Ett team under ledning av Michal Irani vid Weizmann Institute of Science har utvecklat ett AI-system som kan gissa vad någon tittar på genom att analysera en hjärnskanning och sedan skapa en bild som nära liknar originalet. Systemet fungerar åt båda hållen: det kan också förutsäga vilken hjärnaktivitet en viss bild skulle ge upphov till. Genombrottet presenterades vid konferensen Cognitive Computational Neuroscience i New York i september 2026.
Så fungerar systemet
Forskarna tränade en ”avkodare” på fMRI-data från åtta försökspersoner, som var och en fick se omkring 9,000 bilder i en högupplöst skanner. Avkodaren har två delar – den ena förutsäger färgernas och formernas placering, den andra bildens innehåll, till exempel ”ett knippe bananer”. Därefter skapar en diffusionsmodell – en typ av AI som förfinar brusiga bildpunkter till en tydlig bild – den slutliga bilden. För att komma runt den begränsade mängden matchade skannings- och bilddata tränade forskarna också en ”kodare” som förutsäger hjärnaktivitet utifrån vilken bild som helst. På så sätt kan de två modellerna förbättra varandra i en återkopplingsloop.
Därför spelar det roll
Den nya avkodaren behöver bara omkring en timmes fMRI-data från en ny person, jämfört med cirka 40 timmar för tidigare verktyg – en kostnadsskillnad på $600‑$1,000 per skanningstimme. Det gör tekniken mer användbar för neurovetenskapliga laboratorier och skulle på sikt kunna hjälpa personer som inte kan tala, till exempel personer med locked-in-syndrom, att kommunicera genom att omvandla hjärnaktivitet till bilder.
Varför det spelar roll
För neuroforskare innebär den kortare skanningstiden att studier kan genomföras billigare och snabbare, vilket öppnar för fler experiment om visuell bearbetning. För patienter med svåra rörelsenedsättningar antyder metoden en framtida möjlighet att förmedla tankar utan tal, även om praktiska hjälpmedel fortfarande ligger flera år bort.
