Seeing Like a Brain: Predicting Subject-Specific EEG Responses to Natural Visual Stimuli

Il cervello umano è un vasto e silenzioso teatro dove il mondo esterno viene costantemente tradotto in segnali elettrici. Quando guardate una scena, la luce colpisce i vostri occhi, ma il vero lavoro avviene all'interno del cranio, dove miliardi di neuroni scoccano in schemi complessi e rapidi per dare un senso a ciò che vedete. Per decenni, gli scienziati hanno cercato di ascoltare questa conversazione elettrica utilizzando l'elettroencefalografia, o EEG, un metodo che posiziona sensori sul cuoio capelluto per registrare queste minuscole variazioni di tensione. Sebbene l'EEG sia eccellente nel catturare la velocità dell'attività cerebrale, scendendo fino al millisecondo, è stato tradizionalmente una strada a senso unico: i ricercatori registrano la reazione del cervello a un'immagine e poi cercano di indovinare cosa la persona stesse guardando. È come cercare di capire un film guardando solo le reazioni del pubblico dopo i fatti compiuti. Un obiettivo più potente, ma molto più difficile, è invertire il processo: prevedere esattamente come un cervello specifico reagirà a un'immagine prima ancora che la persona la veda. Ciò richiede un modello che comprenda non solo l'immagine, ma anche il cablaggio unico della mente di un individuo.

In un nuovo studio, i ricercatori hanno costruito un sistema informatico che fa esattamente questo, insegnando efficacementmente a una macchina a "vedere" come un cervello umano. Il team, guidato da scienziati della Fudan University e della Shanghai University of Medicine and Health Sciences, ha creato un framework che prende una fotografia naturale come input e genera una previsione dettagliata dell'attività elettrica che si verificherebbe in tutta la testa di una persona. Non si sono limitati a ipotizzare un modello generale; hanno addestrato il sistema per produrre una mappa elettrica specifica a 63 canali per ciascuno di dieci diversi individui. Il sistema funziona analizzando innanzitutto i dettagli visivi di un'immagine, per poi utilizzare una sofisticata rete neurale per simulare come quell'informazione visiva si propagherebbe attraverso i circuiti elettrici del cervello. Il risultato è un segnale cerebrale previsto che corrisponde al reale con una precisione sorprendente, catturando la tempistica, il ritmo e il significato della risposta cerebrale.

I ricercatori hanno testato il loro sistema utilizzando una vasta collezione di immagini naturali e registrazioni cerebrali di dieci volontari. Hanno mostrato al computer immagini di animali, veicoli e strumenti che i volontari non avevano mai visto durante la fase di addestramento. Il computer ha poi generato una previsione di come sarebbero state le onde cerebrali per ciascuna persona. Quando hanno confrontato queste previsioni con le effettive registrazioni cerebrali, l'abbinamento è stato più forte nella parte posteriore della testa, la regione nota come lobo occipitale, che è il centro primario della visione nel cervello. In quest'area, le onde elettriche previste seguivano quelle reali così da vicino da apparire quasi identiche, preservando la precisa tempistica della reazione iniziale del cervello all'immagine. Il sistema era abbastanza veloce da effettuare queste previsioni in meno di dieci millisecondi, una velocità che suggerisce come un giorno possa essere utilizzato in applicazioni in tempo reale.

Ciò che rende questo traguardo particolarmente significativo è che il computer non ha prodotto solo una media sfocata dell'attività cerebrale. Ha catturato la firma specifica e unica del cervello di ogni persona. I segnali previsti mantenevano il ritmo corretto delle onde cerebrali, incluse le frequenze specifiche che dominano diverse parti del cervello. Hanno anche preservato le sottili differenze nel modo in cui il cervello risponde a diversi tipi di oggetti. Ad esempio, il sistema poteva distinguere tra la reazione del cervello a un'immagine di un'auto e un'immagine di un cane, mantenendo intatta la "forma" unica dell'informazione per ciascun oggetto. Ciò significa che il modello ha appreso le regole strutturali profonde di come l'informazione visiva viene trasformata in attività neurale, piuttosto che limitarsi a memorizzare esempi specifici.

Lo studio ha anche rivelato che la risposta del cervello a un'immagine non è un evento singolo e uniforme, ma una complessa cascata di attività che si dispiega nel tempo e nello spazio. Il computer ha ricostruito con successo i lampi iniziali e brevissimi di attività elettrica che avvengono quando il cervello registra per la prima volta una forma, così come le onde più lente e complesse che seguono mentre il cervello ne elabora il significato. Analizzando i dati attraverso diverse regioni cerebrali, i ricercatori hanno scoperto che la previsione era più accurata per la parte posteriore della testa e per le onde cerebrali più lente e ritmiche, mentre la parte anteriore della testa e i segnali molto veloci e ad alta frequenza erano più difficili da prevedere. Questo gradiente di accuratezza rispecchia l'organizzazione naturale del sistema visivo umano, dove la parte posteriore del cervello è la prima a ricevere l'input visivo.

Per garantire che il loro modello stesse realmente apprendendo la connessione tra immagini e attività cerebrale, e non stesse solo indovinando basandosi su schemi generali, i ricercatori hanno eseguito un controllo rigoroso. Hanno confrontato le onde cerebrali previste per l'immagine corretta con quelle previste per immagini casuali e non corrispondenti. Il sistema ha costantemente prodotto un abbinamento molto migliore per l'immagine corretta, dimostrando di aver imparato a collegare dettagli visivi specifici a risposte neurali specifiche. Inoltre, quando hanno testato il sistema su un set diverso di registrazioni cerebrali provenienti da un gruppo diverso di persone, gli stessi schemi sono rimasti validi, suggerendo che le regole apprese dal computer sono robuste e non limitate a un singolo dataset.

Questo lavoro rappresenta un importante passo avanti nella comprensione del ponte tra il mondo fisico e la nostra esperienza interiore di esso. Prevedendo con successo le risposte cerebrali individuali a partire dalle immagini, i ricercatori hanno creato uno strumento che potrebbe aiutare gli scienziati a studiare come il cervello elabora la visione senza dover registrare ogni singola persona. Apre inoltre la porta a nuovi modi per testare l'intelligenza artificiale, permettendo ai ricercatori di vedere se i modelli informatici di visione si comportano come i cervelli umani. Sebbene l'attuale sistema funzioni meglio per la parte posteriore della testa e richieda un addestramento individuale per ogni persona, stabilisce un percorso chiaro verso un futuro in cui potremo simulare la reazione della mente umana al mondo con alta precisione. Lo studio conferma che la risposta elettrica del cervello a ciò che vediamo non è rumore casuale, ma un segnale altamente strutturato, prevedibile e individualizzato che può essere decodificato e ricreato da una macchina.