LONDON (IT BOLTWISE) – Forschende mit dem Projekt Brain-IT zeigen, dass sich aus fMRT-Scans deutlich mehr als nur grobe Kategorien ableiten lassen. Die KI rekonstruiert betrachtete Bilder strukturell und semantisch und bringt dabei sogar Details wie Motiv-Elemente und Bildvarianten zusammen. In ihrem Ansatz kombiniert das Team einen Encoder/Decoder-Mechanismus mit einem Trainingsverfahren, das sich aus dem Rückübersetzen zwischen Bildern und Gehirnscans selbst ein größeres Datenfundament aufbaut. Gleichzeitig rückt das Ergebnis die Datenschutzfrage bei KI-gestützter Gedankenanalyse in den Fokus.
Das aktuelle Ergebnis rund um Brain-IT wirkt wie eine technische Abkürzung auf dem Weg von „Gefühle lesen“ in Richtung konkreter Bildrekonstruktion. Statt nur zu bestimmen, ob eine Person etwa an Essen oder Sport denkt, geht das System einen Schritt weiter: Es erzeugt aus Hirnscans Rekonstruktionen, die sowohl in ihrer Bildstruktur als auch semantisch den tatsächlich betrachteten Motiven ähneln. Besonders bemerkenswert ist dabei das Tempo. In der Darstellung des Projekts entsteht die Rekonstruktion innerhalb von etwa einer Stunde, während frühere Ansätze teils deutlich länger brauchten und damit weniger praxisnah waren.
Technisch basiert Brain-IT auf einer Verarbeitung von fMRT-Daten, die mit Bildinhalten gekoppelt werden. Das Team trainierte das Modell mit über 70.000 Bildern, die während einer Studie mit acht Versuchspersonen gesammelt wurden, während diese verschiedene Darstellungen ansahen. Damit liegt die Datengrundlage im Vergleich zu typischen KI-Trainings-Setups nicht im Bereich von Millionen Beispielen. Genau dieses „kleine“ Problem löst die Arbeitsgruppe mit einem Encoder-Setup: Das System lernt nicht nur, Bildinhalte aus Gehirnaktivität zu dekodieren, sondern kann die Zuordnung auch in die Gegenrichtung nutzen. In der Argumentation ergibt sich daraus ein selbstverstärkender Effekt beim Aufbau eines größeren Trainingsspektrums.
Aus der Beschreibung der Forschenden folgt der Kernmechanismus so: Man startet mit einem zufälligen Bild, übersetzt es in eine erwartete Gehirnrepräsentation, und übersetzt diese Vorhersage anschließend zurück in den Bildraum. Dadurch „baut“ das Modell im Training gewissermaßen selbst zusätzliche Datenvarianten auf, obwohl die zugehörigen fMRT-Scans für diese konkreten Bilder nie direkt in der Maschine gemessen wurden. Das ist nicht nur eine Effizienzidee, sondern auch eine methodische Verschiebung: Das neuronale Modell soll dabei lernen, welche Gehirnaktivitäten Bildmerkmale effektiv codieren. In der Auswertung identifiziert Brain-IT 128 funktionale Regionen – teils bekannte, teils neue – die offenbar ähnliche Aufgaben über Personen hinweg übernehmen.
Für die Interpretation ist interessant, dass das System nicht völlig beliebige Rekonstruktionen liefert, sondern unterscheidbare Aktivitätsmuster entlang von Motivklassen zeigt. So reagieren bestimmte Bildsynthese-Komponenten auf Food-Motive, während andere stark auf Sportbilder ansprechen. Daneben ordnen sich Bereiche offenbar nach Kontexten, etwa wenn Innen- und Außenansichten im Spiel sind. Genau an dieser Stelle wird das Ergebnis für die Neurowissenschaften greifbar: Wenn das Modell tatsächlich robuste Korrespondenzen zwischen visuellen Kategorien und verarbeitenden Arealen findet, kann es helfen, Hypothesen zur Informationskodierung schneller zu testen als klassische Paradigmen mit langen Scanzeiten.
Im Markt- und Anwendungsumfeld trifft das Vorhaben auf zwei Erwartungen. Erstens: Viele Forschungsteams scheitern nicht am theoretischen Interesse, sondern an praktischen Hürden im Messprozess. Dazu passt die Aussage von Tommy Sprague, Neurowissenschaftler an der University of California, Santa Barbara: „None of us can afford 40 hours of imaging for a new subject, “ und er nennt zugleich Kosten von „$600 to $1,000 an hour.“ Zweitens: Der Schritt von „Wiedergabe als grobe Klasse“ zu „rekonstruierbarer Inhalt“ verändert die Sicherheits- und Governance-Diskussion. Wenn ein Tool Informationen aus privaten Gedanken ableiten kann, rückt KI-basierte Gedankenanalyse aus dem Science-Fiction-Bereich näher an reale Bedrohungsmodelle.
Das Team adressiert diesen Spannungsbogen auch selbst. Laut der Darstellung hofft Michal Irani, die Technologie künftig weiterzuentwickeln, um den Abgleich noch tiefer in Richtung Traum-ähnlicher Inhalte zu erweitern. Gleichzeitig verweist Sprague darauf, dass das Risiko besonders dann wächst, wenn Informationen „surreptitiously“ aus dem Denken extrahiert werden können – dann wird ein bisheriger Science-Fiction-Gedanke tatsächlich praktikabel. Für Unternehmen und Forschungslabore bedeutet das: Wer KI-Modelle rund um Bilddaten und Gehirnscans einsetzt, braucht nicht nur Genauigkeit, sondern auch klare Regeln für Zugriff, Datenminimierung und einen verantwortbaren Einsatzkontext. Denn selbst wenn ein System zunächst auf Studien und medizinische Unterstützung abzielt, bleibt der Datenschutzeffekt eine zentrale technische und organisatorische Frage.
💳 Amazon-Kreditkarte mit 2.000 Euro Limit bestellen!
🔥 Heutige Hot Deals bei Amazon: Bis zu 80% Rabatte!
🎉 Amazon Haul-Store für absolute Schnäppchenjäger!
- ★ 23-stufiges KI-Go-Training – Für Spieler mit Grundkenntnissen der Regeln – Entwickelt als intelligenter Trainingspartner passt sich die KI Spielern von 18K bis 9D an. Ideal für alle, die die Grundregeln bereits beherrschen und ihr Spiel verbessern möchten.
- IHR EMOTIONALER AI-BEGLEITER: Eiliko ist mehr als nur ein Anhänger, es ist ein charismatischer KI-Freund. Mit einem dynamischen LED-Bildschirm, der eine Vielzahl von animierten Gesichtern und Ausdrucksformen anzeigt, reagiert er auf Ihre Interaktionen mit einzigartiger Persönlichkeit und Charme.
- 【MEHR LEBEN FÜR DEINEN SCHREIBTISCH】 Lerne Eilik kennen – deinen kleinen Roboter-Freund mit Persönlichkeit. Mit liebevollen Animationen, ausdrucksstarken Reaktionen und spielerischen Interaktionen bringt Eilik mehr Freude in deinen Alltag. Ob auf dem Schreibtisch, im Büro oder am Nachttisch – Eilik wird schnell zu einem vertrauten Begleiter für besondere Momente.
- 【XL-Größe für gedeihende Pflanzen】Geben Sie Ihren Pflanzen den Raum, den sie verdienen! Unser verbessertes, großes 13,7 cm großes Design bietet Platz für Pflanzen mit einem Durchmesser von bis zu 8,9 cm und damit deutlich mehr Platz für Wurzelwachstum und Pflanzengesundheit im Vergleich zu kleineren, veralteten Modellen. Die Produktabmessungen betragen 13,6 x 13,6 x 13,2 cm und das Gerät wiegt nur 355 g.
- V28 Update - JETZT MIT NEUEN FUNKTIONEN! Als Reaktion auf das Ladeproblem von Loona haben wir das automatische Aufladen 2.0 verbessert. Diese Optimierung hilft Loona, die Ladewege in verschiedenen Szenarien zu erkennen und anzupassen, um die Erfolgsquote beim automatischen Aufladen zu erhöhen. Mobile Hotspots können sich mit Loona verbinden und überwinden WLAN-Einschränkungen, sodass Sie jederzeit und überall mit Loona interagieren können.
- Die besten Bücher rund um KI & Robotik!
- Die besten KI-News kostenlos per eMail erhalten!
- Zur Startseite von IT BOLTWISE® für aktuelle KI-News!
- IT BOLTWISE® kostenlos auf Patreon unterstützen!
- Aktuelle KI-Jobs auf StepStone finden und bewerben!
- Künstliche Intelligenz: Dem Menschen überlegen – wie KI uns rettet und bedroht | Der Neurowissenschaftler, Psychiater und SPIEGEL-Bestsellerautor von »Digitale Demenz«
Du hast einen wertvollen Beitrag oder Kommentar zum Artikel "Brain-IT: KI rekonstruiert Gedanken aus fMRT-Scans mit hoher Bildtreue" für unsere Leser?
#Sophos
#AmazonPrime
#Bestseller
Es werden alle Kommentare moderiert!
Für eine offene Diskussion behalten wir uns vor, jeden Kommentar zu löschen, der nicht direkt auf das Thema abzielt oder nur den Zweck hat, Leser oder Autoren herabzuwürdigen.
Wir möchten, dass respektvoll miteinander kommuniziert wird, so als ob die Diskussion mit real anwesenden Personen geführt wird. Dies machen wir für den Großteil unserer Leser, der sachlich und konstruktiv über ein Thema sprechen möchte.
Du willst nichts verpassen?
Du möchtest über ähnliche News und Beiträge wie "Brain-IT: KI rekonstruiert Gedanken aus fMRT-Scans mit hoher Bildtreue" informiert werden? Neben der E-Mail-Benachrichtigung habt ihr auch die Möglichkeit, den Feed dieses Beitrags zu abonnieren. Wer natürlich alles lesen möchte, der sollte den RSS-Hauptfeed oder IT BOLTWISE® bei Google News wie auch bei Bing News abonnieren.
Nutze die Google-Suchmaschine für eine weitere Themenrecherche: »Brain-IT: KI rekonstruiert Gedanken aus fMRT-Scans mit hoher Bildtreue« bei Google Deutschland suchen, bei Bing oder Google News!