「讀心術」如何看透你的內心

本報記者 沈春蕾

心理學家認為，每個人都是獨一無二的個體。人的氣質性格、能力特點乃至精神障礙的個體差異背後都是腦的個體差異。

中國科學院心理研究所從事腦研究的副研究員楊志以心理學模型為基礎，創造了一種「讀心術」，可以通過解碼腦的活動來了解人的行為和思維。

「讀心術」

2009年，Demis Hassabies（AlphaGo圍棋程序的編寫者）編寫了一個小遊戲，讓受試者控制自己的角色自由地在房間內走動，利用受試者海馬的神經活動模式，計算機可以準確判別他／她正處在房間的哪個角落。楊志表示，在心理學研究領域，上述研究被稱為「解碼模型」，是利用機器學習方法建立腦活動模式與行為標籤之間的關係。

「讀心術」在心理學上也有一個專業術語，叫作「編碼模型」，即可以依據腦活動的模式重建出輸入到人腦的信息。與「解碼模型」不同，「編碼模型」重建出的信息可以是新的、在訓練機器演算法時從未見過的信息。

基於「編碼模型」和「解碼模型」，楊志開始了自己的研究：我們能讀出更複雜的思維活動嗎？他舉了一個例子，人對簡單問題的真實回答（可以用「是／否」明確回答）。在每個問題前，他們給受試者一個提示，要求他／她誠實回答或說謊。

比如「1分鐘是100秒？」要求受試者通過按鍵作答。楊志感興趣的是受試者在讀問題時的腦活動，通過記錄的腦活動來解碼他／她對問題的真實答案，並且檢驗是否可以不受到他／她的說謊意圖或最終答案的干擾。

實驗有6名受試者參與，設置了120個問題，數據的解碼準確率為76%～93%。楊志通過試驗結果發現，用大腦左側前額葉皮層的一個區域可以較準確地解碼真實答案，準確率隨數據量的增大而提高，還進一步驗證了對真實答案的解碼可以不受受試者「說謊」意圖的干擾。

最後，楊志解釋道，「讀心術」聽上去很炫，其實就是通過解碼腦的活動來了解人的行為和思維。

從發現到驗證

解碼腦的活動需要藉助於一定工具。楊志一直致力於結合功能磁共振成像及人工智慧技術研究人類處理社會信息的腦機制，並以社會信息加工機制的異常為基礎，探索基於腦活動特徵的精神疾病分類標誌。

早前，楊志提出了利用大規模神經影像數據，系統地探索和檢驗了宏觀層面的腦皮層形態特徵與腦皮層內在神經活動特點之間的關聯，實踐了其前期提出的從「發現」到「驗證」的神經影像大數據研究框架。

在「發現」階段，楊志利用數據挖掘方法gRAICAR分別將6個皮層形態學指標的全腦圖譜和6個皮層神經活動指標的全腦圖譜分解為若干皮層圖譜成分，每個成分代表了不同的個體間變異規律。來自不同形態學和功能指標，但個體間變異規律相似的成分被gRAICAR辨識為一組，稱為多模態共變單元（MMCU）。

在「驗證」階段，這些MMCU被作為研究假設，在另一組獨立的數據中重新計算每個MMCU所包含的12個皮層圖譜間的共變關係，計算並統計檢驗新的共變關係與原假設中的共變關係之間的一致性。

經過「驗證」階段，15個高可重複性的MMCU被檢測到，它們分別揭示了不同的腦皮層形態學特徵與皮層功能特徵之間的關係。

楊志開展的這項研究系統地展現了健康人整個皮層內的結構與功能間的關聯，提供了結構功能關係互動式查詢資料庫。

此外，楊志還提出了「以腦為中心」的精神疾病神經影像研究的數據挖掘新方法。該方法基於個體腦功能網路的相似性，來檢測在腦網路特徵上具有高度一致性的患者亞組，是實現「以腦為中心」的精神疾病研究的有力工具。

雙生子的異同

腦研究的一項重要任務就是解釋腦的個體差異的來源，這些知識對於理解和干預行為的個體差異至關重要。

大體上，個體差異無外乎來源於遺傳和環境兩方面的影響，但遺傳和環境格子對腦的功能產生多大影響是一項科學難題，測量腦活動也就成了楊志的一項重要工作。

在一項最新研究中，楊志與國內外合作者利用200對雙胞胎（雙生子）的腦功能影像數據，揭示了遺傳和環境因素對人腦內在功能網路的影響。楊志解釋了這裡的人腦內在功能網路是特指在不執行特定認知任務時，人腦自發神經活動形成的共振網路，它們反映了神經網路的功能組織架構。

雙生子研究是分離遺傳和環境因素的經典方法。楊志告訴記者，一方面，同卵雙生子具有相同的基因，而異卵雙生子具有大約50%的相同基因；另一方面，雙生子的成長環境是較接近的，與同卵或異卵無關。

楊志與合作者一起利用結構方程模型將這些腦功能網路自身的活躍程度及其任意兩個網路之間功能連接的個體變異分解為三部分：受遺傳影響的個體差異，受共同環境影響的個體差異，受獨特環境影響（也可認為是暫不能解釋的）的個體差異。

研究發現，腦功能網路的內在活動強度具有較高的遺傳度，而這些腦網路間的功能連接則受環境因素影響。即單個網路自身的活動受基因調控，而環境因素則主要影響不同腦網路或功能模塊間的關係。

楊志說：「雙生子實驗告訴我們，雖然一些基本的心理素質我們目前沒法改變，但信息整合的能力和溝通模式是可以訓練的。」

《中國科學報》 (2016-05-16 第5版 創新周刊)