מחשב קורא מחשבות?

אנו שומעים רבות על בינה מלאכותית בהקשרים שונים. אחד מסוגי הבינה המלאכותית מתבסס על רשתות מלאכותיות של תאי עצב, שמדמות את פעולת המוח האנושי בשעה שהוא נדרש לפענח דפוסים על סמך בחינת דוגמאות רבות.

אחד השימושים היותר מעניינים של הטכנולוגיה הזאת הוא הבנה של דפוסי הפעולה של מוח האדם. ממבט פילוסופי אפשר להסתכל על זה כעל מוח מלאכותי שמנסה להבין טוב יותר את המוח שיצר אותו. חוקרים מיפן יצרו כעת אלגוריתם מחשב שמסוגל לקרוא מחשבות, או ליתר דיוק לשחזר את התמונה שעליה אדם מסתכל באמצעות דימות של פעילות המוח שלו בזמן הצפייה בה. שיטת הדימות נקראת MRI פונקציונלי (fMRI) ובעברית "דימות תהודה מגנטית תפקודי". שיטה זו משמשת למדידת פעילות מוחית באזורים שונים במוח במצבים שונים. השיטה מתבצעת ע"י מכשיר MRI והיא נחשבת לאחד הכלים החשובים ביותר במחקר מדעי המוח.

לצורך המשימה נעזרו החוקרים בטכנולוגיות חדשניות בתחום הראייה הממוחשבת ופענוח סריקות מוח באמצעות fMRI. רוב השיטות הללו משתמשות בסוג כלשהו של רשתות עצבים מלאכותיות, שאת חלקן פיתחו החוקרים בעצמם. אחת מהטכנולוגיות הללו מאפשרת לפענח או לתרגם תמונת MRI תפקודי. בזמן שאדם רואה תמונה, לתוויות, כלומר שכבות על גבי שכבות של ערכים מספריים. התוויות האלה מקבילות לחישובים הפנימיים שנעשים בתוך רשת תאי עצב שמנסה לסווג אותה תמונה.

כדי להבין את זה, אפשר לדמיין שמוח אמיתי ומוח מלאכותי רואים תמונה של כלב. שניהם ינסו להבין את הרבדים השונים של התמונה ולאמוד את הקשר ביניהם, ויסכמו אותם בכמה תוויות שהצירוף שלהן אומר "זהו כלב". עם זאת, אפשר לדמיין ששני המוחות משתמשים בשפה שונה של תוויות כדי לייצג את הרבדים השונים של התמונה. כלי הפענוח החדש יודע לתרגם בין שתי השפות הללו.

תחרות בין רשתות

הטכנולוגיה השנייה שבה נעזרו במחקר היא יצירת תמונות מלאכותיות באמצעות מה שמכונה "רשתות תחרותיות" (Generative Adversarial Networks). מדובר במודל שכולל שתי רשתות: מייצרת וממיינת. הרשת המייצרת נועדה ליצור תמונות כמה שיותר דומות למציאות על סמך תוויות שהוזנו לתוכה – במקרה הנוכחי אותן תוויות שפוענחו מתמונת ה-MRI. הרשת הממיינת מקבלת תמונות מקוריות לצד תמונות שיצרה הרשת המייצרת, והיא נועדה לזהות מהן התמונות המקוריות.

שתי הרשתות נמצאות בעצם בתחרות מתמדת זו עם זו. הרשת המייצרת מנסה לבלבל את הרשת הממיינת, שמנסה בתורה לזהות בתוך כלל התמונות את אלה שיצרה הרשת המייצרת. התחרות הזו גורמת לשתי הרשתות להשתפר. לבסוף, רק הרשת המייצרת היא זו שבאמת משתמשים בה לצורך ייצור התמונות. הרשת הממיינת נחוצה רק במהלך האימון של הרשת המייצרת, כדי לספק לה "מוטיבציה" לייצר תמונות כמה שיותר קרובות למקור.

החוקרים עשו שילוב מעניין בין הטכנולוגיות הללו. הם פענחו את תמונת ה-MRI התפקודי לתוויות שמייצגות את התמונה האמיתית, וייצרו ממנה תמונה חדשה שהתוויות שלה יהיו כמה שיותר דומות לאלה שפוענחו מתמונת הדימות. הם השתמשו לשם כך ברשת מייצרת שאומנה לייצר תמונות מציאותיות של אובייקטים. התוצאות מרתקות, ואף על פי שאי אפשר להתבלבל בין תמונה משוחזרת לתמונה אמיתית, אפשר בהחלט להבין לפעמים מה האנשים ראו בזמן שמוחם נסרק – דבר מדהים בפני עצמו.

צפו בסרטון של מעבדת המחקר. האובייקט האמיתי בצד שמאל, והתפיסות הממוחשבות בצד ימין:

לא קוראים מחשבות

החלק השני של המחקר היה אפילו יותר שאפתני ומעניין. החוקרים ניסו להפעיל את אותה טכנולוגיה בזמן שביקשו מהנסיינים לדמיין את התמונה שראו. סריקת המוח נעשתה בזמן שהנסיין דמיין את התמונה במקום לראות אותה ממש. קצת קשה להעריך את התוצאות מפני שאין מדד טוב להעריך עד כמה התמונה המשוחזרת נראית כמו המקורית. בחלק מהתמונות המשוחזרות ניתן להבין בקלות באיזה אובייקט מדובר, ובחלק אחר רק לאחר שרואים את התמונה המקורית, מבינים שהשחזור היה יחסית מוצלח. עם זאת, חלק מהתמונות המשוחזרות בלתי ניתנות לזיהוי.

למרות ההתקדמות האדירה, המדע רחוק מאוד עדיין מקריאת מחשבות אמיתית, ועוד יותר רחוק מלהבין באמת איך התהליך עובד. גם מוח מלאכותי, שיוכל לשחזר במדויק מה אנחנו רואים על סמך סריקה של המוח שלנו, לא יוכל להסביר לנו בדיוק איך פועל מנגנון הראייה.

יש לציין שהמאמר לא פורסם עדיין בכתב עת מדעי עם ביקורת עמיתים, אלא באתר מדעי חופשי (bioRxiv) שמדענים מעלים אליו מאמרים, בדרך כלל לפני הפרסום הרשמי, כדי למנוע מחוקרים אחרים לפרסם עבודה דומה לפניהם, וגם כדי שעבודתם תתחיל להשפיע על התחום עוד לפני הפרסום. בשנים האחרונות יותר ויותר חוקרים, במיוחד במדעי המחשב ובמתמטיקה, מוותרים על ביקורת העמיתים ומפרסמים רק במסגרות כאלה. זה לא בהכרח מוריד מאיכות העבודה או מהאמינות שלה, אבל כשקוראים ומעריכים את המחקר, צריך לשקלל גם את זה.