当AI拥有“读心术”，我们离思维透明还远吗？

        实际上，想要实现这一目的的具体步骤非常复杂，在这我就简单描述一下：

        首先，研究人员需要记录被实验者看到图片之后的大脑活动数据。

        这些数据被分为两类，一类是较为初级视觉皮层信号，另一类是高级视觉皮层信号。

        当然，仅仅只有这些视觉皮层的信号，是很难呈现一张完整的图像的。

        这时候研究人员用到了能够生成图像的AI扩散模型——Stable Diffusion。

        或许很多人已经使用过这类以扩散模型（Diffusion model）为基础的AI绘图工具。

        和大多数同类AI绘图工具一样，只要输入文字或者导入图像进行参考，就能生成想要呈现的图片。

咒文咏唱

        不过在研究中，Stable Diffusion的详细使用方式则要复杂一些。

        研究所用的Stable Diffusion主要由三个结构组成，分别是图片编码器、文本编码器和图片解码器。

        前面提过，此前研究记录了初级和高级两类视觉皮层信号。

        而在这一环节，研究人员将初级的信号记录到图片编码器上，再解码成一张图片（被称为z）；同时也将高级信号记录在文字编码器上，解码成相关的文本（被称为c）。

        最后，通过将解码之后的图片和文本再次结合，输入给Stable Diffusion，就能够得到一张最终生成的图片（zc）。

生成图片的流程

        看到这里，你是不是已经感到头昏眼花了呢？

        然而这仅仅只是我简化了之后的描述，实际上只要你点开文献，你就会发现要实现这一目的，其中还有更多的实验细节。

研究的整体流程

        所以在此我也想再感叹一句：研究团队真的太厉害了。

        可以发现，如果单单只是看由图片编码输出的图片（z），很多情况下只是颜色和结构相似，但完全不能呈现实物；而只由文字编码输出的图片（c），内容是符合的，但整体画面和原图重合度并不是很高。

        只有将两者结合，才会生成一张既符合图像布局和结构，又符合实物的画面，更接近真实所看到的图像。

不同情况所生成的画面，zc重合度最高