读心新突破 Brain-IT凭fMRI还原图像

时间：2026 年 10 月初，Weizmann 团队 Brain-IT 模型登上多家国际媒体；ICLR 2026 已收录该研究。 地点：以色列雷霍沃特魏茨曼科学研究所 Weizmann Institute of Science，发布渠道包括 arXiv 预印本与 ICLR 2026 海报。 人物：魏茨曼科学研究所计算机科学教授 Michal Irani 领衔；论文合著者 Roman Beliy、Amit Zalcher、Jonathan Kogman、Navve Wasserman 等共同完成。 事件详情：魏茨曼科学研究所 10 月初正式对外展示 Brain-IT 模型，借助高分辨率功能性磁共振成像 fMRI 数据，将受试者观看图像时的大脑活动反向重建为接近原图的视觉画面。模型由脑交互变换器 Brain Interaction Transformer 与一个图像编码器两条分支构成，编码器先由图像预测脑活动、补足 fMRI 训练样本不足的难题，解码器再把脑活动拆解为 128 个跨人群共有的功能脑区，分两条路径分别预测图像的高层语义特征（例如一碟香蕉）和低层结构特征（例如颜色与构图），最终由扩散模型把这些特征融合为还原影像。训练数据集来自 8 名受试者，每人观看约 9000 张、共约 73000 张图像的 NSD 自然场景数据集。 背景：传统脑解码工具通常需要为每位新受试者采集约 40 小时 fMRI 数据才能适配，且容易把蛋糕还原成三文治、把浴缸里的狗还原成山羊；Brain-IT 把新受试者适配时长压缩到约 1 小时，并在多个标准指标上反超此前的最佳成绩，例如 SSIM 从 0.426 提升到 0.486、Pixel Correlation 从 0.319 提升到 0.386，覆盖 NSD 10 到 11 名受试者。模型还识别出 128 个跨人群共享的图像处理功能区，其中负责场所感知的 PPA 脑区可进一步拆分为对室内和室外场景分别响应的两个子区，部分区域在此前的神经科学文献中未被独立标注。 影响：研究已被国际学习表征会议 ICLR 2026 正式接收为海报论文（论文编号 10011123），论文摘要明确把 1 小时 fMRI 适配即可达成 40 小时训练可比质量作为核心卖点。视觉解码长期面临训练数据稀缺、模型跨个体泛化弱、还原图像失真三大瓶颈，Brain-IT 通过共享功能簇 + 跨受试者编码器双向数据增广的思路给出一条可复制的工程路径；后续若把 fMRI 与脑电图 EEG 信号融合、或把扩散模型换成视频扩散模型，视频乃至梦境解码将具备技术可行性。但 fMRI 时间分辨率约 2 秒一次扫描，与脑内毫秒级视觉处理存在两个数量级的速度差，这仍是把读心推向读梦的硬约束；同时模型仍存在失真案例，滥用风险也被神经科学界明确提醒。 总结：Brain-IT 把读心模型的新受试者适配门槛从 40 小时压到 1 小时，并在 NSD 三大主流指标上同时刷新 SOTA，把视觉解码从单实验室 demo 阶段带到 ICLR 主流会议级别；但 fMRI 速度瓶颈、跨人群脑功能图谱修订、以及隐私边界三道关，决定了它能否从论文走向临床乃至消费级应用。 参考来源： - https://iclr.cc/virtual/2026/poster/10011123 - https://hypepaper.app/papers/67c9b51e-189d-4a70-80b5-d4f15da8d93c - https://www.businesstoday.in/technology/news/story/this-ai-can-turn-brain-activity-into-images-israeli-scientists-develop-new-visual-decoding-system-560027-2026-10-08 - https://www.bioscience.com.pk/en/subject/technology/scientists-can-now-rebuild-images-from-brain-scans-and-dreams-could-be-next - https://unwire.hk/2026/10/08/ai-mind-reading-brain-scan/life-tech/health - https://hk.on.cc/hk/bkn/cnt/intnews/20261009/bkn-20261009060252796-1009_00992_001.html - https://dy.163.com/article/L8TJ980E0534A4SC.html - https://www.sohu.com/a/1086085255_121276387 - https://chatpaper.com/de/paper/247148