Quello che vedi nel cervello diventa un’immagine: la nuova frontiera dell’AI

Ricercatori israeliani hanno sviluppato Brain-IT, un sistema di intelligenza artificiale che ricostruisce immagini viste da una persona tramite risonanza magnetica funzionale. Il sistema, addestrato con dati di otto volontari, supera i metodi precedenti in precisione e adattabilità, richiedendo solo un'ora di registrazioni per una nuova persona.

Ricercatori israeliani hanno creato un sistema di intelligenza artificiale in grado di ricostruire le immagini viste da una persona a partire dai dati di scansione cerebrale. Brain-IT trasmette la posizione degli oggetti, la loro forma e il colore con maggiore precisione rispetto ai metodi precedenti, e per adattarsi a una nuova persona alla modello bastano circa un’ora di registrazioni.

Il sistema riceve dati da risonanza magnetica funzionale. Lo scanner non fotografa i pensieri né registra l’attività di singoli neuroni. Traccia invece le variazioni del flusso sanguigno e della saturazione di ossigeno nel sangue in diverse aree del cervello, mentre l’algoritmo cerca in queste variazioni i segni dell’immagine che la persona ha visto al momento della scansione.

Il principale problema dei metodi precedenti risiedeva nella generazione dell’immagine stessa. La rete neurale poteva correttamente identificare, ad esempio, che davanti alla persona ci fosse un cane o un’auto, ma poi ricostruiva la scena in base alle proprie ipotesi: modificava la posizione dell’oggetto, il colore, la forma o lo sfondo. Di conseguenza, l’immagine risultava plausibile ma trasmetteva male l’immagine reale.

Brain-IT divide il compito in due parti. Un ramo ricostruisce la composizione generale, le forme e la posizione degli oggetti, mentre l’altro determina il significato dell’immagine. Successivamente, un modello generativo unisce entrambi gli indizi e assembla l’immagine finale. Questo approccio aiuta a mantenere non solo il contenuto della scena, ma anche la sua struttura.

Per l’addestramento, i sviluppatori hanno utilizzato un dataset aperto di registrazioni cerebrali di otto volontari che hanno osservato migliaia di fotografie all’interno di un potente scanner a risonanza magnetica. Durante i test su quattro partecipanti, Brain-IT ha superato i metodi precedenti in quasi tutti gli indicatori di qualità utilizzati, trasmettendo in particolare con grande precisione la posizione spaziale degli oggetti.

Un altro vantaggio riguarda l’adattamento a una nuova persona. Il cervello di ogni individuo presenta lievi differenze anatomiche, quindi l’algoritmo deve comprendere quali aree svolgono funzioni simili. Brain-IT raggruppa le aree cerebrali in base al loro funzionamento e trasferisce le regolarità già studiate tra le persone. Grazie a ciò, circa un’ora di registrazioni di un nuovo partecipante fornisce una qualità comparabile ai sistemi precedenti, che richiedevano circa 40 ore. L’ora è necessaria per adattare il modello già addestrato, non per addestrare Brain-IT da zero.

La tecnologia è ancora lontana dalla lettura vera e propria dei pensieri. Brain-IT ricostruisce le immagini che la persona ha effettivamente visto durante la scansione e può comunque commettere errori. Inoltre, la risonanza magnetica funzionale richiede un tomografo di grandi dimensioni e un partecipante immobile all’interno dell’apparecchio, rendendo attualmente impossibile ottenere tali dati in modo discreto.

Gli sviluppatori vogliono insegnare al sistema di lavorare non solo con immagini statiche, ma anche con video, suoni, scene immaginarie e sogni. Al momento, Brain-IT non ne è capace. I ricercatori stanno inoltre studiando metodi più semplici per registrare l’attività cerebrale, tra cui l’EEG, dove i segnali elettrici vengono registrati tramite elettrodi sulla cute del capo. Se la precisione di tali metodi aumenterà, la protezione dei dati neurali diventerà molto più pratica rispetto a oggi.

Carolina Vivianti

Carolina Vivianti è consulente/Advisor autonomo in sicurezza informatica con esperienza nel settore tech e security. Ha lavorato come Security Advisor per Ford EU/Ford Motor Company e Vodafone e ha studi presso la Sapienza Università di Roma.

Aree di competenza: Cybersecurity, IT Risk Management, Security Advisory, Threat Analysis, Data Protection, Cloud Security, Compliance & Governance