“我們終于找到了一種方法，可以在核磁共振成像的信號中看到這種復雜的想法。”美國卡內基梅隆大學的Marcel Just說，“思維和大腦活動模式之間的對應關系告訴我們這些想法是如何構建的”。

人工智能系統表明，大腦意識模塊是由各種子系統而非大腦構建的。

科學家們開發了一種新的“大腦閱讀”AI系統，它可以通過測量大腦活動來解碼并表達復雜的人類思想。人工智能系統表明，大腦構造復雜思維的構建模塊是由大腦的各個子系統構成的，而不是通過語言。

“我們終于找到了一種方法，讓我們可以在核磁共振成像信號中看到這種復雜的想法。”

研究人員發現，大腦對240個復雜事件的編碼，比方說在試驗場景中那樣大喊大叫的句子，使用了42個有實際意思的組成部分，或者是大腦神經系統中看似合理的語義，這些句子是大腦的思維途徑與大腦活動模式之間的對應。這些特征包括人物、場景、大孝社會互動和身體動作等。研究人員稱，每一種信息都是在不同的大腦系統中進行處理的，這是大腦處理客觀信息的方式。通過測量每個大腦系統的活動，這個程序可以判斷大腦系統正在考慮的是哪個類型的想法。

研究人員說：“人類大腦的一大先進之處就是在于能夠將個體的概念結合到復雜的想法中，不僅能想到香蕉，還能想到想要晚上和朋友們一起吃香蕉。”

“我們的方法克服了功能性磁共振成像的缺陷，將大腦活動中產生的信號從開頭到結尾緊密地結合在一起，就像在一個句子里讀了兩個連續的單詞，”Just說。

這種進步使得對包含幾個概念的想法進行解碼成為現實。這顯示了大多數人的想法是如何組成的，“僅僅是通過不斷的添加信息。

研究人員使用了一個計算模型來評估7個人對作為材料的239個句子有怎樣不同的神經系統反應特征。然后，該程序就能破譯第240個特征。他們依次對240個句子中的每一個都做了檢驗，這就是所謂的“交叉驗證”。研究人員稱，該模型能夠預測出首先挑出的子集中句子的特征，準確率達87%，盡管之前從未證明過該系統的預測情況。它還能有其他的用途：預測一個先前看不見的句子的激活狀況，只顯示它的語義特征。

該研究得以發表在《人類大腦圖譜》（Human Brain Mapping）雜志上。