无需提示词，Stability AI 演示 MindEye：目标想什么就能生成什么

无需提示词，Stability AI 演示 MindEye：目标想什么就能生成什么

AI浪潮的冲击力有目共睹。曾几何时，行业内外热议着一个即将崛起的新职业——“提示词工程师”。人们相信，未来驾驭AI的关键，不在于模型本身有多强大，而在于人类能否用更精妙的指令，让AI高效地完成任务。于是，擅长与AI“对话”、能写出精准提示词的专家，似乎成了未来的抢手人才。

但现实的发展，有时比想象更碘伏。Stability AI在2023年7月推出MindEye1后，近日再度升级的MindEye2，似乎让“提示词工程师”这个岗位的假设变得岌岌可危。为什么呢？因为这套系统的逻辑完全不同：它不依赖任何文本提示词，而是直接读取用户的脑电波来生成内容。说白了，你心里想什么，未来它就能给你生成什么。

这套名为MindEye的技术，核心是直接从功能性磁共振成像（fMRI）记录的大脑活动中，重建和检索出对应的图像，甚至能将二维画面转化为动态的三维视频。这里简单解释一下fMRI：它是一种通过检测血流变化来测量大脑活动的神经成像技术，常用于绘制大脑功能图，评估神经疾病的治疗方法。

那么，MindEye是如何工作的？它的训练基于一个特殊的数据集：参与者在fMRI扫描仪内观看一系列静态图像时，其大脑活动被同步记录下来。研究团队训练系统分析这些脑活动数据，然后完成两项任务：一是从候选图库中准确找出参与者刚才看过的原图（图像检索）；二是直接生成能够重建所查看图像的新图片。

效果如何？数据显示，MindEye在图像检索任务上的表现超越了以往所有方法，从一堆图片中识别出原始图像的准确率超过了90%。而在图像重建方面，它则巧妙地利用了预先训练好的生成模型来完成任务。

这项技术的应用前景相当广阔。在医疗领域，它从大脑活动重建视觉感知的能力，可以为那些沟通困难的病人提供全新的诊断和评估手段。更重要的是，MindEye所展现的实时分析潜力，有望大幅提升脑机接口的性能和应用范围。

当然，目前的技术仍有局限。研究团队也明确指出，数据采集过程本身存在挑战，比如所需的扫描时间较长，并且参与者身体的移动或注意力的分散，都可能为数据引入噪声。

无论如何，MindEye的出现指向了一个更直接的未来：人机交互的中间环节正在被压缩。当思考本身就能成为指令，关于如何“使用”AI的叙事，恐怕真的要改写了。

附论文参考

• Reconstructing the Mind’s Eye: fMRI-to-Image with Contrastive Learning and Diffusion Priors
• MindEye2: Shared-Subject Models Enable fMRI-To-Image With 1 Hour of Data
• MindEye2： Shared-Subject Models Enable fMRI-To-Image With 1 Hour of Data