Yeni bir yapay zekâ aracı, beyin taramalarını analiz ederek kişinin neye baktığını tahmin edebiliyor ve gördüğü görüntüyü olağanüstü bir doğrulukla yeniden oluşturabiliyor. Araç aynı zamanda ters yönde de çalışıyor ve kişinin neye baktığına göre beyin aktivitesini öngörebiliyor.
Yukarıdaki görselde her çiftin solundaki görüntü kullanıcının gerçekten gördüğü, sağındaki görüntü ise beyin taramasından modelin yeniden oluşturduğu görüntü.
İsrail’in Rehovot kentindeki Weizmann Bilim Enstitüsü’nde meslektaşlarıyla birlikte aracı geliştiren Michal Irani, “zihin okuma” aracının nihayetinde beynin nasıl çalıştığına dair daha fazla şey ortaya koymasını umuyor. Araç kilitli kalan insanların iletişim kurmasına yardımcı olabilir ya da bilim insanlarının rüya içeriğini yeniden oluşturmasına olanak tanıyabilir.
Çalışmaya dahil olmayan Kanada’daki Britanya Kolombiyası Üniversitesi’nde nöroetisyen ve nöroloji profesörü Judy Illes, çalışmayı “muhteşem” olarak tanımlıyor. “Bu yaklaşımı nörolojik durumları olan insanlara yardımcı olmak için kullanma fikri… terapötik açıdan son derece heyecan verici” diyor.
Ancak diğer bilim insanları benzer bir yaklaşımın insanların iç düşüncelerini ve zihinsel imgelerini, potansiyel olarak rızaları olmadan ortaya çıkarabileceğini uyarıyor. Kaliforniya Üniversitesi Santa Barbara’da nörobilimci olan Tommy Sprague, “Sonuçlar çok etkileyici görünüyor” diyor. “Ama ne hakkında düşündüğünüzle ilgili bilgileri gizlice çıkarmanın bir yolu varsa, o zaman… 150 yıllık bilimkurgu her an gerçek olabilir ve bu birçok açıdan endişe verici.”
Beyne bakmak
Nörobilimciler yıllardır fonksiyonel manyetik rezonans görüntüleme, fMRI, kullanarak insanların ne gördüğünü ve zihinlerinde neler olup bittiğini yeniden oluşturmanın yolları üzerinde çalışıyor. İlk denemeler bulanık ve anlaşılması zor görüntüler üretti. Hem fMRI taramalarındaki hem de sonuçları anlamak için kullanılan araçlardaki teknolojik gelişmeler yıllar içinde iyileşmeye yol açtı.
Irani ve meslektaşları ilk olarak kamuya açık beyin taraması verilerini analiz etmeye başladı. Diğer araştırmacılar, gönüllülerin fMRI tarayıcılarında yatarken yüzlerce görüntü gösterildiği taramaları zaten toplamıştı.
fMRI, beyin boyunca oksijenli kan akışını izlemek için dev bir mıknatıs kullanıyor. Taramalarda “ışık saçan” beyin bölgelerinin o anda özellikle aktif olduğu düşünülüyor. Sonuçlar özellikle spesifik değil; tipik fMRI tarayıcılarda vurgulanan bir aktivite “vokseli” yaklaşık üç kübik milimetre kaplıyor. Her kübik milimetre yaklaşık 16 bin nöron içeriyor.
Irani ve ekibi ise daha yüksek çözünürlüklü tarayıcılarla toplanan daha yeni veri setlerini kullandı; her voksel yaklaşık bir kübik milimetrelik nöronu kapsıyor, diyor. Bu veri setleri, gönüllülerin çeşitli görüntülere bakarken beyin aktivitesinin nasıl göründüğünü gösterdi.
Diğer ekipler de bunu yaptı ve beyin taraması verilerinden görüntüleri yeniden oluşturmak için birkaç araç kullanıldı. Ancak Irani’ye göre bunlar yeterli değil. Bir kişi muz görmüşse, bu modeller muz görüntüsü üretebiliyor ama farklı görünecek, diyor. “Aynı yapıya, aynı konuma sahip olmayacak.”
Daha iyi bir kod çözücü
Araştırmacılar görülen görüntüleri daha yakından yeniden oluşturmak istedi. İlk adım, her birine yüksek çözünürlüklü bir fMRI tarayıcısında yaklaşık 9 bin görüntü gösterilen sekiz kişiden elde edilen mevcut veriler üzerinde bir yapay zekâ modeli eğitmekti.
Kritik olarak, “beyin kod çözücüleri” iki kola sahip; biri bir görüntünün yapısını, örneğin renklerin nerede olduğunu tahmin ediyor, diğeri içeriğini tahmin ediyor, örneğin bir tabakta bir muz demeti. Tahminler, gürültülü bir piksel yığınına yavaş yavaş temizlik yaparak video ve görüntü oluşturmakla bilinen bir yapay zekâ türü olan difüzyon modelinin, kişinin gördüğü şeyin çok daha doğru bir temsilini üretmesini sağlıyor.
Ama modelleri iyileştirmek için çok daha fazla veriye ihtiyaç vardı; mevcut olandan çok daha fazla.
Bu sorunu aşmak için Irani ve meslektaşları bir görüntüden beyin aktivitesini tahmin edebilen bir kodlayıcı olan başka bir model eğitti. Ekip daha sonra kodlayıcı ve kod çözücüyü birlikte kullanarak her iki aracı da geliştirdi.
Şöyle çalışıyor: Yeni bir leopar görüntüsüyle başla. Ardından kodlayıcıyı kullanarak kişinin o resmi gördüğü sırada fMRI beyin taramasının nasıl görüneceğini tahmin et. Daha sonra kod çözücü görüntüyü yeniden oluşturmak için kullanılıyor. İlk başta yeniden oluşturma muhtemelen bir leopara benzemeyecek, diyor Irani. Ama modelleri bu şekilde tekrar tekrar eğitmek sonunda dramatik iyileşmelere yol açıyor.
Bu yaklaşım aynı zamanda ekibin fMRI taramalarıyla hiç gösterilmemiş görüntüler de dahil olmak üzere istedikleri kadar görüntü üzerinde modellerini eğitmesine olanak tanıyor. Irani, eğitim verilerinin yaklaşık %70’inin orijinal olarak fMRI taramalarıyla eşleştirilmemiş görüntülerden oluştuğunu söylüyor.
Birden fazla çalışmadan elde edilen verileri birleştirerek, tüm bireylerde ortak işlev gibi görünen beyin bölgelerini de belirleyebildiler. Bir bölge örneğin yemek görüntüleriyle tepki verirken, başka bir bölge spor görüntüleriyle tepki verdi. Bilgisayar bilimci olan Irani, şimdi nörobilimcilerle birlikte “geliştirdiğimiz bu araçları gerçekten beynimiz hakkında yeni şeyler bulmak için kullanıp kullanamayacağımızı görmek” için çalıştığını söylüyor.
Ortaya çıkan “evrensel beyin kodlayıcısı” yeni bir kişiden gelen bir taramada minimum kalibrasyonla çalışabiliyor. Diğer denemelerde bir araç, o kişinin ne gördüğünü tahmin edebilmek için yeni herkeste tipik olarak yaklaşık 40 saat fMRI verisi gerektiriyordu. Irani’nin kod çözücüsü bir saatlik veri istiyor, diyor. Bulgu geçen ay New York’ta düzenlenen Bilişsel Hesaplamalı Nörobilim konferansında sunuldu.
Bu, beyni inceleyen nörobilimciler için değerli olabilir, diyor Sprague. “Hiçbirimiz yeni bir katılımcı için 40 saat görüntülemeyi karşılayamıyoruz” diyor. “Saatlik yaklaşık 600 ila 1.000 dolar.” Bu tür araçlar araştırmayı hızlandırabilir, diyor.
Teknolojinin durumu
Kodlayıcı ve kod çözücü mükemmel değil. “Elbette başarısızlıklarımız var” diyor Irani. Zoom üzerinden yaptığı açıklamada, aracının bir kek görüntüsünü üç sandviç yığını olarak yeniden oluşturduğunu ve küvettaki bir köpeği benzer renkte küvettaki bir keçiye dönüştürdüğünü gösterdi.
Ama bunlar teknolojinin ulaştığı nokta. Karşılaştırmalı bir testte araç, daha önce tanımlananlardan çok daha iyi bulundu. Irani, “Genel olarak diğerlerini önemli bir farkla geride bıraktık” diyor. “Zihin okuma” yaptıkları için “sevimli, havalı bir isim” olduğunu ekliyor.
Irani şimdi görüntülerin ötesine, video ve sese geçmeyi planlıyor. İnsanların ne hakkında düşündüğünü ya da hayal ettiğini ve rüyalarının içeriğini yeniden oluşturabilmek istiyor. “Bunu henüz yapmıyoruz” diyor. “Ama bunu başarmaya çalışıyoruz.”
Böyle bir araç, tamamen felçli “kilitli kalan” insanların yalnızca beyin aktivitesiyle iletişim kurmasını sağlayabilir, diyor. Ayrıca bilim insanlarının PTSD anılarının nasıl göründüğü gibi zihnimizin işleyişiyle ilgili kalıcı gizemleri çözmesine de yardımcı olabilir.
Böyle gelişmeler kaçınılmaz olarak zihinsel gizlilik sorularını gündeme getiriyor. Peki kötü niyetli biri birinin düşüncelerini ya da anılarını yeniden oluşturabilirse ne olur?
“Bana bunu 10 yıl önce sorsaydınız, çok gülerdim” diyor Sprague. İstekli bir kişinin tarayıcıda hareketsiz yatıp bir araştırma sorusuyla aktif olarak ilgilenmesini sağlamak bile yeterince zor; bunu isteksizce yaptırmayı hayal edin. Ancak Irani ve diğer bilim insanları beyin aktivitesini EEG’den, elektrot başlığı ya da hatta kulaklık yoluyla toplanan elektriksel beyin aktivitesi ölçümlerinden çözmek için benzer yaklaşımlar üzerinde çalışıyor.
Ve modeller geliştikçe, bu şekilde toplanan beyin aktivitesini analiz etmek daha da kolaylaşacak. “Etik hususları biraz daha ciddiye almamız gerekiyor” diyor Sprague. Irani’nin yaklaşımının bir kişinin bakmadığı ama düşündüğü görüntüleri tahmin etmede muhtemelen “oldukça iyi” çalışacağını düşünüyor.
EEG’ye geçiş “oyun değiştirici” olur, diyor Almanya’nın Münih Teknik Üniversitesi’nde nörobilimci ve filozof olan Marcello Ienca. Bir EEG cihazı bir kullanıcının kendi beynine kalibre edildikten sonra, şirketlerin o kişinin beyninden ek bilgileri, potansiyel olarak rıza olmadan çıkarması nispeten kolay olabilir. Ienca ayrıca bazı mahkemelerin zihinsel görüntü yeniden yapılandırmalarını yasal delil olarak kabul edebileceğini hayal edebiliyor.
“Bu iyi niyetli bir araştırma olduğu konusunda hiç şüphem yok, ama aynı zamanda etik ve toplumsal açıdan sorunlu ticari kullanımlar için ele geçirilebileceğinin de oldukça açık olduğunu düşünüyorum” diyor.
Irani, EEG kullanımıyla kötüye kullanım potansiyelini kabul ediyor. Ama şimdilik endişeli değil. “Sadece iyi şeyler düşünmeye çalışıyorum” diyor.
