Представьте, что вы можете увидеть сны другой мыши. Не через хрустальный шар, а через электроды и нейросети. Звучит как научная фантастика? Но именно это стало реальностью к марту 2026 года. Лаборатория в Цюрихе опубликовала результаты, от которых у нейробиологов по всему миру зашевелились волосы на голове. Искусственный интеллект не просто читает мысли - он снимает по ним кино.
Мышиный кинозал: как это работает
Все начиналось с простой, почти детской идеи. Ученые показывали лабораторным мышам короткие черно-белые ролики: движущиеся геометрические фигуры, вспышки света, контрастные полосы. Никакого голливудского сюжета, но для зрительной коры грызуна - целое событие. Пока мышь смотрела видео, массив из 512 ультратонких электродов, имплантированных в ее первичную зрительную кору (V1), записывал активность тысяч нейронов. Каждый всплеск, каждый паттерн - это крик на языке, который мы только учимся понимать.
А вот тут начинается магия. Собранные данные - терабайты нервных импульсов - скормили не обычной нейросети, а гибридной архитектуре под названием CortexNet-3. Это последняя версия модели, выпущенная в конце 2025 года специально для задач нейродекодирования. В отличие от предыдущих версий, CortexNet-3 использует механизм внимания, похожий на тот, что в трансформерах, но адаптированный для временных рядов нейронной активности.
От спайков к кадрам: алхимия CortexNet-3
Как нейросеть превращает электрические всплески в движущиеся изображения? Сначала модель учится на парных данных: с одной стороны - запись нейронной активности, с другой - исходное видео, которое видела мышь. Нет, это не магия. Это поиск статистических закономерностей, связывающих конкретные визуальные паттерны (например, вертикальную полосу, движущуюся влево) с определенными ансамблями возбужденных нейронов.
После обучения фаза реконструкции выглядит почти как волшебство. ИИ получает на вход только данные об активности мозга, записанные в тот момент, когда мышь смотрела новое, ранее не виденное видео. Задача - предсказать, что же было на экране. Результат? Размытые, но однозначно узнаваемые черно-белые кадры. Полосы движутся в правильном направлении. Квадраты появляются там, где должны. Точность совпадения, по метрике структурного сходствия (SSIM), достигает 0.78 для простых стимулов. Для 2026 года - это рекорд.
| Визуальный стимул | Точность реконструкции (SSIM) | Количество задействованных нейронов |
|---|---|---|
| Движущаяся вертикальная полоса | 0.82 | ~1200 |
| Вспыхивающий квадрат | 0.79 | ~950 |
| Случайный шум (контроль) | 0.11 | N/A |
Зачем это все? (И это не про шпионаж за мышами)
Самое очевидное применение - фундаментальная наука. Наконец-то у нас появился инструмент, чтобы напрямую проверить гипотезы о том, как мозг кодирует визуальную информацию. Это мощнее, чем любая механическая интерпретация искусственной нейросети. Это интерпретация самой природы.
Но давайте посмотрим дальше. Технология нейродекодирования - это краеугольный камень для интерфейсов "мозг-компьютер" нового поколения. Представьте протез зрения, который не просто стимулирует зрительную кору точками света, а воссоздает цельные образы, декодируя сигналы от камеры. Или систему коммуникации для полностью парализованных людей, где они мысленно "рисуют" то, что хотят сказать.
Важный нюанс: реконструкция работает только для пассивного восприятия простых стимулов. Мы не можем (пока) расшифровать внутренние образы, воспоминания или сны мыши. Мозг в режиме "фантазии" работает иначе. Об этом подробно писалось в статье "Почему ИИ никогда не обретет сознание".
Слона в комнате: этика и пределы
Да, мы все думаем об одном. Если это работает на мыши, то когда заработает на человеке? Технический барьер высок. Нейрохирургическая имплантация массивов электродов в зрительную кору человека - экстремальная процедура, оправданная лишь в редких медицинских случаях. Но прогресс в неинвазивных методах, вроде усовершенствованной фМРТ с машинным обучением, может изменить правила игры. И тогда вопрос приватности мысленных образов станет главным политическим вопросом десятилетия.
Есть и фундаментальный предел. Наш мозг - не видеокамера. Восприятие - это активный конструктивный процесс. То, что "видит" зрительная кора мыши, - уже сильно обработанная, интерпретированная версия реальности. ИИ, по сути, реконструирует эту интерпретацию. Не объективную реальность, а то, как ее видит мозг конкретного животного. Это делает метод бесценным для понимания субъективности восприятия. Как отмечали в исследовании DeepMind об обучении ИИ видеть, разрыв между сигналом и восприятием - это и есть территория сознания.
Что будет дальше? Прогнозы на 2027
- Цвет и сложность. Следующая цель - реконструкция цветных видео с более сложным содержанием. Для этого понадобятся данные не только из V1, но и из высших зрительных областей (V2, V4, IT-кора), где обрабатываются объекты и сцены. Потребуются и более сложные модели, возможно, на основе архитектур, подобных Sora от OpenAI, но перепрофилированных для нейродекодирования.
- От восприятия к воображению. Главный вызов - перейти от декодирования внешних стимулов к реконструкции внутренних образов. Это потребует экспериментов, где животное будет что-то вспоминать или ожидать. Тут пригодятся наработки из проектов по эмуляции мозга, где моделируют цепи, ответственные за память.
- Обратная связь. Самый интересный сценарий - замкнутый цикл. ИИ не только читает визуальные образы, но и генерирует стимулы, чтобы напрямую влиять на активность мозга и, следовательно, на восприятие. Здравствуй, управляемая галлюцинация.
Итог? Мы стоим на пороге. Пороге между нейробиологией как наукой о клетках и наукой о содержании. Инструменты ИИ, вроде CortexNet-3, - это наш первый, хоть и шаткий, мостик через пропасть между объективной активностью нейронов и субъективным миром образов. Скоро мы узнаем, что на той стороне. И, возможно, это изменит все - от лечения слепоты до нашего понимания того, что значит "видеть". Главное - не забыть спросить мышь, согласна ли она быть нашим проводником.