207 关于大脑解码？的探讨

大家好，下午好。

皆さん、こんにちは。

现在开始日语听力。

日本語聞きはじめです。

在本节目中，我们为正在学习日语的各位，就各种主题，以自然语速稍加简化词汇和语法进行讲解。

このプログラムでは、日本語学習中の皆さんに、いろいろなテーマについて、自然なスピードでほんの少しだけ言葉や文法を簡単にしてお話ししています。

大家好，下午好。

皆さん、こんにちは。

本周，日本电信电话株式会社（NTT）发布了一项名为'Mind Caption'的技术，能够将大脑活动数据转化为文字描述，即把人们所见的感知或心理图像转换为语言。

今週はｎｔｔ日本電信電話株式会社が、脳の活動データからその人が見ている知覚あるいは精神的なイメージを文章にする、言語に変換するというマインドキャプションという技術を発表しましたね。

相当有趣。

なかなか面白い。

这项技术能将人眼所见影像或脑中想象的画面转化为文字输出。

これは人間が見ている映像、あるいは頭で考えている映像が言葉になって出てくる。

由于涉及'读取人脑'的可能性，社交媒体上出现了各种声音，今天我们就来聊聊这个话题。

人の脳の中が読み取られるんじゃないかということで、ｓｎｓなどでもいろんな声が上がってるんですけど、今日はそのお話をしたいと思います。

关于如何解读大脑活动这个问题，其实神经科学领域已经研究了几十年。

脳の活動をどうやって解読するか、読み解くかというのはですね、もうここ数十年ずっと神経科学の分野で考えられてきたんですけど。

这项研究中非常核心的技术就是fMRI。

この研究ですごく核となっている技術というのは、FMRIですね。

功能性磁共振成像，虽然有点难懂，就是Functional Magnetic Resonance Imaging。

機能的な磁気共鳴画像法という、ちょっと難しいですけど、ファンクショナルマグネティックレゾナンスイメージングですね。

可能用英语表达会更清楚些，MRI就是利用超强磁力，对人体头部或身体发射非常微弱的电磁波。

まぁ、英語にした方がわかりやすいかもしれませんけれども、MRI というのはですね、磁石 よくの非常に強い力が働いていて、その MRI の中に入った人の頭とか体に非常に弱い電磁波を当てるんですね。

然后通过计算返回的信号，在不伤害人体的情况下，拍摄我们所说的断面图像。

そしてそこで帰ってきた信号を計算して、人を傷つけないで、人間の体をね、断面図と言いますけれど、そういった画像を撮影することができると。

大家应该都在电视或电影里看过这样的场景：人躺在MRI机器里，身体状态被读取分析。

よくテレビとか映画、映画とかね、まぁそういったところの中で、病院の中の様子で、こう、人が寝かされた状態で MRI の機械の中に入っていってね、そして人の体の様子がこう読み取られていく、分析されて。

那些影像就是MRI技术。

いく映像ってのは見たことがあると思いますけど、あれが MRI ですね。

而这项研究正是利用MRI来监测大脑活动。

で、この MRI を使って脳の活動を調べるね。

这就是fMRI，这个系统呢，我们体内的血液中有一种叫做血红蛋白的物质，它负责运输氧气。

これが FMRI ですけれど、このシステムはですね、私たちの体の血の中、血液の中にはヘモグロビンって呼ばれるね、物質があって、これが酸素を運んでいますよね。

当它运输氧气时，如果到达缺氧的地方，就会释放自身携带的氧气供给该部位。

で、酸素を運んでいて、酸素が足りないところに行くと、自分が持っている酸素を手放して、そこに上げてね。

然后又去运输新的氧气，就像个氧气搬运工一样。

で、また新しい酸素を運びに行くという、まぁ、酸素の運び屋さんみたいな感じですね。

这种血红蛋白释放氧气后，就变成脱氧血红蛋白，这时会具有类似弱磁铁的性质。

このヘモグロビンが酸素を手放すと、まぁ、脱酸素ヘモグロビンって言うんですけど、こうなると弱い磁石のような性質を持つんですね。

这样一来，MRI内部的磁场会受到轻微干扰，返回的信号就会减弱。

そうすると、MRI の中の磁場、マグネティックフィールドがちょっと乱されて、信号が弱められて帰ってくるようになります。

相反，携带氧气的血红蛋白增多时，干扰磁场的脱氧血红蛋白就会减少，原本减弱的MRI信号又会恢复增强。所以简单来说，

逆に酸素を持ったヘモグロビン、酸素、ヘモグロビン、ヘモグロビンがたくさんやってくると、磁場を見出していた脱酸素ヘモグロビンが少なくなりますので、弱められていた MRI の信号がまた回復して強くなるんですね。ですので、単純

通过含氧血红蛋白和脱氧血红蛋白的数量平衡，就能知道大脑哪个区域正在活跃。

に言うと、酸素を持ったヘモグロビン、酸素を手放したヘモグロビンによって、その量、バランスによって、脳のどこが活性化しているか、アクティベートされているかがわかるんですね。

读取这个信息的就是fMRI。

これを読み取るのが FMRIです。

利用这一功能，让人进入MRI设备中，例如展示某些影像、让他们说话或聆听某些内容，通过这些活动来观察大脑的哪些区域

この機能を使って、MRI の装置の中に人に入ってもらって、例えばある映像を見せたり、あるいは何かをしゃべってもらったり、あるいは何かを聞かせたりとか、そういったことをして、そういった活動をした時に、脳のどこの部分が。

会被激活，从而进行测量。

活性化しているかを測ることができるんですね。

通过这种方法，我们能够发现，比如负责语言组织和处理的大脑区域——通常称为语言中枢——在进行语言处理时

これによって、これまで、例えば、言葉をつかさどっている、言葉をオーガナイズしている部分、まぁこのことを言語野と言ったりしますけれども、言葉の処理をしている時の脳の。

与静息状态下的大脑影像进行对比，找出哪些区域被激活，

映像と何もしなかった時の脳の映像を比べてですね、どこがアクティベートしているか、それを発見して。

从而确定这些区域确实负责语言处理功能。

だからこのあたりで言語の処理をしているんだなということがわかってきたんですね。

这项研究随后迎来重大突破，加州大学伯克利分校的Jack Gallant教授团队开展了新实验，

この研究がさらにブレイクスルーを迎えるんですけれども、ジャック・ギャラントというユーシーバークレーの教授のチームがですね、新しい実験を行いました。

研究团队让受试者聆听数小时的广播节目，同时用fMRI扫描他们的大脑活动，

その研究チームは、実験の参加者に数時間分のラジオ番組を聞かせて、その時の脳の活動を FMRIを使ってスキャンしたんですね。

并运用AI技术详细分析听到每个单词时大脑各区域的具体反应。

そして、どの単語を聞いた時に脳のどの部分が反応したかを AI を使ってかなり詳細に解析したんですね。

这样一来，过去人们认为语言处理，特别是左脑，也就是左侧大脑的语言区域是唯一负责的区域，但实际上

そうすると、これまではですね、言語の処理というのは、特に左脳ですね、左側の脳の言語野と呼ばれるところだけで行われていると思われてたんですけども、実際にはですね。

在100多个不同的位置，词语的含义都被映射出来了

100カ所以上のいろいろな場所で、言葉の意味というのがマッピングされていたんですね。

更进一步，这就像地图一样，含义相近的词语激活的区域也确实很相似

さらにこれが地図のようにですね、よく似た意味の単語の時にアクティベートされる場所というのは、やっぱり似てるんですね。

因此，比如像家人或朋友这类词汇，当被试者听到时，被激活的区域大致集中在这一带

ですので、例えば家族とか友人みたいなもの、そういったことをまぁ聞かせて、その時にアクティベートされる、活性化される部分では、だいたいこのエリアとかですね。

或者，当听到某些图案、颜色或形状的描述时，另一个区域会被激活。

あるいは、何かの模様とか色とか形、それについて聞いているときには、別のエリアが活性化している。

大致就是这样的情况。

こんな状態です。

我们称之为语义地图，有趣的是发现这种地图在不同被试者、不同实验者之间也具有高度共性。

これを意味地図と呼んだりしますが、面白いことにこの地図はですね、被験者が違っても、実験した人が違っても、かなり共通していることもわかったんですね。

不过需要注意，所有实验参与者都是在西方发达国家成长并接受教育的人群，这种共同的人生经历可能对此产生了影响。

ただし、この実験に参加した人全員が、欧米先進国の社会で育って て、そこで教育を受けた人たちですので、まぁそういった共通の人生経験というのがそれに影響しているかも知れません。

目前还不清楚在完全不同的环境中成长的人们大脑中是否拥有相似的意义地图。

全く違う環境で育った人たちが同じような意味地図を頭の中にもっているかどうかはまだわからないんですけどね。

此外，大家熟知的ChatGPT等生成式AI已经出现，想必各位也经常体验到了。

さらにここに皆さんがご存知の チャット GPT などには生成 AI が出てくるんですけど、この生成 AI はもう皆さんもいつも経験していると思いますけど。

它能生成令人惊讶的自然流畅的文章，对吧？

驚くほど自然な文章を作れますよね。

这本质上是通过海量数据学习，当某个单词出现后，预测下一个最可能出现的单词或短语组合方式，从而生成文本。

で、これは基本的に膨大な多くのデータから、ある単語が来たら、次にこの単語が来る確率が高いということで、次に来る単語、あるいは単語と単語のつなぎ方を予想して、そして文章を生成している。

这就是它的生成原理。

生み出してるんですね。

生成式AI所基于的核心技术被称为Transformer，其本质是从零散局部的信号或信息中重构出完整内容。

生成 AI が基盤としている技術というのは、トランスフォーマーと呼ばれたりしますけれども、要は断片的な、部分的にしかない信号とか情報から全体を作り上げる、それに作り変えるんですね。

正因如此它被称为Transformer（转换器），有了这项技术，比如当输入'鱼'、'猫'、'庭院'这些零散画面或信号时，就能将它们组合成完整句子。

ですので、トランスフォーマーと呼ばれるわけですが、これがあると、例えば、魚、猫、庭っていうそういう映像、あるいはそういう信号があったとしたらですね、それを繋げて一つの文にできるんですね。

可以转换成'猫在庭院里吃鱼'这样的完整表述。

猫が魚を庭で食べているみたいな形に変えることができるんですよね。

再加上这里引入了扩散模型技术，就能将大脑中模糊的意象转化为高精度的照片。

さらにここに拡散モデルという技術が加わって、さらに脳の中のぼんやりとしたイメージを、今度は高精細の写真にすることができるんですね。

现在实际向生成AI输入文字描述，它就能生成相应的图像，对吧？

今も実際に生成 AI に言葉でね、文章を入れると、それっぽい絵を作ってくれますよね。

比如你说'请制作猫咪吃鱼的画面'，它就能生成这样的影像。

例えば、猫が魚を食べている映像を作ってくださいというと、そういう映像を作れますよね。

这种从脑波绘制图像的技术非常有趣，不同于从零开始在纸上或画布上作画的过程，而是像大家看云时——

この脳波から絵を描くという技術はなかなか面白くて、一から紙に、あるいはキャンバスに絵を描いていくような過程ではなくて、皆さんがですね、例えば雲なんかを見て。

有时候云朵会呈现出猫或鱼的形状，对吧？

いて、雲が時々、例えば猫の形に見えたり、魚の形に見えたりすることがありますね。

据说原理与这个过程很相似。

ああいうプロセスと似てるんだそうです。

就是说当你看着云朵隐约觉得'啊这个好像猫'之后，就会越看越像猫。

つまり、雲をなんとなく見ていて、あっなんか猫のように見えると思ったらですね、その後きちんと猫のように見えますよね。

而在此之前，脑海中完全没有这个形象——比如朋友突然从旁边指出时。

それまでは全く頭の中で描かれていなかったものが、例えば友達が横からあれ。

看起来不像猫。

猫に見えない。

被人提醒后仔细看就像猫了。

って言われてよく見ると猫のように見える。

虽然是这样，但通过朋友的声音，大脑会忽略云朵中不像猫的部分，而更加强调那些能让云朵看起来像猫的线条和阴影。

こういった感じですけれども、これは友達の声によって、猫に見えない部分の雲の形は無視して、猫に見えるために必要な線とか影なんかをより強く見るという、そういうことが頭の中で行われているんですけど。

其实AI在生成图像时就是这么做的。

これを実は AI の画像生成、画像を生み出すときにはやってるんだそうです。

AI学习过大量照片、图像和视频对吧？

AI はたくさんの写真とか画像、映像を学習していますよね。

它存储了很多记忆，但为了训练，比如有张猫的图片时，会给图片添加些噪点让它看起来不太像猫。

たくさん記憶してるんですけど、そのトレーニングのためにですね、例えば猫の絵があったら、その猫に少しノイズを加えて、ちょっと猫に見えないようにするんですね。

然后训练AI去识别哪些是噪点。

そして AI にどこがノイズかを当てるように訓練するんですね。

给照片添加些噪点，让图像变得模糊。

写真を見せて、少しノイズをつけて、そして映像を乱してしまう。

然后要反复多次教导AI噪声是如何被添加到哪些位置的。

そしてどこにノイズがどのように加わっているかを何度も何度も繰り返し教えるんですね。

这样一来，AI最终无论加入什么噪声都能准确还原原始图像。

そうすると、AI はそのうちどんなノイズが入っても元の絵をきちんと再現できるようになります。

也就是说，它具备了去除噪声的能力。

つまり、ノイズを取り除くことができるんですね。

简单比喻的话，人类作画就像是一一挑选红绿等颜料在画布上绘制，而AI的工作方式则不同。

ですので、簡単に例えると、人間が絵を描くときというのは、例えば絵の具、赤とか緑とかを一つ一つ選んでいってキャンバスに書いていくんですけど、そうではなくて、AI がやっているのはですね。

它是通过剔除混杂各种颜色的画布，让红色显现、绿色显现这样的方式，从已存在的所有颜色或形状中提取特定形态或色彩。

いろんな色が混じったキャンバスを削っていって、赤が出るようにとか、緑が出るようにという形で、全ての色、あるいはすべての形がすでにあるものから、ある形とかある色だけを抜き出していく。

以去除不必要元素的方式逐步完成绘画。

必要じゃないものを削っていくという、そういう作業の形で絵を描いていくんですね。

这种所有颜色形状混杂的状态被称为随机噪声或雪花屏，它包含了世间所有可能的图像形态。

このすべての色とか形が混ざり合ったものは、ランダムノイズとか砂嵐って呼んだりするんですけど、これはこの世の中に存在するすべてのあらゆる画像の可能性を。

这就是蕴含一切可能性的雪花屏——随机噪声。

含んだ砂嵐、ランダムノイズなんですね。

为了从中导出某个影像或图画，需要不断去除不必要的噪声，这就是它的绘制方式。

そこから、ある映像とかある絵を導き出すために、必要でないノイズをどんどん取り除いていくという、そういう描き方なんです。

从这些噪声中，要导出特定图画所需的提示，就像刚才说的云中是否能看出猫的形状。

このノイズから、ある特定の絵を導き出すためのヒントが、まぁさっき言った雲の中に猫に見えないですか。

就是那个声音提示。

ってあの声なんですね。

人类会依靠那个声音作为线索，只看猫的必要部分，而忽略其他无关部分，对吧？

その声を頼りに、ヒントにしながら猫に必要な部分だけは見るようにして、そうでないものは見ないように人間はしていますよね。

就是用这种方式来绘制图画。

そういう形で絵を描くんです。

因此，通过fMRI技术，我们能够知道在观看某个影像或思考某事时，大脑的哪些部分被激活了。

ということで、FMRI によってある映像を見ている時、あるいは何かを考えている時に、脳のどの部分が が活性化しているかが分かるようになった。

我们准确读取这些信息并绘制出了语义地图。

それを正確に読み取って意味の地図を作りました。

更进一步，通过生成式AI和Transformer技术，现在能够从局部碎片化信息（比如'猫、鱼、吃的、庭院'）生成完整句子（如'猫在庭院里吃鱼'）。从这些信息中去除噪...

さらに生成 AI によって、トランスフォーマーという技術によって、部分的な断片的な情報、例えば、猫、魚食べる庭みたいなもので、猫が魚を庭で食べているみたいな完璧な文章を作り出すことができるようになった。その分からノイ

通过减去这些需要剔除的噪音，我们得以从大脑中提取出正在思考的影像。

ズを削り出すノイズをマイナスすることによって、脳の中で考えられている映像を導き出すことができるようになった。

在这个过程中，我们正逐步实现将大脑中当前所想的内容可视化。

この過程で、脳の中、今考えていることをビジュアライズすることができるようになりつつあるんですね。

不过，NTT的这项技术并非用于可视化，而是反其道而行——当人们在脑海中观看影像或想象事物时，将其转化为语言描述。

ただし、今回の NTT の技術というのはビジュアライズすることではなくて、むしろ逆で、頭の中で映像を見ている、あるいは何かを思い浮かべているときに、それを言葉にする。

这是相反的思路。

逆ですね。

他们成功实现了这一点。

これをやったんですね。

这项被称为CLIP的技术，在以往...

これはクリップと呼ばれる技術なんですけど、これまでです。

比如猫的照片和'猫'这个文字信息过去被视为完全不同的数据类型，但通过让系统学习数百万乃至数亿张图像与文本配对数据...

例えば猫の写真と猫という文字情報というのは全く別のデータとして扱われていたんですけども、もう何百万枚、何億万枚もの 画像とか絵とテキストセットで学習させて。

最终将猫的照片和'猫'的文字信息定位到了相同的坐标空间上。

猫の写真と猫という文字情報を同じ座標上に位置づけたんですね。

我们将猫的照片和'猫'这个文字信息设置在XYZ坐标轴的特定位置上。

猫の写真と猫という文字情報が同じ x、YZの軸のある一定の場所に来るようにセットしたんですね。

有了这种将视觉数据与文字信息结合起来的坐标地图后，无论是文字信息还是图像数据，都可以用纯粹的向量意义来表示。

この映像と文字情報がセットになった座標軸の地図というのがあるとですね、文字情報も映像や画像といったビジュアルデータも、いずれも純粋な意味として、この場合の意味というのはベクトルで。

嗯。

すね。

位置。

場所。

它们会分别显示在X、Y、Z轴上的位置。比如当看到猫的图像时，如果大脑某个区域被激活，就能判断当前是'0507-03'这个概念。

xの yの zのそれぞれの軸上の場所として表されるわけですけど、例えば猫の映像が見せられて、脳のある部分がアクティベートされたら、今、0507マイナス03の概念。

这样就能判断出头脑中正在思考的含义了。

意味が頭の中であるなというふうに判断できるようになるんですね。

就是刚才说的坐标轴位置。

そしてさっきの座標軸の位置ですね。

'0507-03'这个概念。

0507マイナス03という概念。

我们也可以将其转化为文字描述。

これを文章にすることもできます。

在0507负03的位置上，定位着猫、鱼和进食的含义。

0507マイナス03の位置には、猫と魚と食べるという意味が位置づけられている。

因为包含这样的语义，所以变形金刚模型就会以'构建猫吃鱼的句子'这种方式，帮我们生成语句。

こういう意味を含んでいるから、じゃあ猫が魚を食べているという文章を作ろうという形で、トランスフォーマーがその文章を作ってくれるんですね。

它会补充缺失部分进行转换，最终生成完整的句子。

足りない部分を補ってトランスフォームして分を作ってくれるということになります。

当你脑海中浮现某个画面时，AI能将其翻译成文字输出。

頭の中に何か映像を思い浮かべている時に、それが AI によって翻訳されて文章として出てくる。

比如当你想象自己正在用电脑时，AI可能会说'检测到您脑海中正在浮现使用电脑的画面'之类的话。

例えば、頭の中でパソコンをしている自分を思い浮かべていると、AI が今あなたはパソコンをしている映像頭に思い浮かべてみますね、といったことを言ってくるかもしれませんね。

或许真的能实现读取人心的读心术。

本当に人の心をよむ読心術というのが可能になるかもしれません。

不过目前据说解读单个人的思维模式仍需十几个小时，或者虽然能实时将闪现的画面转写成文字...

今はまだまだ一人の人間の思考パターンを読み取るのにですね、十何時間かかるそうですので、あるいは、今一瞬考えている映像を文章化することはできるそうですけれども。

当然，要完整读取一个人全部的想法似乎还相当困难，但即便如此，读取人大脑中的所思所想，可能真的已经近在眼前了。

もちろん考えていること全体のというのはなかなか難しいみたいですけれども、それでも人が考えていることを脳の中身を読み取るというのは、本当にもうすぐのことかもしれませんよね。

这将是远超测谎仪的心灵读取技术。

嘘発見器をはるかに超えた人の心を読む。

如果这种技术成为现实，隐私将荡然无存。

そんなことが可能になったら、プライバシーも何もあったもんじゃないですね。

虽然觉得有点可怕，但我本质上对技术进步持相当积极或者说乐观的态度，所以听到这个新闻时，我非常期待这项技术能带来哪些新可能。

ちょっと恐ろしいなぁとは思いつつ、でも私は基本的には技術の進歩にはかなりポジティブというか楽観的なので、この技術を使ってどんなことができるようになるかなというのが非常に楽しみでこのニュースを聞いていましたけれども。

各位对此有何看法呢？

皆さんはどのように思われるでしょうか。

综上所述，本周NTT发布了名为'思维捕捉'的技术，能够将大脑活动数据转化为脑海中浮现的影像语言。今天我们就探讨了AI读取人类心思、解读大脑内容的话题。

ということで、今週はｎｔｔが脳の活動データから頭の中で思い浮かべている映像を言語化するマインドキャプションという技術を発表しましたので、今日は AI が人間の心を読む、頭の中を読む。

将其可视化，或是转化为文字描述。

それをビジュアライズする、あるいはそれを文章化する。

那么，我们刚才简单聊了聊这个过程。

まぁ、その過程についてちょっとお話をしてみました。

希望下周还能继续听到你的声音。

また来週も聴いてくれると嬉しいです。