В последние несколько лет фМРТ и ЭЭГ вошли в популярную прессу как инструменты для чтения мыслей (здесь, здесь, здесь, здесь и здесь для образца), детекции лжи (здесь, здесь и здесь) и телекинеза-управления/ перемещения объектов с помощью наших мыслей – (здесь, здесь, здесь и здесь). Я думаю, что был даже недавний эпизод дома, где врачи смогли отобразить сны кого-то в сканере мозга. В то время как эти и подобные им технологии имели много успешных применений, например, позволяя парализованным управлять инвалидными колясками и компьютерами или позволяя людям с синдромом замкнутости общаться (по крайней мере, давать элементарные ответы «Да-нет» на вопросы), важно знать ограничения этих инструментов и не увлекаться научной фантастикой. Для людей, обеспокоенных вторжением в частную жизнь или каким-то удаленным сканированием мыслей или личностей людей, знание того, как работают фМРТ, ЭЭГ, Мэг и т. д. Во-первых, эти инструменты не читают мысли. Вы не можете поместить человека в сканер мозга и сразу определить, лжет он или нет. И хотя один из 60-минутных роликов, связанных выше, действительно показывает, что репортер использует ЭЭГ без какой-либо подготовки для ввода букв своими мыслями, Это устройство, как и почти все другие, просто использует статистический трюк в сочетании с некоторыми общими свойствами мозговой активности для получения своих результатов.
Цель этого поста — не объяснить, как работают фМРТ и ЭЭГ в мельчайших деталях, а проиллюстрировать, как исследователи использовали их свойства для достижения того, что было интерпретировано как чтение мыслей и телекинез.
Таким образом, этот пост оказался намного длиннее, чем я ожидал, поэтому вот краткое резюме того, что следует ниже для тех, кто просто хочет короткую версию:
Некоторые места сообщают, что люди могут управлять инвалидными колясками, роботизированными руками, компьютерными курсорами и т. д. своими мыслями. Просто думая «иди налево» или «остановись», инвалидная коляска будет следовать командам, которые она получает только в мыслях. Почти все эти демонстрации не совсем верны и вместо этого полагаются на статистический трюк, чтобы заставить устройства делать то, что думают люди. Компьютер улавливает паттерн мозговой активности, измеренный с помощью фМРТ, ЭЭГ или внутричерепных электродов. Этот паттерн может быть надежно воспроизведен человеком. Например, каждый раз, когда вы думаете о том, чтобы остановиться, одна и та же часть вашего мозга может активизироваться. Затем компьютер учится связывать этот конкретный паттерн с командой «стоп». Это не чтение мыслей! Он мог бы так же легко соединить ваши мысли о хомяках с командой остановки, если бы эти мыслительные паттерны могли быть надежно воспроизведены. Почти все инструменты, упомянутые в статьях, приведенных выше, требуют такого рода обучения со стороны компьютера. Пройдет еще много времени, прежде чем мы сможем засунуть кого-то в машину и точно знать, о чем он думает. (Хотя иногда мы можем догадываться о категории вещей, о которых они думают, например, дом против лица или одушевленный против неодушевленного объекта, но также и при правильном обучении со стороны машины.)
Длинная версия:
фМРТ измеряет изменения кровотока в различных областях мозга с течением времени. Считается, что кровь приливает к мозговой ткани, которая активна. Итак, рассуждая таким образом, если мы поместим кого-то в сканер и попросим его подумать, скажем, об игре в теннис, то кровь должна течь к той части мозга, которая участвует в мышлении об игре в теннис. Более того, считается, что когда мы думаем об одном и том же снова и по другому поводу, та же самая область мозга (более того) становится активной. Действительно, это, безусловно, так (по крайней мере, когда мы думаем о некоторых вещах) – например, область мозга, называемая парагиппокампальной областью (ППА), показывает надежную активность (приток крови к этой области) каждый раз, когда человек думает о месте или ему показывают картину места (например, дом). Этот вывод надежен для многих людей (например, Epstein and Kanwisher 1998, Kanwisher 2010). (Эта область также реагирует на вещи, отличные от мест, и многие другие части мозга активны, когда люди видят или думают о местах, но давайте пока проигнорируем это.) Есть несколько других областей мозга, которые надежно активируются на определенные виды мыслей перцептов, таких как лица, определенные действия, одушевленные и неодушевленные объекты и т. д.
Это означает, что мы можем поместить человека в сканер, показать ему кучу фотографий и точно определить часть его мозга, которая более надежно реагирует, скажем, на дома, чем любая другая вещь. Это самое близкое к чтению мыслей на данный момент: если мы сканируем кого-то и находим его «область дома», то на более позднем сканировании мы можем сказать, думает ли он о домах или нет. Несколько замечаний: (1) это не идеально. Как упоминалось ранее, ППА и подобные области активируются на стимулы, отличные от домов. (2) Помните, что фМРТ измеряет приток крови к относительно большим частям мозга – в то время как потенциально возможно найти «область места» и «область лица», маловероятно, что с помощью современных технологий мы сможем найти «область молотка» или что-то подобное. То есть, если представления молотка хранятся в небольшой локализованной группе нейронов (весьма спорное утверждение!), фМРТ вряд ли сможет обнаружить его. Это означает, что мы не можем засунуть человека в машину, показать ему кучу фотографий, выяснить, какие части мозга загораются, а затем, когда мы снова вставляем их в фМРТ, быть в состоянии сказать, о чем они думают.
Однако мы можем использовать некоторые из этих более надежных активаций. Например, мы можем соотнести надежные сигналы с определенными компьютерными командами. Мы можем обучить компьютер распознавать сигнал места и сигнал лица. Когда компьютер распознает сигнал лица, мы можем повернуть инвалидную коляску влево, когда он распознает сигнал места, мы можем повернуть инвалидную коляску вправо. Таким образом, мы можем управлять инвалидной коляской своими мыслями. Заметьте, что это всего лишь причудливый статистический трюк! Если бы мы могли заставить компьютер достоверно узнать, как выглядит наш мозг, когда мы думаем о движении влево или вправо, мы могли бы использовать наши мысли о движении влево или вправо, чтобы контролировать направление инвалидной коляски. Однако в этих мыслях нет ничего особенного! С таким же успехом мы могли бы соотнести наши мысли о яблоках (при условии, что их можно надежно обнаружить) с движением инвалидной коляски или курсора на экране компьютера.
Обнаружение лжи может быть сделано аналогичным образом-кто-то постоянно лжет в сканере, компьютер узнает, как выглядит мозг этого человека, когда он лжет (он находит обычно активируемую область во всей лжи), а затем может использовать это, чтобы определить, являются ли будущие высказывания ложью или нет, сравнивая их с предыдущими сканированиями ложных утверждений и истинных утверждений, сделанных этим человеком. Обратите внимание, что это означает, что нам сначала нужно заставить человека в сканере говорить ложь, прежде чем мы сможем использовать его в качестве детектора лжи. Точно так же для управления инвалидной коляской или компьютерным курсором с помощью наших мыслей нам сначала нужно обучить компьютер какому-то образцу мозга, который мы можем надежно воспроизвести.
Та же история и с ЭЭГ. В то время как он измеряет электрическую активность на поверхности кожи головы вместо кровотока, некоторые паттерны могут быть надежно воспроизведены, думая об одной и той же вещи или одной и той же категории вещей. Компьютер может изучить эти паттерны, а затем, как и в случае с фМРТ, соотнести паттерн с определенной командой или функцией. Есть также некоторые хорошо известные паттерны деятельности, которые мы можем использовать особым образом. Например, существует сигнал, называемый Р300, который часто связан с принятием решений и не зависит от природы стимула. Мы можем использовать это для создания управляемого мозгом устройства, которое не требует никакой подготовки (изучение того, как выглядит надежный паттерн мозга). Предположим, мы задаем вопрос человеку, носящему ЭЭГ-колпачок, а затем поочередно высвечиваем на экране слова «да» и «нет». Сигнал Р300 иногда можно рассматривать как мысленное «вот оно!» Если человек думает о» да «как о ответе на вопрос, то мы должны наблюдать за Р300 всякий раз, когда на экране мелькает слово» да». Мы можем использовать это, чтобы задать простые вопросы «Да-нет» людям, которые не могут нормально общаться (например, если у них синдром блокировки), и мы можем сделать это без обучения компьютера! Опять же, как и в случае с фМРТ, это всего лишь статистический трюк – мы могли бы так же легко использовать другой, надежный сигнал, чтобы получить ответ «Да / нет»; на самом деле мы не читаем мысли людей.
Все это говорит о том, что эти инструменты чрезвычайно полезны. Мы можем использовать их, чтобы помочь людям общаться, которые иначе не могли бы. Мы можем использовать их, чтобы позволить людям, которые не могут двигаться, передвигать инвалидные коляски, протезы конечностей или компьютеры. В то же время важно помнить об ограниченности этих технологий и не слишком увлекаться научной фантастикой.
Эпштейн р. и Канвишер Н. (1998) Корковое представление локальной визуальной среды. Nature vol. 392, 598-601
Kanwisher, N. (2010) Functional specificity in the human brain: a window into the functional architecture of the mind. PNAS, vol. 107, no. 25, 11163-11170
https://www.psychologyinaction.org/psychology-in-action-1/2010/09/14/mind-reading-lie-detection-and-telekinesis-with-fmri-and-eeg-science-fact-and-fiction
Загрузка...
