人脑映射与脑解码 | Jack Gallant | TEDxSanFrancisco
Human brain mapping and brain decoding. | Jack Gallant | TEDxSanFrancisco
频道:TEDx Talks · 时长:17:26 · 发布:2017-10-31 · 播放:176596
简介
伯克利神经科学家 Jack Gallant 展示如何利用 fMRI 脑映射解码一个人所看到的内容,并展示大脑活动的可视化及其影响。
HN 为什么推荐
HN 在讨论从脑部扫描重建图像以及未来脑读数的伦理时引用了它。
Jack 有一个关于这个的 TED 演讲 [2] — HN, 2022
中文字幕节选
所以,大脑是一台计算机。 我知道把人类大脑看作计算机似乎很奇怪,但是,你知道, 它不像你的台式机或手机那样是架构化的系统。 它是一个进化而来的系统,经过数百万年的发展, 在原有基础上不断构建。 但是,它处理信息。 你坐在这里,有感官体验,你将这些感官体验 与先前的信息、先前的知识结合起来,做出决定,并在 世界中行动。像这样的信息处理系统就是计算机。 所以,原则上,我们应该能够通过逆向工程来理解人类大脑作为计算机的工作原理, 并发现支配其功能的底层计算算法。 如果我们做到了这一点,我们就可以反转这些算法,创造出 非常强大的大脑解码设备,这些设备可能在未来取代所有 其他类型的脑机接口和脑-计算机接口。 现在,大脑看起来像一个相当均匀的器官。 有大脑皮层,顶部这个大的折叠部分,还有小脑 在底部。在大脑皮层这层组织之下,有许多许多 皮层下核团。嗯,总的来说,我们认为大脑大约有 比如说,500个不同的部分。 其中大约三分之一将是皮层下核团,三分之二将是 在功能和解剖上不同的皮层区域。 这些区域以非常密集的网络连接在一起。 我们还不真正了解人类的这些区域,或者它们究竟是如何连接 在一起的,但动物研究表明,大脑有50%是连接的。 也就是说,对于大脑皮层上的任何给定位置,嗯,它连接到50%的 所有其他位置。 所有这些连接都是前馈和反馈的。 所以,大脑是一个巨大的相互连接的循环网络。 在科学中,像这样的系统被称为非线性动力系统,它们 具有有趣的特性。 系统作为一个整体的属性,其功能,不一定能通过 观察各个部分来预测,因为非线性动力系统具有涌现 特性。在人类中,当然,最重要的涌现特性之一 可能就是意识。 为了理解人类大脑作为计算机是什么,理解其 结构,我们可以首先尝试绘制它。 我们可以将大脑皮层分成其独特的解剖和功能 部分,并尝试理解它们,然后看看它们如何相互作用。 现在,人们已经知道数百年了,人类大脑被分为 不同的功能部分。 他们尝试过,直到最近大多不成功,真正地划分出 大脑皮层,你在幻灯片上看到的人类大脑的主要部分, 这主要将我们与低等动物区分开来。 他们尝试使用各种方法划分大脑,这些方法大多 不成功。其中最臭名昭著的是颅相学,一种19世纪被否定的 科学,人们试图观察头骨表面的隆起,并 从隆起的模式推断隆起下方组织的底层功能。 今天我们都嘲笑这个,它看起来完全愚蠢,但 颅相学家并不完全疯狂。 他们方法非常差,他们是非常差的科学家,但他们确实 有一个好想法,那就是大脑是功能定位的。 今天我们可以使用强大的方法,如功能磁共振成像, 来绘制大脑的功能定位。 所以,我将向你们展示一个fMRI实验的例子,它能让你们 了解我们可以从这种方法中恢复的数据类型。 大脑不方便地折叠在头骨内,所以我们通过计算 将其膨胀,放入一些切片,然后将其展平。 所以,现在我们正在看大脑皮层的表面。 如果我们对你的大脑这样做,我们会得到大约一个大
HN 上的讨论
很多!加州大学伯克利分校的Jack Gallant团队做了很多有趣的fMRI解码。他们早期论文中的方法(例如Kay等人,2008年[0])很巧妙,因为它利用了早期视觉区域如何表示信息的一些知识,而不是仅仅扔一个解码器上去。他们后来将其扩展到电影(Nishimoto等人,2011年[1]),随后稍微从感觉信息转向“语义”解码。Jack有一个关于此的TED演讲[2],Kendrick Kay写了一些新闻与观点/展望文章[例如3],可能也很有趣,因为它链接到其他团队的工作。我喜欢他们的方法,因为它与神经科学相联系,而不仅仅是把机器学习扔到墙上看看什么粘住,但也有一个巨大的“黑箱机器学习”+ MRI解码的作坊产业。我的感觉是,这已经稍微淡出聚光灯,进入人们用更新的机器学习技术如GAN[4]和扩散(这个链接)逐步改进的阶段,但可能只是我。对于睡眠 specifically,你可能对Horikawa… — mattkrause, 2022-11
无线读取和侵入脑波或更糟,使人成为无人机 脑图谱[1] + 使用跨越血脑屏障的病毒将视蛋白基因递送到大脑[2] + 使用手机等高级网络跟踪确定头部位置[3] + ??敏感网络不断扫描用户头部?? + ???网络化激光、电磁波在公共场合改变思想或行为??? = 心灵感应和大脑欺凌 [1] 脑图谱[VIDEO] “未来我们将拥有非常便宜且非常普遍的脑读取系统” [2] 视蛋白基因递送[LINK] [3] 人类跟踪[LINK] 想象一下,利用流行的Netflix节目、模因和其他吸引注意力的媒体被动地绘制某人的大脑并保留这些数据。用含有病毒的食物、水、空气麻醉个体。砰,读心/欺凌。再次,科学(脑科学、传感器和电磁网络)可能需要完成才能做到这一点。我们10000000%需要更多监测这样的向量。病毒等需要不断监测以确保公共安全。当然我们可能在废水中这样做,但那非常不精确且检测限高得愚蠢。想知道是否有… — OpticalWindows, 2020-10
太棒了太棒了太棒了!这里的医学进步将是奇妙的。我们或许需要在不久的将来关注一些伦理困境[VIDEO] — Wagmire, 2020-09
我觉得我们离无线监测所有脑电波如此之近(未来 50 年),我们可能能够实时识别和诊断异常脑模式。我认为如果我们能提升这种传感器技术,然后也许部署纳米技术来干扰适应不良的脑模式,那将很有前景。这种设备的伦理问题相当棘手。Jack Gallant 的 TED 演讲 [VIDEO] 重建视觉:[LINK] 另一个 John-Dylan Haynes 的 TED 演讲 [LINK] 转述:“无线非接触式读心技术可能在未来 50 年内变得廉价且可大规模生产。”他的解码思想方法的唯一限速步骤是,在高能量设备下需要时间在大脑中配对关联。想想我们目前使用多少屏幕时间。如果我们能在看屏幕上的图片时配对像耳机这样的无线“头戴设备”,就有可能建立一个从儿童到青少年的脑库。目前我们只需要大量的处理能力和互联网上的预留带宽来做一些很酷的事情。 — SmokeGS, 2019-06
相关视频
- 1. 人类行为生物学导论 · Stanford · 57:14
- 斯坦福 Sapolsky 谈美国抑郁症(完整讲座) · Stanford · 52:28
- 身体在想什么:神经系统之外的生物电计算 - NeurIPS 2018 · The Artificial Intelligence Channel · 52:06
- 伟大的色情实验 | Gary Wilson | TEDxGlasgow · TEDx Talks · 16:29
- 控制多巴胺以提升动力、专注力和满足感 · Andrew Huberman · 2:16:31
- 个人成长系列:William Dement博士谈健康睡眠和最佳表现... · Google TechTalks · 59:57
- 乔·罗根体验 #1109 - 马修·沃克 · PowerfulJRE · 1:55:32
- 湾区视觉会议:无监督特征学习和深度学习 · Google TechTalks · 48:10
- 掌控你的睡眠,醒来时更清醒 · Andrew Huberman · 1:22:05
- 酒精对你的身体、大脑和健康的影响 · Andrew Huberman · 2:01:02
- "语音驱动开发:谁还需要键盘?" 作者 Emily Shea · Strange Loop Conference · 41:17
- 安德烈·卡帕西 - 特斯拉全自动驾驶的人工智能 · Matroid · 30:08
- 你实际上与一个沉默的陌生人共享大脑 · CGP Grey · 4:57
- Tensorflow 和深度学习——无需博士学位 by Martin Görner · Devoxx · 2:35:53
- 《为什么斑马不得溃疡:压力与健康》罗伯特·萨波尔斯基博士 · Beckman Institute at Illinois · 1:27:43
- 大脑、性与机器学习 · Google TechTalks · 1:00:19