השגת ראייה הדומה יותר למוח האנושי באמצעות יישור ייצוגי של EEG אנושי

מדוע המחקר הזה חשוב

בינה מלאכותית מודרנית מסוגלת לזהות עצמים בתמונות בדיוק הקרוב לזה של בני אדם, אך עדיין אינה "רואה" את העולם כפי שמוחנו רואה אותו. מחקר זה מציג דרך חדשה לכוונן מערכות ראייה ממוחשבות באמצעות אותות מוח שנרשמו מנבדקים, ומקרב את ה-AI צעד נוסף לעבר הבנה ויזואלית דמוית־אנוש. על ידי עיצוב ישיר של מודל ראייה לפי פעילות מוחית אנושית, העבודה מרמזת על עתיד שבו ה-AI לא רק חזק, אלא גם מאורגן יותר בדומה לדרכי הפעולה של מוחנו.

לימוד מכונות בגלי מוח

הכותבים מתמקדים ברעיון פשוט אך נועז: במקום לאמן מודלי ראייה רק על תמונות ותוויות, למה לא גם להראות להם כיצד מוח האנוש מגיב לאותן תמונות? הם משתמשים באלקטרואנצפלוגרפיה (EEG), המדידה של שינויים זעירים במתח על הקרקפת בעת צפייה בתמונות. ה‑EEG אינו פולשני, יחסית זול, וניתן לאסוף אותו במהירות לאורך ניסויים מרובים. מעשרה נבדקים השתמשו בקבוצת נתונים פתוחה גדולה שבה כל אדם צפה בעשרות אלפי תמונות של עצמים טבעיים בעוד אותות ה‑EEG שלו נרשמו בתוך שני עשיריות השנייה הראשונות לאחר הופעת כל תמונה.

בניית רשת ראייה ממוינת למוח

בהתחלה ממודל ראייה עמוק קיים בשם CORnet‑S, החוקרים הוסיפו מודול נוסף של "תמונה‑למוח". כשהתמונה נכנסת לרשת, המודל מבצע כעת שתי משימות בו־זמנית: הוא מנחש איזה עצם קיים ומנסה לחזות את דפוס ה‑EEG שאותו הראה אדם אמיתי עבור אותה תמונה. לשם כך אותות ממספר שכבות פנימיות של הרשת מנותבים אל מודול ה‑EEG, שלומד לייצר סדרת זמן קצרה התואמת את נתוני האנשים. במהלך האימון המודל מקבל חיזוק הן על זיהוי עצמים נכון והן על יצירת פעילות בדומה ל‑EEG, מה שמניע את המאפיינים הפנימיים שלו להידמות לאלה של מערכת הראייה האנושית.

קרבה לפעילות מוחית על פני שיטות

לאחר שאימנו עשר "ReAlnets" כאלה (אחת לכל נבדק), הקבוצה בדקה האם המודלים הללו אכן הפכו ליותר דמויי‑מוח. הם השוו את דפוסי היחסים בין תמונות בתוך המודל עם הדפוס שנראה ב‑EEG אנושי, באמצעות טכניקה הנקראת ניתוח דמיון ייצוגי. בכל השכבות הראשיות ובנקודות זמן בין 50 ל‑200 מילישניות, ה‑ReAlnets היו באופן עקבי דומים יותר ל‑EEG האנושי מאשר ה‑CORnet‑S המקורי ומודלים סטנדרטיים אחרים, עם שיפורים שיא של עד כ‑6% ושיפורים יחסיים של עד כ‑40%. חשוב לציין שההעצמה התקיימה גם עבור קטגוריות עצמים חדשות שמעולם לא שימשו באימון, מה שמראה שהיישור מתכלל מעבר למערך האימון.

התקרבות לסריקות מוח ולהתנהגות

שאלה מרכזית היא האם המודלים רק למדו מאפיינים ייחודיים של ה‑EEG, או שתפסו משהו כללי יותר לגבי הראייה האנושית. כדי לבחון זאת פנו המחברים למאגר נתוני הדמיה מוחית נפרד, שבו נבדקים אחרים צפו בתמונות טבעיות, בצורות מופשטות ובאותיות בתוך סורק MRI. אף על פי שה‑ReAlnets מעולם לא נחשפו לנתונים אלה, הדפוסים הפנימיים שלהם התאימו יותר לאיתותים ממספר אזורים ויזואליים במוח מאשר המודל המקורי. יתר על כן, מידת השיפור עבור EEG ועבור MRI היתה מקושרת בחוזקה בין המודלים, מה שמעיד על חיזוק ייצוג ליבה משותף. החוקרים גם העריכו עד כמה המודלים והאנשים עשו טעויות דומות במשימות זיהוי עצמים תובעניות — גם כאן ה‑ReAlnets התאימו יותר להתנהגות האנושית מאשר המודלים הבסיסיים.

ראייה דמויית־מוח מותאמת אישית וכללית

מכיוון שכל ReAlnet כוון לפי ה‑EEG של אדם אחד, המחברים יכלו לחקור הבדלים בין‑אישיים. הם מצאו שמודלים מותאמים אישית נוטים להתרחק אחד מהשני יותר בשכבות העמוקות, מה שמשקף כיצד ההבדלים בין אנשים גדלים מאזורים חזותיים מוקדמים לאזורים חזותיים גבוהים יותר. ועדיין, מודל של כל אדם הכליל טוב יותר ל‑EEG של אנשים אחרים מאשר הקו הבסיסי הבלתי מותאם, מה שמראה שהוא לכד גם מבנה משותף וגם מבנה תלוי‑נבדק. הצוות הרחיב גם את המסגרת לארכיטקטורה שונה, ResNet18, ושם שוב נצפה שיפור ביישור עם EEG, MRI, ובמידה פחותה יותר — בהתנהגות, מה שמרמז שהגישה גמישה ואינה תלויה בעיצוב מודל בודד.

מה המשמעות של זה להבנה יומיומית

ללא‑מומחה, המסר המרכזי הוא שניתן כעת לכוונן אלגוריתמי ראייה ישירות באמצעות הקלטות לא פולשניות מהמוח האנושי. ה‑ReAlnets שנוצרו אינם רק מזהים עצמים; הם מארגנים מידע באופן שיותר מהדהד עם מסלולי הראייה שלנו, על פני אותות חשמליים מוחיים, סריקות MRI ואפילו דפוסי טעויות במשימות זיהוי. אמנם השיפורים צנועים ונשארים אתגרים טכניים רבים, אך עבודה זו מציעה צעד מוחשי לעבר מערכות AI שמבנה פנימי שלהן מעוצב על‑ידי המוח האנושי עצמו, וייתכן שיביאו בעתיד לטכנולוגיות חזקות יותר, ניתנות לפרשנות ומותאמות‑אדם.

ציטוט: Lu, Z., Wang, Y. & Golomb, J.D. Achieving more human brain-like vision via human EEG representational alignment. Commun Biol 9, 463 (2026). https://doi.org/10.1038/s42003-026-09685-w

מילות מפתח: בינה ממוחשבת מותאמת למוח, ראיית EEG, זיהוי עצמים, נוירו-מדעי חישובי, תפיסה דמוית־אנוש