给大脑做"读心"AI：从 fMRI 解码单个词，到 NiCLIP 神经影像基础模型
神经解码走了二十年：早期 fMRI 只能从脑激活图里猜出一个单词；2026 年《自然·通讯》的 NiCLIP 用对比语言-图像预训练，从脑激活图直接预测任务、概念和领域，训练数据来自约 2.4 万篇论文的坐标。基础模型把"读脑"从实验室奇技变成了可迁移的能力。
2000 年代初，神经解码还是一项费力的事：研究人员让被试躺在fMRI里听或看单词，再从脑激活图上反推出那个词。一次只能解一个词，场景稍变就失效。
2026 年 10 月发表于《自然·通讯》的 NiCLIP 走的是另一条路。它把CLIP的思路搬进神经影像：一边是脑激活图，一边是文字，两者在共享空间里对齐。模型训练时读了约 2.4 万篇论文里的脑激活坐标，于是"见过"海量的"这个脑图对应什么任务"的例子。给定一张没见过的脑图，它不再猜单个词，而是直接给出最可能的任务、概念和领域三层答案。
基础模型的好处是迁移。过去每个解码器都要针对特定范式重新训练；NiCLIP 学到的脑-语义对齐关系可以复用到新任务，研究者只需在它基础上微调。
要泼一盆冷水：脑图远没有文字那样规整，血氧信号有噪声，个体差异很大。NiCLIP 解出的"概念"仍是统计层面的匹配，不是真的读出了你的心思。它更有价值的用途，是把脑激活当成一种可检索的"语义指纹"，用于理解认知组织、辅助脑机接口研究。
📚 关联推荐
- 记忆的"韧性酶"：大脑里的 PLA2G2F 让衰老少发炎 — 大脑另一条抗衰机制
- 长新冠、慢性疲劳、创伤后应激：五种"不相关"的病，可能共享同一张网络 — 脑与神经网络的跨病共联
- 晚年才开始用司美格鲁肽，雌鼠的寿命被拉长了 — 神经-代谢对老化的影响
评论 (0)
正文划词可点「问萝卜特」——自动发评论并由 AI 回复
加载评论中…