Tokyo, Japan – Yu Takagi traute seinen Augen nicht. An einem Samstagnachmittag im September saß er allein an seinem Schreibtisch und beobachtete mit Ehrfurcht, wie künstliche Intelligenz die Gehirnaktivität eines Probanden entschlüsselte, um Bilder dessen zu erstellen, was er auf einem Bildschirm sah.
„Ich erinnere mich noch, als ich den ersten gesehen habe [AI-generated] Bilder“, sagte Takagi, ein 34-jähriger Neurowissenschaftler und Assistenzprofessor an der Universität Osaka, gegenüber Al Jazeera.
„Ich ging ins Badezimmer und betrachtete mich im Spiegel und sah mein Gesicht und dachte: ‚Okay, das ist normal. Vielleicht werde ich nicht verrückt’“.
Takagi und sein Team verwendeten Stable Diffusion (SD), ein Deep-Learning-KI-Modell, das 2022 in Deutschland entwickelt wurde, um die Gehirnscans von Testpersonen zu analysieren, denen bis zu 10.000 Bilder in einem MRT-Gerät gezeigt wurden.
Nachdem Takagi und sein Forschungspartner Shinji Nishimoto ein einfaches Modell erstellt hatten, um die Gehirnaktivität in ein lesbares Format zu „übersetzen“, war Stable Diffusion in der Lage, High-Fidelity-Bilder zu erzeugen, die eine unheimliche Ähnlichkeit mit den Originalen aufwiesen.
Die KI könnte dies tun, obwohl ihr die Bilder nicht im Voraus gezeigt oder in irgendeiner Weise trainiert wurden, um die Ergebnisse herzustellen.
„Wir haben wirklich nicht mit einem solchen Ergebnis gerechnet“, sagte Takagi.
Takagi betonte, dass der Durchbruch zu diesem Zeitpunkt kein Gedankenlesen darstellt – die KI kann nur Bilder erzeugen, die eine Person gesehen hat.
„Das ist kein Gedankenlesen“, sagte Takagi. „Leider gibt es bei unserer Forschung viele Missverständnisse.“
„Wir können Vorstellungen oder Träume nicht entschlüsseln; Wir halten dies für zu optimistisch. Aber natürlich gibt es Potenzial für die Zukunft.“
Die Entwicklung hat jedoch Bedenken darüber geweckt, wie eine solche Technologie in Zukunft inmitten einer breiteren Debatte über die Risiken von KI im Allgemeinen eingesetzt werden könnte.
In einem offenen Brief im vergangenen Monat forderten Technologieführer, darunter Tesla-Gründer Elon Musk und Apple-Mitbegründer Steve Wozniak, eine Pause bei der Entwicklung von KI aufgrund „tiefgreifender Risiken für die Gesellschaft und die Menschheit“.
Trotz seiner Aufregung räumt Takagi ein, dass Befürchtungen rund um die Gedankenlesetechnologie nicht unbegründet sind, angesichts der Möglichkeit des Missbrauchs durch Personen mit böswilliger Absicht oder ohne Zustimmung.
„Für uns sind Datenschutzfragen das Wichtigste. Wenn eine Regierung oder Institution die Gedanken der Menschen lesen kann, ist das ein sehr heikles Thema“, sagte Takagi. „Es müssen Diskussionen auf hoher Ebene geführt werden, um sicherzustellen, dass dies nicht passieren kann.“
Die Forschung von Takagi und Nishimoto hat in der Tech-Community viel Aufsehen erregt, die durch halsbrecherische Fortschritte in der KI elektrisiert wurde, einschließlich der Veröffentlichung von ChatGPT, das eine menschenähnliche Sprache als Reaktion auf die Eingabeaufforderungen eines Benutzers erzeugt.
Ihr Papier, in dem die Ergebnisse detailliert beschrieben werden, gehört laut Altmetric, einem Datenunternehmen, zu den besten 1 Prozent für das Engagement unter den mehr als 23 Millionen Forschungsergebnissen, die bisher verfolgt wurden.
Die Studie wurde auch für die Conference on Computer Vision and Pattern Recognition (CVPR) angenommen, die für Juni 2023 angesetzt ist, ein gemeinsamer Weg zur Legitimierung bedeutender Durchbrüche in den Neurowissenschaften.
Trotzdem sind Takagi und Nishimoto vorsichtig, sich von ihren Erkenntnissen mitreißen zu lassen.
Takagi behauptet, dass es zwei Hauptengpässe für echtes Gedankenlesen gibt: die Gehirnscan-Technologie und die KI selbst.
Trotz Fortschritten bei neuronalen Schnittstellen – einschließlich Elektroenzephalographie (EEG)-Gehirncomputern, die Gehirnströme über Elektroden erkennen, die mit dem Kopf eines Probanden verbunden sind, und fMRI, das die Gehirnaktivität misst, indem es Veränderungen im Zusammenhang mit dem Blutfluss erkennt – glauben Wissenschaftler, dass wir noch Jahrzehnte davon entfernt sein könnten in der Lage, imaginäre visuelle Erfahrungen genau und zuverlässig zu entschlüsseln.
In der Forschung von Takagi und Nishimoto mussten die Probanden bis zu 40 Stunden in einem fMRT-Scanner sitzen, was sowohl kostspielig als auch zeitaufwändig war.
In einer Veröffentlichung aus dem Jahr 2021 stellten Forscher des Korea Advanced Institute of Science and Technology fest, dass konventionellen neuronalen Schnittstellen aufgrund der weichen und komplexen Natur des Nervengewebes, das auf ungewöhnliche Weise reagiert, wenn es mit synthetischen Schnittstellen in Kontakt kommt, „eine chronische Aufzeichnungsstabilität fehlt“.
Darüber hinaus schrieben die Forscher: „Gegenwärtige Aufnahmetechniken verlassen sich im Allgemeinen auf elektrische Wege, um das Signal zu übertragen, das anfällig für elektrisches Rauschen aus der Umgebung ist. Da das elektrische Rauschen die Empfindlichkeit erheblich stört, ist es noch nicht einfach, feine Signale aus der Zielregion mit hoher Empfindlichkeit zu erzielen.“
Aktuelle KI-Einschränkungen stellen einen zweiten Engpass dar, obwohl Takagi anerkennt, dass diese Fähigkeiten von Tag zu Tag Fortschritte machen.
„Ich bin optimistisch für die KI, aber ich bin nicht optimistisch für die Gehirntechnologie“, sagte Takagi. „Ich denke, das ist der Konsens unter den Neurowissenschaftlern.“
Das Framework von Takagi und Nishimoto könnte mit anderen Gehirn-Scanning-Geräten als MRT verwendet werden, wie z. B. EEG oder hyperinvasiven Technologien wie den Gehirn-Computer-Implantaten, die von Elon Musks Neuralink entwickelt werden.
Trotzdem glaubt Takagi, dass es derzeit wenig praktische Anwendung für seine KI-Experimente gibt.
Zunächst einmal lässt sich die Methode noch nicht auf neuartige Themen übertragen. Da die Form des Gehirns von Person zu Person unterschiedlich ist, können Sie ein Modell, das für eine Person erstellt wurde, nicht direkt auf eine andere übertragen.
Aber Takagi sieht eine Zukunft, in der es für klinische, Kommunikations- oder sogar Unterhaltungszwecke verwendet werden könnte.
„Es ist schwer vorherzusagen, wie eine erfolgreiche klinische Anwendung in diesem Stadium aussehen könnte, da es sich noch um sehr explorative Forschung handelt“, sagte Ricardo Silva, Professor für Computational Neuroscience am University College London und Research Fellow am Alan Turing Institute, gegenüber Al Jazeera.
„Dies könnte sich als eine zusätzliche Möglichkeit erweisen, einen Marker für die Alzheimer-Erkennung und Progressionsbewertung zu entwickeln, indem bewertet wird, auf welche Weise man anhaltende Anomalien in Bildern von visuellen Navigationsaufgaben erkennen kann, die aus der Gehirnaktivität eines Patienten rekonstruiert wurden.“
Silva teilt Bedenken hinsichtlich der Ethik der Technologie, die eines Tages für echtes Gedankenlesen verwendet werden könnte.
„Die dringendste Frage ist, inwieweit der Datensammler gezwungen werden sollte, die Verwendung der gesammelten Daten in allen Einzelheiten offenzulegen“, sagte er.
„Es ist eine Sache, sich anzumelden, um einen Schnappschuss Ihres jüngeren Ichs zu machen, vielleicht für zukünftige klinische Zwecke … Es ist noch eine ganz andere Sache, es für sekundäre Aufgaben wie Marketing oder, schlimmer noch, für Rechtsfälle zu verwenden gegen jemandes eigene Interessen.“
Dennoch haben Takagi und sein Partner nicht die Absicht, ihre Forschung zu verlangsamen. Sie planen bereits die zweite Version ihres Projekts, die sich auf die Verbesserung der Technologie und ihre Anwendung auf andere Modalitäten konzentrieren wird.
„Wir entwickeln uns jetzt viel besser [image] Rekonstruktionstechnik“, sagte Takagi. “Und es geschieht in einem sehr schnellen Tempo.”