg pracuje chaotycznie i słabo. Kiedy człowiek patrzy na coś na jawie, kora wzrokowa działa jak dobrze nastrojony instrument. I właśnie tutaj zaczyna się prawdziwa historia.
Co naprawdę robią naukowcy
Wyobraź sobie, że leżysz w tunelu fMRI — wspomnianej maszynie do rezonansu, która raz na dwie sekundy robi „zdjęcie” aktywności całego twojego mózgu — i oglądasz zdjęcia: pies, wieża, twarz, zachód słońca. Za każdym razem, gdy patrzysz na konkretny obraz, twoja kora wzrokowa reaguje w charakterystyczny, powtarzalny sposób. Ten wzorzec aktywności jest jak odcisk palca — unikalny dla danego bodźca wzrokowego.
AI uczy się odczytywać te odciski.
Konkretnie: algorytm mapuje, które kombinacje aktywności mózgu odpowiadają którym obrazom. Gdy potem zobaczysz nowy obraz — taki, którego model nigdy nie widział — AI próbuje na podstawie twojej aktywności mózgowej zrekonstruować, co oglądasz. Nie kopiuje obrazu z siatkówki. Generuje własną wersję, korzystając z tego, czego się nauczyła.
Narzędzie do tej generacji to Stable Diffusion. To ten sam model AI, który na co dzień tworzy obrazy na podstawie promptów tekstowych. Tutaj zamiast opisu tekstowego dostaje „odcisk mózgu”.
Jak dobrze to działa — i gdzie są granice
Przełomowe badanie opublikowali w 2023 roku Yu Takagi i Shinji Nishimoto z Osaka University (NeurIPS 2023). Ich system potrafił rekonstruować obrazy z zaskakującą trafnością semantyczną: jeśli badany patrzył na psa na łące, rekonstrukcja też pokazywała psa na łące. Nastrój sceny, kompozycja, główny obiekt — zgadzały się zadziwiająco często.
Ale szczegóły? Twarz psa mogła być rozmazana. Napisy na tablicy — nieczytelne. Tekstury — przybliżone.
Równolegle powstał system Brain-Diffuser, który działa dwuetapowo: najpierw rekonstruuje ogólny układ sceny i niskie poziomy szczegółów, potem nakłada na to warstwę semantyczną — rozumienie treści obrazu. Efekty są jeszcze lepsze, choć nadal dalekie od fotograficznej wierności.
Ważne zastrzeżenia, o których koniecznie trzeba powiedzieć:
Po pierwsze — to nie jest zapis z siatkówki. AI nie jest ulokowana gdzieś pomiędzy okiem a mózgiem. Rekonstruuje obraz na podstawie wtórnych śladów, jakie bodźce wizualne zostawiają w korze mózgowej. To fundamentalna różnica.
Po drugie — system działa tylko dla osoby, na której był trenowany. Każdy mózg jest inaczej zorganizowany, więc model nauczony na twoich danych nie odczyta cudzych myśli.
Po trzecie — fMRI wymaga leżenia bez ruchu w potężnej maszynie. Żadnego odczytu „na odległość”, żadnej kamery ukrytej w okularach. Lekki ruch głową wystarczy, żeby zepsuć pomiar.
Po czwarte — poprzednie systemy wymagały dziesiątek godzin treningowych w skanerze. To była główna bariera praktyczna.
A teraz zaskoczenie: MindEye2 redukuje barierę wejścia
To naprawdę istotna wiadomość z 2024 roku. Zespół MedARC we współpracy z Princeton Neuroscience Institute opublikował na konferencji ICML 2024 system o nazwie MindEye2. Wcześniejsze modele wymagały od uczestnika 30–40 godzin spędzonych w skanerze fMRI, zanim AI nauczyła się jego „języka mózgu”. MindEye2 redukuje to do jednej godziny — jednej wizyty.
W jaki sposób? Model jest najpierw wstępnie trenowany na danych od siedmiu różnych osób, co pozwala mu nauczyć się ogólnej „gramatyki” kory wzrokowej. Potem wystarczy godzina danych od nowej osoby, żeby go dostroić. Efekty jakościowe są porównywalne z poprzednimi systemami wymagającymi wielokrotnie więcej danych.
To zmiana jakościowa. Technologia przestaje być domeną wyłącznie pacjentów gotowych spędzić tydzień w laboratorium.
Czego możemy się spodziewać w niedalekiej przyszłości?
Nie „kamery w oku” — ale kilka rzeczy, które naprawdę się zbliżają:
Komunikacja dla osób z locked-in syndrome. Pacjenci po ciężkich udarach lub z ALS, którzy stracili kontrolę nad ciałem, ale zachowali sprawność umysłu, mogliby komunikować się przez interfejs mózg-komputer oparty na dekodowaniu wzrokowym.
Diagnostyka neurologiczna. Jeśli AI potrafi odczytać, co widzi zdrowy mózg, może też wykrywać anomalie w mózgach chorych — deficyty percepcji niewidoczne w standardowych testach.
Neuroestetyka i badania nad percepcją. Naukowcy mogą nareszcie sprawdzić, co naprawdę widzi badany, a nie tylko co deklaruje w kwestionariuszu.
Horyzont czasowy? Pierwsze zastosowania kliniczne — realistycznie to 5–10 lat. „Kamera w oku” działająca zdalnie bez sprzętu — to nadal tylko science fiction.
Viral mylił się w szczegółach. Ale kierunek wyczuł
Nagłówek o „oczach jako kamerze smartfonu” jest przesadzony i mylący. Żadnych obiektywów, żadnego zapisu siatkówki, żadnego zdalnego odczytu.
A jednak coś w tym metaforycznym zdziwieniu było trafne: granica między tym, co widzimy, a tym, co można z mózgu odczytać, naprawdę zaczyna się zacierać. Sztuczna inteligencja uczy się języka kory wzrokowej — i robi to coraz szybciej, coraz skuteczniej i z coraz mniejszą ilością danych wejściowych.
To nie jest dystopia z kamerą wszytą w tęczówkę. To coś ciekawszego: maszyna, która patrzy na świat twoimi oczami — nie przez obiektyw, ale przez neurony.
Co dalej?
W kolejnym tekście, zatytułowanym „AI czyta w twoim mózgu z prędkością błyskawicy”, przyglądamy się badaniom nad próbami dekodowania przez sztuczną inteligencję sygnałów emitowanych przez neurony mózgu. I w końcu w artykule [tu będzie tytuł i link] dojdziemy do zasadniczego pytania: czy w RODO będzie trzeba dopisać — prócz odcisków palców i tęczówki — również nasze prywatne fale mózgowe?
Źródła: Takagi & Nishimoto, NeurIPS 2023 | Brain-Diffuser, Ozcelik et al. 2023 | MindEye2, Scotti et al., ICML 2024
