Zespół z University of Florida opublikował w "Nature Communications" model Concept2Brain, który zamienia obraz lub tekst w syntetyczny zapis aktywności elektrycznej mózgu. Nie chodzi o czytanie myśli. Kierunek jest odwrotny: model startuje od bodźca zewnętrznego i przewiduje, jaki potencjał wywołany (ERP) pojawiłby się w zapisie EEG osoby, która ten bodziec widzi. Praca ukazała się 23 lipca 2026 roku w trybie otwartego dostępu, na razie jako wersja nieedytowana redakcyjnie.

Jak to jest zbudowane

Architektura składa się z dwóch części połączonych w jeden potok.

Pierwsza to warunkowy wariacyjny autoenkoder (cVAE) wytrenowany na prawdziwym EEG. Enkoder z trzema warstwami konwolucyjnymi kompresuje macierz sygnału o wymiarach 129 kanałów na 750 punktów czasowych, czyli 1,5 sekundy przy próbkowaniu 500 Hz, do 256-wymiarowej przestrzeni ukrytej o rozkładzie zbliżonym do gaussowskiego. Dekoder odtwarza z niej sygnał. Kluczowy jest element warunkujący: do wektora przed i za wąskim gardłem dołączany jest 88-elementowy wektor identyfikujący uczestnika. Dzięki temu model potrafi generować zapis "w stylu" konkretnej osoby z próby treningowej i odtwarzać różnice międzyosobnicze.

Druga część to sieć pomostowa. Bodziec, obraz albo tekst, przechodzi przez model CLIP OpenAI, który zwraca 512-wymiarowe zanurzenie semantyczne. Trzy warstwy w pełni połączone tłumaczą ten wektor na 256-wymiarową reprezentację elektrofizjologiczną cVAE. Dekoder zamienia ją w gotowy przebieg ERP. Autorzy podkreślają, że CLIP nie jest tu warunkiem koniecznym i w kolejnych wersjach może go zastąpić inny, nowszy koder.

Na czym model się uczył

Do treningu wykorzystano dwa zbiory EEG z badań pasywnego oglądania zdjęć: 45 osób i 120 obrazów oraz 43 osoby i 240 obrazów. Razem 88 uczestników i 360 unikalnych fotografii podzielonych na treści przyjemne, neutralne i nieprzyjemne, w większości pochodzących z bazy IAPS. Zapis prowadzono 128-kanałową siatką HydroCel na wzmacniaczu EGI Net Amps 300. Po odrzuceniu artefaktów zostało 13 640 prawidłowych prób, z czego 80 procent, czyli 10 912, poszło na trening. Oba zbiory różniły się parametrami prezentacji, co miało zmusić model do uczenia się treści, a nie cech wizualnych ekranu.

Co wyszło w walidacji

Trzy testy są tu istotne.

Rekonstrukcja. Po podaniu modelowi tych samych zdjęć, które widzieli uczestnicy, korelacja Pearsona między sygnałem empirycznym i syntetycznym była najwyższa w okresie od 400 do 800 ms po bodźcu i wyniosła r = 0,640. Topografia najlepszej rekonstrukcji była ciemieniowa. Jedno i drugie odpowiada komponentowi LPP, najlepiej udokumentowanemu wskaźnikowi przetwarzania emocji w badaniach ERP. W danych syntetycznych widoczne są też klasyczne komponenty P100, N200 i P300.

Generalizacja na nowe bodźce. Model wygenerował odpowiedzi na 1078 zdjęć z bazy IAPS nieużywanych w treningu. Amplituda syntetycznego LPP korelowała z normatywnymi ocenami pobudzenia tych zdjęć na poziomie r = 0,23 przy p poniżej 0,0001. Korelacja jest umiarkowana, ale kierunek zgadza się z literaturą.

Efekt N170. Po podaniu 60 zdjęć twarzy i 60 zdjęć przedmiotów model odtworzył charakterystyczną negatywność około 170 ms na elektrodzie PO8, z prawostronną, tylno-boczną topografią. Autorzy zwracają uwagę, że ani LPP, ani N170 nie były programowane wprost. Sieć wyciągnęła je z danych.

Osobno przetestowano wejście tekstowe: 120 krótkich opisów dla 88 wirtualnych uczestników, łącznie 10 560 prób. Do 200 ms warunki się nie różniły, co jest zgodne z oczekiwaniem, bo ten fragment sygnału odpowiada analizie percepcyjnej. Różnice pojawiały się po 300 ms i w oknie LPP wszyscy wirtualni uczestnicy pokazali typowy wzorzec V: treści przyjemne i nieprzyjemne dawały wyższą amplitudę niż neutralne.

Narzędzie, nie tylko publikacja

Model działa jako usługa chmurowa pod adresem concept2brain.brainbodybehavior.science. Użytkownik wgrywa zdjęcie albo wpisuje tekst, wybiera liczbę wirtualnych uczestników i dostaje wygenerowany ERP do pobrania w formacie MATLAB (.mat) oraz podglądu w interaktywnym modelu 3D i na mapach topograficznych. Front-end zbudowano w React, back-end w Django REST Framework, wizualizacje w bibliotece MNE. Nie trzeba nic instalować.

Kod treningowy i skrypty ewaluacyjne są na GitHubie (github.com/ASantosMayo/Concept2Brain), wytrenowane modele PyTorch i dane EEG w repozytorium OSF (osf.io/7dpgm). Autorzy zaznaczają, że oryginalnych uczestników nie da się zrekonstruować, bo dane są uśredniane i losowo mieszane.

Autorzy pokazują też przykład zastosowania, który dobrze ilustruje sens narzędzia: dwa zdania o zmianie klimatu podane do modelu dla 88 wirtualnych uczestników, razem 176 prób. Silniejszą odpowiedź wywołało zdanie akcentujące negatywne konsekwencje, a nie to opisujące działania łagodzące. Taki eksperyment empirycznie wymagałby rekrutacji i kilku tygodni pracy.

Gdzie są granice

Przestrzeń pojęciowa modelu opiera się na 360 zdjęciach. To niewiele i autorzy sami nazywają Concept2Brain podejściem rozwojowym, nie produktem końcowym. Model został wytrenowany na uśrednionych ERP, więc nie generuje surowego EEG pojedynczych prób ani rytmów spontanicznych. Korelacja 0,23 z ocenami pobudzenia dla nowych zdjęć pokazuje, że przewidywanie działa na poziomie tendencji, nie pojedynczego przypadku.

Warto też oddzielić dwie rzeczy, które łatwo pomylić w komunikacji o neurotechnologii. Model przewiduje mierzalną odpowiedź elektrofizjologiczną na treść semantyczną i emocjonalną bodźca. Nie modeluje uwagi, pamięci, kontekstu ani indywidualnej historii obserwatora. Nie zastępuje pomiaru na ludziach.

Dla kogo to ma znaczenie

Dla laboratoriów: selekcja bodźców, szacowanie wielkości efektu i mocy testu przed kosztowną fazą zbierania danych, budowa zbiorów referencyjnych porównywalnych między ośrodkami. Autorzy wskazują też zastosowania kliniczne, na przykład generowanie typowej odpowiedzi jako punktu odniesienia dla grupy pacjentów.

Dla rynku: EEG od dawna jest używane w neuromarketingu, edukacji i interfejsach człowiek-komputer. Narzędzie, które przewiduje odpowiedź na komunikat przed jego wypuszczeniem, trafia dokładnie w ten obszar. To rodzi pytanie o odpowiedzialne użycie takich modeli tam, gdzie przewidywanie reakcji odbiorcy staje się elementem optymalizacji przekazu. Autorzy stawiają model jako otwarty zasób naukowy, ale otwartość działa w obie strony.

Badanie sfinansowały National Institutes of Health (granty R01MH125615 i R01MH112558) oraz National Science Foundation (grant 2318984). Autorzy nie zgłosili konfliktu interesów.