据2026年10月1日《麻省理工科技评论》报道，以色列雷霍沃特魏茨曼科学研究所的米哈尔·伊拉尼及其同事开发出一种AI“读心”工具，能通过分析脑扫描判断人正在看什么，并以相当高的精度重建该图像；它还能反向根据图像预测人的脑活动。研究者希望这一工具最终帮助揭示大脑工作机制，并可能用于帮助闭锁综合征患者沟通，甚至帮助科学家重现梦境内容。
神经科学家多年来一直尝试重建人们看到的内容和脑中的画面，但早期尝试生成的图像模糊、难以辨认。该团队首先分析公开可用的脑扫描数据。其他研究者此前已收集志愿者躺在fMRI扫描仪中观看数百张图像时的扫描结果。fMRI用大型磁体追踪含氧血流，扫描中“亮起”的脑区被认为在特定时刻尤其活跃，但典型fMRI体素覆盖约3立方毫米、包含约1.6万个神经元，并不特别精细。伊拉尼等人使用了分辨率更高的扫描仪收集的新数据集，每个体素约覆盖1立方毫米神经元。
为更接近地重建看过的图像，团队先用8名受试者的现有数据训练AI模型，每人在高分辨率fMRI扫描仪中观看了约9000张图像。其“脑解码器”分为两支：一支预测图像结构，例如颜色位于何处；另一支预测图像内容，例如盘中有一串香蕉。两类预测使扩散模型，即一种以逐步去除像素噪声来生成图像和视频而闻名的AI，能够更准确地呈现受试者看到的内容。伊拉尼说，其他模型也能根据脑扫描生成香蕉图像，但结构和位置会不同。
训练数据不足时，团队又训练了一个方向相反的编码器，用于根据图像预测脑活动。他们将编码器和解码器一起使用：先给出一张新图像，比如豹子，用编码器预测人看到该图像时的fMRI脑扫描，再用解码器重建图像。伊拉尼说，起初重建结果可能不太像豹子，但反复以这种方式训练模型后，效果会显著改善。这一方法也让团队能利用任意数量的图像训练模型，即使这些图像从未在人接受fMRI扫描时展示过。伊拉尼表示，约70%的训练数据来自最初未与fMRI扫描配对的图像。通过合并多项研究的数据，团队还识别出似乎在所有个体中具有共享功能的脑区，例如一个区域对食物图像有反应，另一个区域对体育图像有反应。
加拿大不列颠哥伦比亚大学神经伦理学家、神经学教授朱迪·伊莱斯没有参与这项研究，她称这项工作“极为出色”。她说，将这种方法用于帮助神经系统疾病患者的治疗前景“非常令人振奋”。但其他科学家警告，类似方法可能被用来揭示人的内心想法和心理意象，而且可能在未经同意的情况下进行。美国加州大学圣巴巴拉分校神经科学家汤米·斯普雷格说：“结果看起来非常令人印象深刻。但如果有办法暗中提取人们正在思考的信息，那么……150年的科幻小说随时可能成真，这在很多方面令人担忧。”