در اوایل سال جاری میلادی، ۳۰ نفر از بهترین عصب‌شناسان و برنامه‌نویسان رایانه دور هم جمع شدند تا در مورد توانایی‌های خود در خواندن ذهن انسان بحث کنند.
محققان دانشگاه پرینستون و شرکت اینتل، بزرگ‌ترین سازنده‌ی پردازشگرهای رایانه‌ای در یک هکاتون گرد آمدند تا در مورد توسعه‌ی نرم‌افزاری که بتواند فکر انسان را بخواند، بحث و تبادل نظر کنند.
این همکاری بین محققان دانشگاه پرینستون و مهندسان اینتل، باعث پیشرفت قابل توجهی در رمزگشایی داده‌های دیجیتال به‌دست‌آمده از مغز شده است. این اطلاعات از طریق fMRI جمع‌آوری می‌شوند و هدف از آن کشف روش‌هایی است که از طریق آن‌ها فعالیت‌های عصبی منجر به یادگیری، به خاطر سپردن و دیگر فعالیت‌های شناختی می‌شوند.
مقالات مربوط به پیشرفت‌های محاسباتی در زمینه‌ی رمزگشایی اسکن‌های مغزی در ژورنال Nature Neuroscience چاپ می‌شود. نویسندگان مقالات محققان موسسه‌ی عصب‌شناسی پرینستون، دپارتمان علوم رایانه‌ای پرینستون، دپارتمان مهندسی الکترونیک پرینستون و مهندسان آزمایشگاه تحقیق و توسعه‌ی اینتل هستند. جاناتان کوهن، پروفسور عصب‌شناس، عضو هیئت مدیره‌ی مؤسسه‌ی عصب‌شناسی پرینستون و از اعضای اصلی این گروه علمی می‌گوید:
توانایی مانیتور کردن مغز به هنگام انجام یک فعالیت مشخص، پتانسیل زیادی به همراه دارد؛ چرا که از این قابلیت می‌توانیم در تشخیص و درمان اختلال‌های مغزی و همین‌طور انجام تحقیقات پایه در مورد نحوه‌ی عملکرد مغز استفاده کنیم.
کوهن که مدرک دکترای روان‌شناسی نیز دارد، می‌گوید از زمان تأسیس این گروه علمی در دو سال پیش، مدت‌زمان استخراج دادها از اسکن‌های مغزی از چند روز به کمتر از یک ثانیه کاهش پیدا کرده است.
محققان گردآمده در هکاتون دریافتند که رمزگشایی هم‌زمان فکر انسان به انجام نوع خاصی از تحقیقات کمک کند. این تحقیق را بنیامین هاچینسون، استادیار دانشگاه نورث ایست و دانشیار پژوهشی سابق در انستیتو عصب‌شناسی پرینستون طراحی کرده است و هدف از آن بررسی فعالیت مغز یک فرد هنگامی که او به محیط پیرامون خود توجه می‌کند در مقایسه حالتی است که مشغول افکاری دیگر یا خاطرات خود است.
در این تحقیق هاچینسون از یک داوطلب که در واقع یکی از دانشجویان کارشناسی ارشد بود، خواست در دستگاه MRI دراز بکشد و به یک تصویر نگاه کند. آن تصویر در واقع عکسی از یک کافه‌ی شلوغ بود. هاچینسون با استفاده از رایانه‌ی خود در اتاق دیگر می‌توانست افکار او را رمزگشایی کند و بفهمد که آیا دانشجو در حال فکر کردن به تصویر است یا این‌که تمرکز خود را از دست داده و به چیزهای دیگری فکر می‌کند. هاچینسون زمانی که می‌فهمید دانشجو در حال فکر کردن به تصویر است، با استفاده از ابزار لازم تصویر را پررنگ‌تر و روشن‌تر می‌کرد و زمانی که متوجه حواس‌پرتی داوطلب می‌شد، عکس را مات و تیره می‌کرد و به این ترتیب به شخص قرارگرفته در دستگاه MRI فید بک می‌داد.
تئودور ویلک، مهندس ارشد آزمایشگاه اینتل در اورگان و مدیر آزمایشگاه اینتل با نام چشم انسان و سرپرست مهندسان فعال در این پروژه، معتقد است نتیجه‌ی همکاری بین مؤسسه‌ی عصب‌شناسی پرینستون و مهندسان اینتل در زمینه‌ی رمزگشایی افکار انسان می‌تواند به پیشرفت علم در حوزه‌های دیگر نیز کمک کند؛ از جمله عصب‌شناسانی که به دنبال درک کامل نحوه‌ی عملکرد مغز هستند یا مهندسان علوم رایانه که در پی توسعه‌ی الگوریتم‌ها و روش‌های پردازشی هستند که فرآیند دسته‌بندی و تحلیل داده‌های حجیم را سریع‌تر انجام دهد. او می‌گوید:
اینتل همواره به ظهور کاربردهای رایانه‌ای با عملکرد بالا علاقه‌مند است و تشکیل گروه همکاری با مؤسسه‌ی پرینستون فرصت رویارویی با چالش‌های جدید در اختیار ما قرار داده است. ما همچنین امیدواریم از یافته‌های مطالعات در مورد توانایی‌های ذهنی و شناختی انسان در زمینه‌های دیگر به‌خصوص یادگیری ماشین و هوش مصنوعی استفاده کنیم تا به اهداف مهم‌تر خود دست یابیم؛ اهدافی همانند ساخت خودروهای خودران ایمن، کشف و تولید داروهای جدید و تشخیص زودهنگام سرطان.
از زمان اختراع دستگاه fMRI در دو دهه‌ی پیش، محققان همواره در حال ارتقاء توانایی خود در غربال‌گری و تفسیر داده‌های به‌دست‌آمده از هر اسکن هستند. در واقع اسکنر fMRI سیگنال‌های مربوط به تغییرات جریان خون در مغز را در هر لحظه و هم‌زمان با فعالیت‌های مغزی ثبت می‌کند. اما پی بردن به چیز دقیقی که انسان به آن فکر می‌کند از اسکن‌های MRI کار سختی است و زمانی که شما بخواهید این کار را بدون تأخیر و به‌صورت هم‌زمان انجام دهید، کارتان سخت‌تر می‌شود.
تاکنون روش‌های متعددی برای تفسیر داده‌های به‌دست‌آمده از اسکن‌ها در مؤسسه‌ی پرینستون و دیگر مؤسسات علمی توسعه داده شده است. برای مثال به لطف تلاش‌های پیتر راماج، پروفسور مهندسی برق در دانشگاه پرینستون، اکنون محققان قادر هستند با ترکیب داده‌های به‌دست‌آمده از اسکن‌های مغز افراد متعدد، الگوی فعالیت مغزی مرتبط با افکار خاص را شناسایی کنند. امروزه طراحی دستورالعمل‌ها یا الگوریتم‌هایی که بتواند چنین تحلیل‌هایی را انجام دهد، یکی از موضوعات داغ برای انجام تحقیقات است.
استفاده از رایانه‌های پیشرفته‌ی امروزی ما را قادر کرده است با چند تکه کردن کار تحلیل داده‌ها و پردازش آن‌ها به‌طور هم‌زمان، تفسیر داده‌ها را با سرعت بسیار بیشتری در مقایسه با گذشته انجام دهیم. توسعه‌ی الگوریتم‌های پیشرفته به همراه پردازش هم‌زمان داده‌ها، محققان پرینستون و اینتل را قادر کرده است کار اسکن و تفسیر آن‌ها را تقریبا بدون تأخیر و هم‌زمان انجام دهند. این سخن را کایی لی پروفسور علوم رایانه و یکی از بنیان‌گذاران این گروه علمی می‌گوید.
از زمان شروع همکاری اینتل با دانشگاه پرینستون در سال ۲۰۱۵، شرکت اینتل به مؤسسه‌ی عصب‌شناسی پرینستون بیش از ۱.۵ میلیون دلار جهت خرید سخت‌افزار مورد نیاز کمک کرده است و همچنین دانشجویان کارشناسی ارشد و پژوهشگران فوق دکترای پرینستون را که در این تحقیق مشارکت دارند،تحت حمایت قرار داده است.
الگوریتم‌های توسعه داده‌شده توسط این گروه علمی با استفاده از یادگیری ماشین می‌توانند افکار را از دل داده‌ها استخراج کنند؛ همانند روشی که پلتفرم‌های شبکه‌های اجتماعی محبوب همچون فیس‌بوک در برنامه‌ی تشخیص چهره‌ی خود برای یافتن آشنایان شما در دنیای مجازی استفاده می‌کنند. در روش یادگیری ماشین، مقدار زیادی داده در قالب مثال‌های مشخص از یک موضوع وارد رایانه‌ها می‌شوند تا به آن‌ها یاد بدهند که با توسعه‌ی الگوریتمی برای تفسیر آن‌ها بتواند همین کار را روی داده‌ها یا اشیای جدید انجام دهد.
یکی از تبعات همکاری اینتل و پرینستون، توسعه‌ی یک تول‌باکس نرم‌افزاری با نام کیت تحلیل تصویری مغز (BrainIAK) است که به‌صورت رایگان در اختیار محققانی که قصد پردازش کاربردی داده‌های MRI را دارند، قرار گرفته است. اکنون این تیم در حال توسعه‌ی یک سرویس تحلیل هم‌زمان به‌صورت آنلاین است. لی در این باره می‌گوید:
ایده‌ی ما از توسعه‌ی این سرویس این است که حتی محققانی که به رایانه‌های پیشرفته دسترسی ندارند یا توانایی کد نویسی یک نرم‌افزار برای اجرای آنالیز خود را ندارند نیز بتوانند از این سرویس برای انجام رمزگشایی داده‌های مغزی استفاده کنند.
اما دقیقا فایده‌ی این کار چیست؟ در واقع چیزی که دانشمندان از انجام این تحقیقات می‌آموزند، می‌تواند به افراد برای مقابله با عدم تمرکز یا شرایط دیگر ذهنی از طریق فید بک لحظه‌ای کمک کند.
برای مثال فید بک لحظه‌ای می‌تواند به بیماران کمک کند تا به مغز خود بیاموزند با خاطرات ناخوشایند یا افکاری که باعث حواس‌پرتی می‌شود مقابله کند. کوهن در این باره می‌گوید:
البته روش‌های آموزش مغز برای در پیش گرفتن یک الگوی خاص نیاز به صحت‌سنجی‌های بیشتری دارتد تا مطمئن شویم مغز در حال یادگرفتن الگوهای جدید است نه این‌که فقط در انجام خود تمرین مهارت یافته است. این روش‌های مبتنی بر فیدبک، پتانسیل بالایی برای توسعه‌ی روش‌های درمانی دارد. آنالیز هم‌زمان افکار می‌تواند به متخصصان بالینی برای تشخیص زودتر بیماری‌ها یا اختلالات کمک کند.
کنت نورمن، پروفسور روان‌شناسی در مؤسسه‌ی عصب‌شناسی پرینستون می‌گوید توانایی ما در رمزگشایی لحظه‌ای افکار انسان، کاربردهای زیادی در انجام تحقیقات پایه‌ای در مورد مغز دارد. او اضافه می‌کند:
ما به‌عنوان عصب‌شناسان شناختی همواره در پی این هستیم که متوجه شویم مغز چگونه موجب اندیشیدن می‌شود. داشتن چنین توانایی، آن‌هم به‌صورت هم‌زمان با فعالیت، به شکل وسیعی دانش ما را افزایش می‌دهد.
این تکنولوژی را می‌توان در مطالعه روی نحوه‌ی یادگیری انسان نیز به کار برد. برای مثال زمانی که یک شخص در حال گوش دادن به درس استاد ریاضی است، الگوهای عصبی مشخصی در مغز او فعال می‌شوند. آن‌طور که نورمن می‌گوید، ما می‌توانیم به الگوهای عصبی افرادی که ریاضی را به‌خوبی می‌آموزند نگاه کنیم و به تفاوت آن‌ها با الگوهای افرادی که نمی‌توانند ریاضی را بفهمند، پی ببریم.
این تیم تحقیقاتی اکنون تمرکز خود را بر بهبود تکنولوژی پی بردن به افکار افراد به‌صورت واضح قرار داده است؛ برای مثال، رمزگشایی لحظه‌ای از چیزی که شخص به آن فکر می‌کند یا تصویر شخصی که در ذهن خود آن را ترسیم می‌کند.
یکی از چالش‌های پیش روی دانشمندان این بود که تکنیک یادگیری ماشین را در مورد داده‌های استخراج‌شده از اسکن‌های مغزی اعمال کنند. الگوریتم‌های تشخیص چهره با تکیه بر اسکن صدها هزار تصویر و عکس توسعه می‌یابند که در نهایت آن‌ها را قادر می‌کند تصاویر را دسته‌بندی کنند. اما موضوع در مورد اسکن‌های مغزی به این سادگی نیست؛ به‌گونه‌ای که دانشمندان تنها به چند صد اسکن از هر شخص داوطلب دسترسی دارند.
تعداد اسکن‌های در دسترس بسیار محدود است، اما هر اسکن خود گنجینه‌ای از داده‌ها محسوب می‌شود. هر اسکن معمولی بیش از صد هزار پیکسل سه‌بعدی دارد و اگر هر پیکسل با دیگری در ارتباط باشد، تعداد ارتباطات ممکن پرشمار خواهد بود و این را در نظر بگیرید که این ارتباطات در هر ثانیه تغییر می‌کنند. درهرصورت مهندسان و محققان اینتل و پرینستون بر این مشکل نیز فائق آمدند.
نیکلاس براون، پرفسور روان‌شناس در دانشگاه ایالتی پرینستون می‌گوید پیش از رسیدن به این دستاورد شما برای آنالیز یک گروه از داده‌ها باید ماه‌ها زمان اختصاص می‌دادید. اما با داشتن توانایی اسکن و تفسیر هم‌زمان fMRI، یک محقق می‌تواند شرایط آزمایش را در هنگام اجرای آن تغییر دهد. براون توضیح می‌دهد:
فرض کنید بر اساس تشخیص من باید ناحیه‌ی مشخصی از مغز تحت بررسی قرار گیرد. ولی من که به‌صورت زنده فرآیند اسکن را رصد می‌کنم، متوجه می‌شوم آن قسمت از مغز زیاد درگیر نشده است؛ در این صورت می‌توانم از شخص تحت آزمایش بخواهم نوع یا شدت فعالیت خود را تغییر دهد تا آن ناحیه از مغز بهتر درگیر شود. به این ترتیب می‌توان پروسه‌ی تشخیص و همچنین پیشبرد تحقیقات علمی را سرعت بخشید...هدف نهایی این است که افکار انسان را به شکل تصویر درآوریم. اگر شما در اسکنر قرار دارید و یک خاطره‌ی مشخص را به یاد می‌آورید، مثلا خاطره‌ای از کودکی، ما می‌خواهیم به‌صورت هم‌زمان تصویر آن خاطره را روی نمایشگر ببینیم. هنوز تا رسیدن به آن نقطه فاصله داریم اما پیشرفت ما چشم‌گیر بوده است.