脳を読む

脳読み取り、あるいは思考識別は、刺激によって引き起こされる脳内の複数のボクセルの反応をfMRIで検出し、元の刺激を解読する手法です。研究の進歩により、人間の神経画像を用いて、個人の脳活動を非侵襲的に測定し、その意識体験を解読することが可能になりました。[ 1 ]脳読み取り研究は、用いられる解読の種類（分類、識別、再構成）、対象（視覚パターン、聴覚パターン、認知状態の解読）、そして用いられる解読アルゴリズム（線形分類、非線形分類、直接再構成、ベイズ再構成など）がそれぞれ異なります。

アプリケーション

自然な画像

複雑な自然画像は、ベイズ推論と組み合わせることで、初期視覚野およびそれより前方の前部視覚野（視覚野V3A、V3B、V4、および外側後頭葉）のボクセルを用いることで識別可能です。この脳読み取りアプローチは、3つの要素から構成されています。[ 2 ]初期視覚野における反応を特徴付ける構造符号化モデル、前部視覚野における反応を特徴付ける意味符号化モデル、そして構造的および意味的なシーン統計の分布を記述するベイズ事前分布です。[ 2 ]

実験的には、被験者に脳内のボクセル活性化と相関する白黒の自然画像1750枚を見せます。その後、被験者は新たに120枚のターゲット画像を視聴し、以前のスキャンから得た情報を用いてそれらを再構成します。使用される自然画像には、海辺のカフェと港、舞台上のパフォーマー、そして密集した葉などが含まれます。[ 2 ]

2008年、IBMは人間の脳から人間の顔の心的イメージを抽出する方法に関する特許を申請しました。この技術は、脳内の紡錘状回領域の測定値に基づくフィードバックループを用いており、この領域は顔認識の度合いに応じて活性化します。[ 3 ]

2011年、西本真治氏率いる研究チームは、脳波記録のみを用いて、ボランティアが見ているものを部分的に再現しました。研究者たちは、人間の脳内で動く物体の情報がどのように処理されるかに関する新しいモデルを適用し、ボランティアは複数の動画のクリップを視聴しました。アルゴリズムは、数千時間にわたるYouTube動画（ボランティアが視聴した動画と同じものは一つもありませんでした）を検索し、最も類似したクリップを選択しました。[ 4 ] [ 5 ]研究者たちは、実際に視聴された動画とコンピューターが推定した動画を比較するデモ動画をアップロードしています。[ 6 ] [ 7 ]

2017年に行われたサルの顔認識研究では、205個のニューロンからの電気活動を分析することで人間の顔を再構築できたことが報告されました。[ 8 ] [ 9 ]

2023年には、fMRIで得られた人間の脳活動に安定拡散法を利用した画像再構成が報告された。[ 10 ] [ 11 ]

2024年には、視覚刺激なしに心の中で想像した画像を、機械学習と生成AI技術を利用してfMRI脳信号から再構成できることが研究で実証されました。[ 12 ] [ 13 ] [ 14 ] 2024年の別の研究では、EEGからの画像の再構成が報告されました。[ 15 ]

嘘発見器

脳読み取りは、嘘発見器の代替手段としてポリグラフに代わる技術として提案されている。[ 16 ]ポリグラフに代わるもう一つの技術は、血中酸素濃度依存性機能的MRI技術である。この技術は、脳内の酸素化ヘモグロビン濃度の局所的変化を解釈するものであるが、この血流と神経活動の関係はまだ完全には解明されていない。[ 16 ] 隠された情報を発見するもう一つの技術は、脳指紋採取である。これは、脳波を用いてP300事象関連電位を特定することで、人が特定の記憶や情報を持っているかどうかを確認する技術である。[ 17 ]

この目的における脳読み取りの精度と倫理的影響については、多くの懸念が提起されている。実験室での研究では、精度は最大85%であることが分かっている。しかし、これが偽陽性の結果にどのような影響を与えるかについては懸念がある。「検査対象集団における『嘘つき』の割合が低い場合、検査では真陽性よりもはるかに多くの偽陽性が得られ、約5人に1人が誤って検査で特定される」[ 16 ] 。 脳読み取りを嘘発見器として使用することに伴う倫理的問題には、信頼性と妥当性が適切に評価される前に技術が導入されることや、技術の誤解による誤用、そして個人の私的な思考への前例のないアクセスによるプライバシーへの懸念などが含まれる[ 16 ] 。しかしながら、ポリグラフによる嘘発見器の使用についても、結果の信頼性[ 16 ]とプライバシーの侵害[ 18 ]に関して同様の懸念があることが指摘されている 。

ヒューマンマシンインターフェース

Emotiv Epocは、ユーザーが思考のみを使ってデバイスにコマンドを出すことができる方法の 1 つです。

脳波測定を用いて人間の脳の状態を検出し、人間と機械のインターフェースを改善する方法として脳波読み取りも提案されている。 [ 19 ]近年、脳波を読み取る技術に関する特許が急増しており、2009～2012年には400件未満だったのが、2014年には1600件にまで増加している。[ 20 ]これには、脳波を介してビデオゲームを制御する方法や、新製品や広告に関する人の考えを判断するための 「ニューロマーケティング」の提案などが含まれる。

オーストラリアの電子機器メーカーであるEmotiv Systemsは、ユーザーの思考パターンを様々なコマンドに対して認識するようにトレーニングできるヘッドセットを披露しました。Tan Le氏は、このヘッドセットが画面上の仮想オブジェクトを操作する能力を実演し、車椅子の駆動からマウスやキーボードの代替まで、このような脳コンピューターインターフェースデバイスの将来的な様々な用途について説明しました。 [ 21 ]

注意の検出

fMRI信号から、人が主観的に経験していた2つの競合的両眼錯視の形態を追跡することが可能です。[ 22 ]

人間がドライバーなどの物体について考えるとき、脳のさまざまな領域が活性化します。マルセル・ジャスト氏と彼の同僚であるトム・ミッチェル氏は、fMRI脳スキャンを用いて、特定の思考に関連する脳のさまざまな領域をコンピューターに識別させました。[ 23 ]この技術はまた、異なる人間の脳における類似した思考は神経学的に驚くほど類似しているという発見をもたらしました。これを説明するために、ジャスト氏とミッチェル氏は、fMRIデータのみに基づいて、ボランティアが複数の画像のうちどれについて考えていたかをコンピューターで予測しました。コンピューターの精度は100%でしたが、今のところ機械が区別できるのは10枚の画像だけです。[ 23 ]

思考の検出

人が自由に思い出せる出来事のカテゴリーは、その人が何を覚えていたかを話す前にfMRIから特定することができます。[ 24 ]

2015年12月16日、九州工業大学の山崎俊正氏が行った研究で、じゃんけんゲーム中に、被験者が手を動かす前にコンピューターが被験者の選択を判断できることが分かりました。脳波計を用いてブローカ野の活動を測定することで、発せられる2秒前の単語を予測することができました。 [ 25 ] [ 26 ] [ 27 ]

2023年、テキサス大学オースティン校は、非侵襲性の脳内デコーダーを訓練し、ボランティアの脳波をGPT-1言語モデルに変換しました。個々のボランティアに対して長時間の訓練を行った結果、デコーダーは通常、正確な単語を再現することはできませんでしたが、それでも十分に近い意味を再現することができ、ほとんどの場合、被験者が聴いていた特定の本のどのタイムスタンプかを識別できました。[ 28 ] [ 29 ]

言語の検出

脳波の統計的解析により、音素の認識が可能になると主張されており、[ 30 ]また（1999年）60%～75%のレベルで色と視覚的な形状の単語の認識が可能になると主張されている。[ 31 ]

2012年1月31日、カリフォルニア大学バークレー校のブライアン・パスリーと同僚は、被験者の脳から直接電気信号を収集して分析することで、聴覚情報に対する被験者の内部神経処理をコンピュータ上でデコードし、音として再構築した論文をPLoS Biologyで発表した。[ 32 ]研究チームは、聴覚情報から意味を理解するための高次神経処理に関与する脳の領域である上側頭回について研究を行った。[ 33 ]研究チームは、コンピュータモデルを使用して、聴覚信号を処理する際に神経発火に関与する可能性のある脳のさまざまな部分を分析した。 この計算モデルを使用することで、科学者は、被験者に個々の単語の録音を提示したときに、聴覚情報の処理に関与する脳の活動を特定することができた。[ 34 ]その後、聴覚情報処理のコンピュータモデルを使用して、被験者の神経処理に基づいていくつかの単語が音として再構築された。しかし、再構成された音は質が良くなく、再構成された音の音声波形が被験者に提示された元の音の音声波形と視覚的に一致した場合にのみ認識できた。[ 34 ]しかし、この研究は認知における神経活動をより正確に特定するための方向性を示している。

意図を予測する

2008年、ある研究者たちは、被験者がボタンを左手で押すか右手で押すかを60%の精度で予測することに成功しました。これは、偶然よりも精度が高いというだけでなく、被験者が行動を起こす10秒前、つまり被験者が決定したと感じるずっと前に、科学者たちがこれらの予測を行うことができたという点でも注目に値します。[ 35 ]このデータは、他の研究で、動くという決断、そしておそらく最後の瞬間にその動きをキャンセルする能力は、無意識の処理の結果である可能性があることを示唆していることを考えると、さらに印象的です。 [ 36 ] [ 37 ]

ジョン・ディラン・ヘインズは、fMRIを使って被験者が頭の中で2つの数字を足し算または引き算しようとしているかどうかを識別できることも実証しました。[ 23 ]

脳における予測処理

神経デコード技術は、予測脳に関する理論を検証し、トップダウン予測が視覚野などの脳領域にどのような影響を与えるかを調査するために用いられてきました。fMRIデコード技術を用いた研究では、予測可能な感覚イベント[ 38 ]や行動の予測結果[ 39 ]は視覚脳領域でよりよくデコードされることが示されており、予測は期待に沿って表象を「鮮明化」することを示唆しています。

仮想環境

また、複雑な仮想環境でも脳の読み取りが可能であることが示されています。[ 40 ]

感情

ジャスト氏とミッチェル氏はまた、脳内で優しさ、偽善、愛情を識別できるようになり始めていると主張している。[ 23 ]

安全

2013年、カリフォルニア大学バークレー校のジョン・チュアン教授が率いるプロジェクトは、パスワードの代替として脳波に基づくコンピュータ認証の実現可能性に関する調査結果を発表しました。コンピュータ認証における生体認証の利用は1980年代から継続的に改善されてきましたが、この研究チームは、今日の網膜スキャン、指紋認証、音声認識よりも高速で、より侵入性が低い方法を模索していました。セキュリティ対策を強化するために選ばれた技術は、パスワードを「パス思考」に変換する脳波測定器（EEG）です。この方法を用いることで、チュアン教授とチームはタスクと認証閾値をカスタマイズし、エラー率を1%未満にまで低減することができました。これは、最近の他の方法よりも大幅に優れています。この新しいセキュリティ手法へのユーザー誘致を強化するため、チームは、脳波を識別しながらユーザーが楽しく実行できるメンタルタスクを研究し続けています。研究者たちは、将来、この方法が思考そのものと同じくらい安価で、利用しやすく、そして簡単なものになると考えています。[ 41 ]

ジョン・ディラン・ヘインズは、fMRIは脳内の認識機能の特定にも使用できると述べています。彼は、犯罪現場や凶器を認識しているかどうかについて尋問される犯罪者の例を挙げています。[ 23 ]

分析方法

分類

分類では、複数のボクセルにわたる活動パターンを使用して、刺激が抽出された特定のクラスを決定します。[ 42 ]

復興

再構成脳読影の目的は、提示された画像を文字通りの絵として再現することです。初期の研究では、初期視覚野（V1、V2、V3）のボクセルを用いて、点滅するチェッカーボードパターンからなる幾何学的刺激を再構成しました。[ 43 ] [ 44 ]

脳波

脳波はP300事象関連電位によって特定の情報や記憶の認識を識別するためにも使用されており、「脳指紋」と呼ばれています。[ 45 ]

正確さ

データの品質とデコードアルゴリズムの複雑さが向上するにつれて、脳読み取りの精度は着実に向上しています。最近の実験では、120枚の画像セットからどの画像が見られているかを1枚だけ特定することができました。[ 46 ]別の実験では、刺激が2つのカテゴリーのどちらに該当するかを90%の確率で正しく特定し、対象画像の特定の意味カテゴリー（23個中）を40%の確率で正しく特定することができました。[ 2 ]

制限事項

これまでのところ、脳の読み取りには限界があることが指摘されている。Naselarisらは次のように報告している。「実際には、fMRIで取得した脳活動信号に基づく再構成アルゴリズムを用いても、正確な再構成を達成することは不可能である。これは、すべての再構成が、符号化モデルの不正確さと測定信号のノイズによって必然的に制限されるためである。我々の研究結果は、自然画像事前分布が、これらの根本的な限界の影響を軽減するための強力な（しかし非従来的な）ツールであることを示す。わずか600万枚の画像を用いた自然画像事前分布で、対象画像と構造的および意味的に類似した再構成を生成するのに十分である。」[ 2 ]

倫理的問題

脳スキャン技術の精度がますます高まるにつれ、専門家は、いつ、どのように使用すべきかについて重要な議論が起こると予測している。潜在的な応用分野の一つは刑法である。ヘインズは、容疑者への脳スキャンの使用を拒否するだけでも、誤って告発された人が無実を証明できなくなると述べている。[ 47 ]米国の学者は一般的に、強制的な脳読み取りや強制的なポリグラフ検査は、憲法修正第五条の自己負罪拒否権に違反すると考えている。[ 48 ] [ 49 ]一つの視点は、脳イメージングが証言のようなものなのか、それともDNA、血液、精液のようなものなのかを考えることだ。アトランタのエモリー大学倫理センター所長ポール・ルート・ウォルプは、この問題は最高裁判所の裁判で決着がつくだろうと予測している。[ 50 ]

米国以外の国では、思考識別は既に刑法に用いられている。2008年には、インド人女性が脳波検査の結果、元婚約者の毒殺事件の状況を把握していたことが判明し、殺人罪で有罪判決を受けた。[ 50 ]一部の神経科学者や法学者は、欺瞞と脳の本質に関する研究以外において、思考識別を全体として用いることの妥当性に疑問を呈している。[ 51 ]

エコノミスト誌は人々に将来的な影響を「恐れる」よう警告し、一部の倫理学者はプライバシー法が個人の思考を保護するべきだと主張している。法学者ハンク・グリーリーは、裁判制度がこのような技術から恩恵を受ける可能性があると主張し、神経倫理学者ジュリアン・サブレスクは、脳データは他の種類の証拠と根本的に異なるものではないと述べている。 [ 52 ]ネイチャー誌では、ジャーナリストのリアム・ドリューが、四肢麻痺患者のために、音声合成装置やその他の出力装置に脳読み取り装置を取り付ける新たなプロジェクトについて書いている。このような装置は、患者の意識的な発話だけでなく、「内なる思考」を誤って放送してしまうという懸念を引き起こす可能性がある。 [ 53 ]

歴史

思考識別に使用できるMRIスキャナー

心理学者ジョン・ディラン・ヘインズは、 2006年にfMRIを用いて脳画像研究における画期的な進歩を遂げました。この研究には、視覚的物体認識、動的な精神プロセスの追跡、嘘発見、無意識の処理の解読に関する新たな知見が含まれていました。これら4つの発見を組み合わせることで、個人の思考に関する膨大な情報が得られ、ヘインズはこれを「脳の読み取り」と名付けました。[ 1 ]

fMRIは脳血流を測定することで個人の脳活動を追跡できるため、研究の大幅な拡大を可能にしました。現在、fMRIは脳活動を測定する最良の方法と考えられており、医師や心理学者が思考を識別する方法の理解を深めるために、複数の研究実験に用いられています。[ 54 ]

2020年の研究では、埋め込み電極を使用したAIは、参加者1人あたり40分のトレーニングデータを与えられた場合、50文のテストセットから読み上げられた文を97%の確率で正しく書き写すことができました。[ 55 ]

今後の研究

専門家たちは思考識別がどこまで拡張できるか確信が持てないが、マルセル・ジャストは2014年に、3～5年後には「私は誰々を嫌っている」といった複雑な思考を読み取ることができる機械が登場するだろうと信じていた。[ 50 ]

神経心理学教授のバーバラ・サハキアン氏は、「この分野の神経科学者の多くは非常に慎重で、人の心を読むことについて語ることはできないと言っています。今のところそれは全くその通りですが、私たちは急速に進歩しており、誰かが話をでっち上げているのか、それとも誰かがある程度の確信を持って犯罪を意図していたのかを見分けられるようになるまで、それほど時間はかからないでしょう」と述べています。[ 47 ]

フレデリック・ギルバートとイングリッド・ルッソは、BCI/BMI関連の脳読み取りの分野は、人工知能の分野と同様に、かなりのレベルの「誇大宣伝」があると主張している。[ 56 ]

MMTの創設者であり最高科学責任者であるドナルド・マークスは、個人の思考を記録した後でそれを再生する研究を行っている。[ 57 ]

カリフォルニア大学バークレー校の研究者たちは、すでにラットの記憶の形成、消去、そして再活性化に成功しています。マークス氏によると、彼らは同じ技術を人間にも応用する研究を進めています。この発見は、PTSDに苦しむ退役軍人にとって画期的なものとなる可能性があります。[ 57 ]

さらに、ビデオゲーム中の脳活動を分析して犯罪者を発見すること、ニューロマーケティング、政府のセキュリティチェックに脳スキャンを使用することなどについても研究が進められています。[ 50 ] [ 54 ]

キャプテン・サイエンスの漫画パネル。エイリアンの脳を読み取る装置を使っているキャラクターが描かれている。

2010年3月15日に放送されたアメリカの医療ドラマ『Dr. House』のエピソード「ブラックホール」では、患者の潜在意識を覗き見ることができるとされる実験的な「認知イメージング」装置が登場した。患者はまず、脳波検査や機能的近赤外分光法に似た神経画像装置を装着し、ビデオクリップを視聴しながら6時間の準備期間を与えられた。これは、神経画像分類器の訓練のためであった。その後、患者は薄明麻酔下に置かれ、同じ装置を用いて患者の思考を推測しようと試みられた。この架空のエピソードは、翌年に発表された西本らによる研究をある程度予見していた。この研究では、fMRIが用いられた。[ 4 ] [ 5 ] [ 6 ] [ 7 ]

映画「バカとテストと召喚獣」には、脳読者が登場するシーンがあります。

ヘンリー・デンジャーのエピソード「ドリームバスターズ」では、機械がヘンリーの夢を映し出します。

参照

参考文献

  1. ^ a b Haynes, John -Dylan; Geraint, Rees (2006年7月1日). 「ヒトの脳活動から精神状態を解読する」 . Nature Reviews Neuroscience . 7 (7): 523– 534. doi : 10.1038/nrn1931 . PMID  16791142. S2CID  16025026. 2014年12月8日閲覧.
  2. ^ a b c d e Naselaris, Thomas; Prenger, Ryan J.; Kay, Kendrick N.; Oliver, Michael; Gallant, Jack L. (2009). 「ベイズ法によるヒト脳活動からの自然画像の再構成」 . Neuron . 63 ( 6): 902–15 . doi : 10.1016/j.neuron.2009.09.006 . PMC 5553889. PMID 19778517 .  
  3. ^ 「IBM特許出願US 2010/0049076: 人間の脳から顔の心的イメージを取得する」(PDF) 2010年2月25日。
  4. ^ a b西本 真司; Vu, An T.; Naselaris, Thomas; Benjamini, Yuval; Yu, Bin ; Gallant, Jack L. (2011)「自然動画による脳活動からの視覚体験の再構築」Current Biology , 21 (19): 1641– 1646, Bibcode : 2011CBio...21.1641N , doi : 10.1016/j.cub.2011.08.031 , PMC 3326357 , PMID 21945275  
  5. ^ a b「ブレークスルーにより、他人があなたの夢や記憶を見ることができるようになるかもしれない [ビデオ]」フィリップ・ヤム。 2017年5月6日時点のオリジナルよりアーカイブ。 2021年5月6日閲覧。
  6. ^ a b Nishimoto et al. 2011 動画1人間の脳活動から再構成した動画をYouTubeにアップロード
  7. ^ a b Nishimoto et al. 2011 は、YouTube に「Nishimoto.etal.2011.3Subjects.mpeg」という動画をアップロードしました。
  8. ^ Chang, Le; Tsao, Doris Y. (2017年6月1日). 「霊長類の脳における顔のアイデンティティのためのコード」 . Cell . 169 (6): 1013–1028.e14. doi : 10.1016/ j.cell.2017.05.011 . ISSN 0092-8674 . PMC 8088389. PMID 28575666. S2CID 32432231 .    
  9. ^デブリン、ハンナ（2017年6月1日）「科学者、サルの心を読むことで脳が顔を認識する仕組みを発見」ガーディアン紙ISSN 0261-3077 . 2023年3月26日閲覧。 
  10. ^高木優; 西本真治 (2022年12月1日). 「潜在拡散モデルを用いたヒト脳活動の高解像度画像再構成」bioRxiv 10.1101/2022.11.18.517004 . 
  11. ^ 「AIが脳スキャンを読み取ることで人間の視覚を再現」 www.science.org 2023年3月26日閲覧。
  12. ^小出（真島）尚子、西本真治、真島圭（2024年2月1日） 「ヒトの脳活動からのメンタルイメージ再構成：ディープニューラルネットワークに基づくベイズ推定によるメンタルイメージの神経デコーディング」ニューラルネットワーク170 : 349–363 . doi : 10.1016/j.neunet.2023.11.024 . PMID 38016230 . 
  13. ^ 「人間の脳活動からの心的イメージ再構成」 。 2024年10月10日閲覧。
  14. ^ 「生成AIを用いた心像再構成 ― 脳信号を画像にデコード：量子科学技術機構（QST）が開発した新技術」2024年10月10日閲覧。
  15. ^ Dongyang Li; Chen Wei; Shiying Li; Jiachen Zou; Haoyang Qin; Quanying Liu (2024年3月12日). 「誘導拡散法を用いたEEG埋め込みによる視覚的デコードと再構成」. Advances in Neural Information Processing Systems 37. Advances in Neural Information Processing Systems. arXiv : 2403.07721 . doi : 10.48550/ARXIV.2403.07721 . Wikidata Q131386189 . 
  16. ^ a b c d e Wolpe, PR; Foster, KR & Langleben, DD (2005). 「嘘発見器のための新たな神経技術：期待と危険性」. The American Journal of Bioethics . 5 (2): 39– 49. CiteSeerX 10.1.1.728.9280 . doi : 10.1080 / 15265160590923367 . PMID 16036700. S2CID 219640810 .   
  17. ^ Farwell, Lawrence A.; Richardson, Drew C.; Richardson, Graham M. (2012年12月5日). 「脳指紋フィールド研究：隠蔽情報の検出におけるP300-MERMERとP300脳波反応の比較」 .認知神経力学. 7 (4): 263– 299. doi : 10.1007/s11571-012-9230-0 . PMC 3713201. PMID 23869200 .  
  18. ^ Arstila, V. & Scott, F. (2011). 「脳の読み取りとメンタルプライバシー」(PDF) . TRAMES: 人文社会科学ジャーナル. 15 (2): 204– 212. doi : 10.3176/tr.2011.2.08 .
  19. ^ Kirchner, EA; Kim, SK; Straube, S.; Seeland, A.; Wöhrle, H.; Krell, MM; Tabie, M.; Fahle, M. (2013). 「ロボット工学における予測的ヒューマン・マシン・インターフェースへのブレインリーディングの適用可能性について」 . PLOS ONE . 8 (12) e81732. Bibcode : 2013PLoSO...881732K . doi : 10.1371/journal.pone.0081732 . PMC 3864841. PMID 24358125 .  
  20. ^ 「米国で『脳読み取り』特許が急増」 BBCニュース、2015年5月7日。
  21. ^ Le, Tan (2010). 「脳波を読み取るヘッドセット」TEDGlobal .
  22. ^ Haynes, J; Rees, G (2005). 「ヒト視覚皮質の活動から意識の流れを予測する」 . Current Biology . 15 (14): 1301–7 . Bibcode : 2005CBio...15.1301H . doi : 10.1016 / j.cub.2005.06.026 . PMID 16051174. S2CID 6456352 .  
  23. ^ a b c d e "「『60 Minutes』ビデオ：あなたの心を読む技術」 CNETニュース、 2009年1月5日。 2012年2月5日時点のオリジナルよりアーカイブ。 2025年12月2日閲覧。
  24. ^ Polyn, SM; Natu, VS; Cohen, JD; Norman, KA (2005). 「記憶検索における想起に先行するカテゴリー特異的皮質活動」 . Science . 310 (5756): 1963–6 . Bibcode : 2005Sci...310.1963P . doi : 10.1126/science.11 ​​17645. PMID 16373577 . 
  25. ^伊藤隆;山口裕美；山口彩香;山崎敏正；福住伸一；山野井 貴裕 (2015 年 12 月 16 日) 「サイレントスピーチ BCI – 現実的な問題の調査」。電子情報通信学会技術報告書．114（514）。電子情報通信学会技術委員会: 81–84 . 2016 年1 月 17 日に取得。
  26. ^ダニゲリス、アリッサ（2016年1月7日）「Mind-Reading Computer Knows What You're About to Say（心を読むコンピューターがあなたの言うことを知っている）」ディスカバリー・ニュース。 2016年1月17日閲覧。
  27. ^ 「頭の中の言葉解読障害者と意思疎通、ロボット操作も九工大・山崎教授ら」 .西日本新聞。 2016 年 1 月 4 日。2016年 1 月 17 日のオリジナルからアーカイブ。2016 年1 月 17 日に取得。
  28. ^ O'Sullivan, Donie (2023年5月23日). 「ChatGPTを支える技術は、いかにして心の読み取りを現実のものにするのか」 . CNN . 2023年6月17日閲覧。
  29. ^ Tang, Jerry; LeBel, Amanda; Jain, Shailee; Huth, Alexander G. (2023年5月). 「非侵襲的脳記録による連続言語の意味的再構築」. Nature Neuroscience . 26 (5): 858– 866. doi : 10.1038 / s41593-023-01304-9 . PMC 11304553. PMID 37127759. S2CID 252684880 .   
  30. ^ Suppes, Patrick; Perreau-Guimaraes, Marcos; Wong, Dik Kin (2009). 「脳波記録による脳波と言語知覚表現における類似性差異の部分的順序不変量」Neural Computation . 21 (11): 3228–69 . doi : 10.1162/neco.2009.04-08-764 . PMID 19686069. S2CID 18097705 .  
  31. ^ Suppes, Patrick; Han, Bing; Epelboim, Julie; Lu, Zhong-Lin (1999). 「単純な視覚イメージとその名称の脳波表現の不変性」 . Proceedings of the National Academy of Sciences of the United States of America . 96 (25): 14658–63 . Bibcode : 1999PNAS...9614658S . doi : 10.1073 / pnas.96.25.14658 . PMC 24492. PMID 10588761 .  
  32. ^ Pasley, BN; David, SV; Mesgarani, N; Flinker, A; Shamma, SA; et al. (2012). 「ヒト聴覚皮質からの音声の再構築」 . PLOS Biol . 10 (1) e1001251. doi : 10.1371/journal.pbio.1001251 . PMC 3269422. PMID 22303281 .  
  33. ^パーマー、ジェイソン（2012年1月31日）「科学は『内なる声』を解読する」「 。BBCニュース。」
  34. ^ a b「内なる声の秘密が明かされる」 NHS、2012年2月1日。 2012年2月3日時点のオリジナルよりアーカイブ。
  35. ^ Soon, C.; Brass, M.; Heinze, H.; Haynes, J. (2008). 「人間の脳における自由な意思決定の無意識的決定要因」. Nature Neuroscience . 11 (5): 543– 545. CiteSeerX 10.1.1.520.2204 . doi : 10.1038 / nn.2112 . PMID 18408715. S2CID 2652613 .   
  36. ^ Kühn, S.; Brass, M. (2009). 「自由選択の判断の遡及的構築」.意識と認知. 18 (1): 12– 21. doi : 10.1016/j.concog.2008.09.007 . PMID 18952468. S2CID 9086887 .  
  37. ^松橋正之; ハレット・M. (2008). 「運動への意識的な意図のタイミング」 .ヨーロッパ神経科学ジャーナル. 28 (11): 2344– 2351. doi : 10.1111/j.1460-9568.2008.06525.x . PMC 4747633. PMID 19046374 .  
  38. ^ Kok, Peter; Jehee, Janneke; de Lange, Floris (2012). 「Less Is More: Expectation Sharpens Representations in the Primary Visual Cortex」 . Neuron . 75 (2): 265– 270. doi : 10.1016/j.neuron.2012.04.034 . ISSN 0896-6273 . PMID 22841311 .  
  39. ^ヨン, ダニエル; ギルバート, サム J.; デ・ランゲ, フロリス P.; プレス, クレア (2018). 「行動は期待される結果の感覚的表象を鮮明にする」 .ネイチャー・コミュニケーションズ. 9 (1): 4288.書誌コード: 2018NatCo...9.4288Y . doi : 10.1038/s41467-018-06752-7 . ISSN 2041-1723 . PMC 6191413. PMID 30327503 .   
  40. ^ Chu, Carlton; Ni, Yizhao; Tan, Geoffrey; Saunders, Craig J.; Ashburner, John (2010). 「fMRIパターン予測のためのカーネル回帰」 . NeuroImage . 56 (2): 662– 673. doi : 10.1016/j.neuroimage.2010.03.058 . PMC 3084459. PMID 20348000 .  
  41. ^ 「新たな研究：思考であなたを識別できるコンピューター」カリフォルニア大学バークレー校情報学部、カリフォルニア大学バークレー校、2013年4月3日。 2014年12月8日閲覧。
  42. ^神谷幸康; トング・フランク (2005). 「人間の脳の視覚的・主観的コンテンツの解読」 . Nature Neuroscience . 8 (5): 679–85 . doi : 10.1038/nn1444 . PMC 1808230. PMID 15852014 .  
  43. ^宮脇泰;内田 博山下 央;佐藤正治森戸裕子田辺 博貞人、N;上谷裕子 (2008) 「マルチスケールローカル画像デコーダの組み合わせを使用した人間の脳活動からの視覚画像再構成」。ニューロン。60 (5): 915–29 .土井: 10.1016/j.neuron.2008.11.004。PMID 19081384。S2CID 17327816。  
  44. ^ Thirion, Bertrand; Duchesnay, Edouard; Hubbard, Edward; Dubois, Jessica; Poline, Jean-Baptiste; Lebihan, Denis; Dehaene, Stanislas (2006). 「逆網膜トピー：脳活動パターンから画像の視覚内容を推論する」NeuroImage . 33 (4): 1104–16 . doi : 10.1016/j.neuroimage.2006.06.062 . PMID 17029988 . S2CID 13361917 .  
  45. ^ Farwell, Lawrence A.; Richardson, Drew C.; Richardson, Graham M. (2012年12月5日). 「脳指紋フィールド研究：隠蔽情報の検出におけるP300-MERMERとP300脳波反応の比較」 .認知神経力学. 7 (4). Springer: 263–299 . doi : 10.1007/s11571-012-9230-0 . ISSN 1871-4080 . PMC 3713201. PMID 23869200 .   
  46. ^ Kay, Kendrick N.; Naselaris, Thomas; Prenger, Ryan J.; Gallant, Jack L. (2008). 「人間の脳活動から自然画像を識別する」 . Nature . 452 ( 7185): 352–5 . Bibcode : 2008Natur.452..352K . doi : 10.1038/nature06713 . PMC 3556484. PMID 18322462 .  
  47. ^ a bイアン・サンプル（2007年2月9日）「人の意図を読み取る脳スキャン」ガーディアン紙。
  48. ^アレン、ロナルド・J.、メイス、M.・クリスティン（2004年冬）「自己負罪条項の解説と今後の展望」刑法・犯罪学ジャーナル94 ( 2)エルゼビアdoi : 10.2139/ssrn.480143 .
  49. ^ Brennan-Marquez, Kiel (2012). 「マインドリーディングの控えめな擁護」 . Yale Journal of Law & Technology . Yale University. p. 214.ロナルド・アレンとクリステン・メイスは、（マインドリーダーマシン）は受け入れられないという「普遍的な合意」を見出した。
  50. ^ a b c d「テクノロジーがあなたの心を「読む」ようになる日が来る」 CBSニュース、2008年12月31日。 2014年12月8日閲覧。
  51. ^ Stix, Gary (2008年8月1日). 「fMRIは本当に嘘を見抜くのか？」 . Scientific American . 2014年12月8日閲覧。
  52. ^スミス、ケリー（2013年10月24日）. 「脳の解読：心を読む」 . Nature News . 502 (7472): 428– 430. Bibcode : 2013Natur.502..428S . doi : 10.1038/502428a . PMID 24153277 . 
  53. ^リアム・ドリュー（2019年7月24日）. 「脳–コンピューターインターフェースの倫理」 . Nature . 571 (7766): S19– S21. Bibcode : 2019Natur.571S..19D . doi : 10.1038/d41586-019-02214-2 . PMID: 31341310 . 
  54. ^ a b Saenz, Aaron (2010年3月17日). 「fMRIが脳内の画像を読み取る ― あなたが何を見ているのかがわかる」 . SingularityHUB . シンギュラリティ大学. 2014年12月8日閲覧。
  55. ^デイビス、ニコラ（2020年3月30日）「科学者、脳活動をテキスト化できるAIを開発」ガーディアン紙。 2020年3月31日閲覧。
  56. ^ギルバート、フレデリック、ルッソ、イングリッド (2024). 「AIとニューロテクノロジーにおけるマインドリーディング：主張、誇大広告、そしてニューロライツへの倫理的影響の評価」 . AIと倫理. 4 (3): 855– 872. doi : 10.1007/s43681-024-00514-6 .
  57. ^ a bカスバートソン、アンソニー（2014年8月29日）「マインドリーダー：あなたの思考、夢、記憶を記録し保存する男に会う」インターナショナル・ビジネス・タイムズ。 2014年12月8日閲覧。
「 https://en.wikipedia.org/w/index.php?title=Brain-reading&oldid=1334893057」より取得