更新07.11.2019：不幸的是，在創建新聞時，我們犯了一個錯誤，我們想為此道歉。如下面的原始新聞所述，神經元網絡無法重建測試人員目前看到的內容。但是，只要概率相對較高，您就可以確定哪種類別（人，通過擋風玻璃等）屬於當前顯示給測試主題的圖像/視頻材料 - 但僅針對神經網絡事先訓練的類別測試主題變成了。當前從視神經轉移的圖像的重建不起作用 - 非常感謝註釋中的錯誤的引用！
原始新聞06.11.2019（AS錯誤）：大腦很複雜，在很大程度上仍然是一個謎。但是，俄羅斯研究團隊現在已經設法使用EEG耳機來閱讀大腦的足夠信息，以重建所看到的內容。一個紙寫有關您的工作和結果的文章。
最重要的是，分配給光神經的大腦活動是測量的，即從人的眼睛而不是他的思想傳播的圖像傳遞。在合作中，兩個神經網絡即使是實時的，也會證明其根據測試抓住的計算。
從車輛內部移動圖像中的解密特別好。人們也可以在重建的圖片中看到人們，但仍然沒有太多細節。抽像模式還無法看到。
幾乎所有視頻都可以在重建的材料中一半識別（圖片：Grigory Rashkov/Neurobotics）
儘管如此，即使仍然需要大量工作來改善技術，看來可以識別出的圖像的能力似乎令人印象深刻。但是，已經可以猜到該過程仍然會使某些事情成為可能。
大腦研究的這一突破已在與莫斯科物理技術研究所（MIPT）合作的一支研究團隊中取得了成功，該研究團隊目前正在致力於改善其現有技術。
中風患者的幫助
研究的主要目標是幫助中風患者。解密系統應用於更好地了解您當前的認知技能，然後能夠以目標方式訓練它們。
研究人員已經通過將各種10秒的視頻與數字，瀑布，面部，車輛和賽車運動分類為正確的類別，從而取得了第一批成功。
研究人員並沒有期望他們的發展成果。格里格里·拉什科夫（Grigory Rashkov），一位作者解釋說：
“許多研究人員認為，考試是通過腦電圖可比的，就好像人們會從機車的蒸汽中汲取靈感到蒸汽機中的過程一樣。”
現在，該系統的進一步開發正在供研究人員提高圖像質量，以便腦電圖和AI的組合可以成為其他神經接口的廉價替代品。
有關該主題的更多信息：