Inde i det menneskelige sind: Kan AI læse vores tanker?

​AI kan allerede skrive, kode, se og tale. Den næste grænse kan være betydeligt mere intim: at forstå, hvad vi tænker, før vi siger det. Forskere bliver bedre til at omdanne hjerneaktivitet til ord, mens startups satser på, at "telepati" kan blive anvendelig inden for få år. Hvor tæt er vi egentlig på maskiner, der kan læse vores tanker?

Fra OpenAI til "telepati"

I juli forlod Naomi Bashkansky OpenAI for at slutte sig til Conduit, en startup, der udvikler tanke-til-tekst-modeller, som kan oversætte hjerneaktivitet til sprog uden behov for kirurgi.

"Vi bygger telepati: tanke-til-tekst-modeller, der er trænet på ikke-invasive neurale data," skrev Bashkansky, da hun annoncerede skiftet. Hun forestiller sig, at de første tanke-til-tekst-værktøjer dukker op omkring 2027, mens mere avancerede hjerne-til-AI-grænseflader udvikles i løbet af det følgende årti.

Se opslag på X Indlæser...

Tweetet blev slettet af forfatteren.

Men vi gemte alt 🙂.

Ordet "telepati" lyder som science fiction. Men den underliggende idé virker stadig mindre usandsynlig, efterhånden som forskere lærer at oversætte hjerneaktivitet til stadig mere meningsfuld information uden kirurgi.

AI omdanner allerede hjerneaktivitet til ord

I 2023 brugte forskere ved University of Texas at Austin funktionel magnetisk resonansafbildning (fMRI) og en AI-dekoder til at rekonstruere sammenhængende sprog ud fra menneskers hjerneaktivitet. Systemet kunne genskabe betydningen af tale, som folk hørte, og endnu mere opsigtsvækkende også sprog, de forestillede sig.

Resultaterne var langt fra perfekte transskriptioner. Dekoderen rekonstruerede den semantiske betydning i stedet for at udtrække hvert eneste ord, der passerede gennem en persons sind. Den forskel er vigtig. At afkode forestillet eller tilsigtet sprog er ikke det samme som at få adgang til vilkårlige tanker, minder eller følelser.

Teknologien er siden kommet længere. Metas Brain2Qwerty v2, der blev præsenteret i juni, omdanner MEG-optagelser, som blev indsamlet, mens deltagerne skrev, til sætninger. I tests med ni deltagere opnåede systemet en gennemsnitlig ordnøjagtighed på 61 %, mens den bedste deltager nåede 78 %.

Hjerneimplantater er længere fremme. I 2025 brugte forskere 256 implanterede mikroelektroder til næsten øjeblikkeligt at omdanne en mand med amyotrofisk lateral sklerose (ALS)' forsøg på at tale til hørbar tale.

Hvorfor AI ændrede problemet

Forskere har målt hjerneaktivitet i årtier. Det, der ændrer sig, er deres evne til at forstå den.

Hjernesignaler er ekstremt støjfyldte, og tanker producerer ikke pæne sekvenser, der svarer til individuelle ord. Moderne deep learning-modeller kan identificere mønstre i neurale data, som traditionelle afkodningsmetoder havde svært ved at opfange.

Sprogmodeller giver endnu en fordel. De kan bruge kontekst til at afgøre, hvilke ord og sætninger der er sandsynlige, selv når det neurale signal er ufuldstændigt. Et fremtidigt system behøver derfor måske ikke at opfange alle detaljer i et neuralt signal perfekt, hvis AI bliver tilstrækkeligt god til at rekonstruere dets sandsynlige betydning.

Det er ikke tankelæsning. I hvert fald ikke endnuDagens teknologi har stadig enorme begrænsninger. Metas system kræver en MEG-scanner, hvilket næppe er noget, forbrugere kan bære rundt på, mens de går. Det krævede også cirka 10 timers individuelle hjerneoptagelser fra hver deltager til træningen.

Eksperimentet fra University of Texas giver endnu et realitetstjek. Forskerne fandt, at afkodningen krævede deltagerens samarbejde. Folk kunne bevidst forstyrre systemet ved blot at tænke på noget andet, mens en dekoder, der var trænet på én person, fungerede dårligt, når den blev anvendt på en anden.

Den ledende forsker Jerry Tang har også advaret om risikoen for misbrug. "Vi tager meget alvorligt, at det kan blive brugt til skadelige formål, og vi har arbejdet på at undgå det," sagde han.

Fra tastaturer til hjerne-til-AI

Det mere realistiske løfte er ikke ubegrænset tankelæsning. Det handler om at fjerne nogle af trinnene mellem menneskelig intention og en computer.

I dag tænker man på en instruktion, omsætter tanken til ord og skriver eller siger ordene til et AI-system. En tilstrækkeligt avanceret neural grænseflade vil på sigt kunne oversætte en tilsigtet besked direkte fra hjerneaktivitet.

De umiddelbare anvendelser er medicinske. Mennesker, der har mistet evnen til at tale eller bevæge sig, kan få en mere naturlig måde at interagere med verden på igen. Neuralink har allerede demonstreret implanterede hjerne-computer-grænseflader, der gør det muligt for personer med lammelser at styre computere via neurale signaler.

Conduits langt sværere satsning er, at nyttig kommunikation fra hjerne til computer på sigt kan fungere uden kirurgi. Hvis ikke-invasive systemer bliver mindre, mere præcise og kræver mindre individuel træning, kan teknologien bevæge sig ud over medicinen og blive endnu en måde at interagere med computere på.

Hvad sker der med det mentale privatliv?

Kommunikation mellem hjerne og AI skaber også et privatlivsproblem. Browserhistorik, beskeder og lokationer afslører enorme mængder om mennesker, men hjerneaktivitet befinder sig et skridt tættere på kilden.

Neurale systemer kan på sigt udlede intentioner eller ord, som en bruger aldrig havde til hensigt at gemme permanent. Hvem ejer den information? Kan virksomheder bruge den til at træne AI-modeller? Under hvilke omstændigheder kan andre få adgang til den?

De spørgsmål er allerede nået frem til lovgiverne. I 2024 udvidede Colorado sin lov om privatliv, så den udtrykkeligt omfatter neurale data som en del af beskyttede biologiske data, defineret som information, der genereres ved at måle aktivitet i det centrale eller perifere nervesystem. Forskere tænker også over problemet. University of Texas-teamet skrev, at hjerne-computer-grænseflader "bør respektere det mentale privatliv."

Vil AI faktisk læse vores tanker?

De første hjerne-til-AI-systemer, der bliver udbredt, vil næppe ligne telepati fra science fiction. De vil snarere oversætte bevidste forsøg på at kommunikere end afsløre alt, hvad en person tilfældigvis tænker på.

Men tastaturer, touchskærme og stemmeassistenter løser alle det samme problem: at omdanne menneskelig intention til noget, en computer kan forstå. Hvis AI på et tidspunkt lærer at afkode denne intention direkte fra hjernen, handler den næste revolution inden for computing måske ikke om, hvad maskiner kan gøre. Den handler måske om, hvor lidt vi behøver at gøre for at fortælle dem det.