作者：佩萨赫·本森 • 2026年10月14日

耶路撒冷，2026年10月14日（TPS-IL）——以色列研究人员开发出一种人工智能模型，该模型利用新参与者约1小时的大脑扫描数据，即可从大脑活动中重建图像，同时识别出参与视觉处理的大脑区域中此前未知的功能划分。

该模型名为Brain-IT，由魏茨曼科学研究所的米哈尔·伊拉尼教授率领的团队开发。现存系统需要数十小时的大脑扫描才能适应新个体，与此不同的是，Brain-IT能够识别不同人群共享的模式，从而以更高的准确度和更少的训练来重建图像。

除了重建图像外，该技术还可帮助科学家了解大脑如何组织视觉信息。它还可以推进所需训练更少的脑机接口的开发，不过其实际医学应用仍有很长的路要走。

“如今存在将大脑活动转化为图像的模型，它们甚至可以生成令人印象深刻的重建结果，相当好地保留图像的语义含义，”伊拉尼说。“然而，它们往往会在构图和颜色等基本特征上出错。”

“我们开发的新模型在重建图像内容及其细节方面均优于它们，”她补充道。“更重要的是，其他所有模型都需要数十小时的大脑扫描来学习‘读取’一个新人，而我们的模型只需要1小时。”

该研究入选了今年的国际表征学习大会（ICLR）进行展示，这是人工智能领域的重要会议。

教人工智能读取大脑

该领域的一个主要障碍是训练数据的短缺。研究人员需要将图像与功能性磁共振成像（fMRI）扫描相配对，后者测量人们观看图片时的大脑活动变化。收集此类数据需要参与者在MRI扫描仪中度过许多小时。

该研究中使用的公开自然场景数据集包含来自8名参与者的约73,000个“图像-扫描”配对，每位参与者在30至40次扫描会话中观看了数千张图像。

为了克服这一局限，该团队开发了两个互补的系统：一个通过图像预测大脑活动的编码器，以及一个通过大脑活动重建图像的解码器。

编码器为参与者从未在MRI扫描仪内看过的图像生成了预测的大脑扫描。随后，解码器尝试从这些预测中重建这些图像，使系统能够从额外的示例中学习，而无需为每张图像都进行新的扫描。

研究人员将大脑划分为大约40,000个被称为体素的微小三维单元，并比较了个体之间对不同图像的反应。这揭示了与颜色、位置和可识别物体等视觉特征相关的经常出现的模式。

编码器识别出128个在人群中共享的功能区域，这些区域似乎在视觉处理中发挥着特定作用。其中一些已被科学家所知，而另一些则是新的。

其中一项发现涉及海马旁回位置区，这是一个参与处理位置和场景的大脑区域。研究人员发现了该区域内存在分工的证据，其中一部分对室内场景作出反应，另一部分对室外场景作出反应。

“编码器的优势在于它能够识别在不同大脑中执行相似功能的区域，即使它们的解剖位置不同，”伊拉尼说。

在近期，Brain-IT可以帮助研究人员研究视觉处理，同时减少昂贵且耗时的扫描需求。它识别个体间共享模式的能力还可以帮助科学家开发需要较少训练即可适应新用户的脑机接口。尚需进一步的研究