我在大脑中寻找真理与美的模样

2003 年秋天，一家旧金山画廊展出了我的大脑。作为一名观念艺术家，我以思想为媒，而非油彩，这有时会招致我“什么都没创造”的指责，认为我的作品他人无法体验。为了尽可能直接地表达我的想法，我与加州大学旧金山分校的神经学家 Bruce Miller 合作，他在我躺在医疗扫描仪中沉思美与真理时，为我进行了大脑成像。

Miller 使用的技术称为功能性磁共振成像（fMRI），于 20 世纪 90 年代开发，用于无创测量精神活动。它通过强大的磁脉冲与血液中血红蛋白中的铁相互作用来追踪大脑内的血流，血红蛋白是一种帮助输送氧气的蛋白质。由于神经元放电后循环会增加，因此血流的变化反映了思想的流动。

至少理论上是这样。当我们在 2003 年付诸实践时，我最终得到的扫描图细节却少得可怜。在 Modernism 画廊的展览期间，观众们眯着眼睛看着覆盖在我灰质上的红色斑块，摇着头表示困惑，然后又添满了他们的夏多内葡萄酒。

十六年后，Miller 也有类似的反应。他在加州大学旧金山分校的办公室里，手指拂过电脑屏幕上的一张我的大脑扫描图——这是我思考真理时的图像。“分辨率很低，但我觉得这里的主题是……你在深度思考，”他说，“我认为这张[扫描图]已经过时了。”

他说得对。自 2003 年以来，技术已经取得了长足的进步，现在医院里的大多数 fMRI 机器的功率至少是当时我们使用的机器的四倍。尤其是在近几年，从 fMRI 中提取信息方面取得了显著的进展。

多年前的这段经历常常让我思考，思想在多大程度上是可观察的，以及这些观察能告诉我们多少关于我们思维方式的信息。现在，我不知道这些进步是否意味着 fMRI 可以成为一种内省的手段、一种交流的工具，甚至是我曾经设想的艺术表达方式。为了弄清楚这一切是否可能，我带着旧的大脑扫描图，开始与一些科学家们交谈，了解他们在这项进展背后的贡献。

成像想象力

“我可以看到哪些大脑区域显示出峰值激活，”神经科学家 Yukiyasu Kamitani 在他位于京都大学的实验室里检查我的扫描图时说道。“但我们不再只看‘热点’了，”他指的是代表最大血流的红色斑块。“我们寻找大脑活动的模式，而这些模式是肉眼无法看到的。”

Kamitani 是视觉皮层（大脑处理视觉信息的区域）领域的国际顶尖专家之一，而 fMRI 是他最锐利的工具之一。他开发了一种解码大脑扫描图的方法，他将其比作“读心术”。他的技术发表于 2017 年的 *Nature Communications*，允许他通过记录人们在 fMRI 机器中观看图像时大脑的反应来重建这些图像。更令人惊讶的是，他还能重建人们想象的图像。

为了实现这一点，Kamitani 首先使用深度神经网络——一种人工智能——来分析志愿者在观看雨伞、喷气式飞机等熟悉物体图像时的脑活动。血流的变化出现在整个视觉皮层，形成 AI 能够区分并将其与“飞机”等类别以及喷气式飞机的银色涂层等特性相关联的模式。在深度神经网络通过比较数千张大脑图谱和触发它们的照片进行训练后，Kamitani 在没有照片提示的情况下提供扫描图，让 AI 生成其对潜在提示的自身版本。

其中许多伪造的图片都 readily identifiable（容易辨认）。以同样方式解码的人们想象的物体，虽然更模糊但仍然可以理解。这项研究和后续研究表明，我们是分层处理图像的。当你看到某物时，你首先接收到颜色等基本属性。但当你想象同样的东西时，而又没有真正看到它，层次的处理方式就不同了。想象力始于“桌子”这样的通用类别，然后用诸如桌子是什么材质的等回忆细节来充实。Kamitani 不仅观察到了思维的对象，还在观察可视化是如何工作的。

再来一次，带着情感

尽管能够向他人展示我思考美与真理时所想象的画面，但这幅画面是不完整的，如果观众无法看到我对这些事物的感受。杜克大学神经科学家 Kevin LaBar 告诉我，这也是可能的。

LaBar 创建了首个基于 fMRI 扫描图预测人们情绪状态的成功模型，并于 2016 年在 *PLOS Biology* 上发表了他的研究。与 Kamitani 一样，他也不寻找“热点”。相反，他使用 AI 将大脑活动的模式与主观感受联系起来。

LaBar 使用音乐和电影来训练他的 AI。“我们选择的片段之前已被证明可以引发不同的情绪，”他解释道。他在机器中播放片段给人们看，然后将大脑扫描图与这些片段已知会引发的情绪进行标记。在此基础上，他训练他的 AI 来识别与七种基本情绪相关的血流模式，从惊讶到有趣。为了验证该计算机模型，他给 AI 看了第二批扫描图，但没有识别情绪，并将计算机检测到的结果与相关片段的情感标签进行比较。

这些模式在不同受试者之间具有足够的一致性，以至于 AI 现在能够预测它从未遇到过的人的情绪状态——不仅仅是对俗气电影和音乐的反应。例如，该机器可以检测到人们首次进入狭窄的 fMRI 室时感到的恐惧。它甚至能捕捉到抑郁症等情绪障碍。

从 LaBar 的角度来看，fMRI 可以作为一种交流设备，不仅对观念艺术家而言。扫描图可以诊断那些难以用语言表达情感的人的焦虑，或者在他们进行愤怒管理咨询时客观地监测他们。

尽管如此，LaBar 还是很快指出，AI 的画面仍然是零碎的。可能还有其他未经测试的情绪状态——拼图的其他部分。通过将问题分解成这些片段，科学家们正在创造一幅马赛克，但他们不知道自己的模型将如何契合在一起。看着我的大脑扫描图，听到我试图表达美与真理这些抽象概念的尝试，LaBar 提出了一个建议：“我会应用 Jack Gallant 新的语义网络分析。”

词语的栖息地

Gallant，一位加州大学伯克利分校的神经科学家，近十年来一直在构建一种大脑图谱。他图谱的一个组成部分，于 2016 年首次发表在 *Nature* 上，描绘了词语的意义储存在大脑皮层（大脑最外层，许多高级功能在此发生）的哪个位置。他绘制的词语涵盖了从身体部位到数字，再到真理等原则。他告诉我：“我们的方法产生了用 fMRI 能够实现的最准确、最详细的地图。”它显示，每个概念都储存在大脑两个半球的多个位置。例如，“狗”这个概念会在前额叶、顶叶和颞叶皮层引发大脑活动。

Gallant 的研究始于对 *The Moth Radio Hour* 的录音，这是一个受欢迎的节目，讲述个人故事，并在现场观众面前讲述。他让人们待在 MRI 机器中，扫描他们的大脑，同时让他们收听这些叙事。通过这样做，他和他的团队创建了一个庞大的数据集，索引了神经元响应近 1000 个常见英语单词时放电的区域。然后，他通过让计算机预测他的受试者听到其他故事时大脑激活的模式来验证他的模型。

他发现每个词都与多个区域相关联，他推测这是因为每个区域处理其意义的某个方面。为了说明这一点，他将“真理”和“美”这两个词输入他的图谱。“‘美’的区域代表视觉和感官概念，”他说，“而‘真理’的区域代表社交概念。”

然后他给我看他个别受试者的大脑图，其中与真理相关的区域显示为红色，美则显示为蓝色。如果说相似性使他的项目在科学上具有意义，那么差异则充满了内省和艺术表达的潜力。通过再次进行扫描，或许我将能够展示真理和美对我的意义，我对它们的感受，甚至它们唤起的图像。虽然花了 16 年，但我再也不用为学习如何绘画而烦恼了。

Jonathon Keats是一位观念艺术家，也是《Discover》的特约编辑。这篇文章最初以“思想的形状”为题刊登在印刷版上。