از نظر فنی دانشمندان علوم اعصاب دهه‌ها است موفق شده‌اند ذهن انسان را بخوانند. البته این کار آسان نیست. اول باید درحال تماشای فیلم یا گوش دادن به کتاب‌ صوتی، برای ساعت‌ها بدون حرکت در لوله باریک اسکنر اف‌ام‌آرآی (fMRI) دراز بکشید. در همین حال، دستگاه با سروصدای زیاد، الگوهای تغییر جریان خون درون مغز شما را ثبت می‌کند.

پژوهشگرانی که در آزمایش آن‌ها شرکت کرده‌اید، لحظه به لحظه اطلاعات جریان خون و فریم‌های فیلم یا کلمات گفتاری را وارد نرم‌افزاری می‌کنند که ویژگی‌های نحوه واکنش مغز شما را به چیزهایی که می‌بیند و می‌شنود، یاد می‌گیرد. اگر بتوانید آن ساعت‌های خفقان‌آور را در اسکنر تحمل کنید، نرم‌افزار یاد می‌گیرد با تجزیه‌وتحلیل نحوه حرکت خون در مغز شما بازسازی سفارشی از آنچه می‌دیدید یا می‌شنیدید را ایجاد کند.

گریس هاکینز در وب‌سایت ام‌آی‌تی تکنولوژی ریویو می‌نویسد، پژوهشگران ابزارهای هوش مصنوعی مولد مانند استیبل دیفیوژن و جی‌پی‌تی را برای ایجاد بازسازی‌های واقعی‌تر، اگرنه کاملا دقیق از فیلم‌ها و پادکست‌ها براساس فعالیت عصبی به کار گرفته‌اند. با توجه به تبلیغات و سرمایه‌گذاری مالی که هوش مصنوعی مولد جذب کرده است، این فناوری همچنان پیشرفت خواهد کرد؛ خصوصا اگر نورالینک ایلان ماسک موفق شود ایمپلنت‌های مغزی را رواج دهد. با فناوری‌های کنونی نمی‌توان حقیقت عینی را که مردم تجربه می‌کنند، به‌طور مستقیم تعیین کرد

گرچه ایده استخراج فیلم از فعالیت مغز فرد هیجان‌انگیز است، شکل بسیار محدودی از ذهن‌خوانی است. برای اینکه دانشمندان دنیا را واقعا از چشم‌های شما تجربه کنند، باید نه تنها متوجه شوند چه فیلمی را تماشا می‌کنید، بلکه همچنین باید بتوانند کشف کنند که درمورد آن چه فکر می‌کنید، چه احساسی در شما ایجاد می‌کند و چه چیزی را به یاد شما می‌آورد. دسترسی به این افکار و احساسات درونی بسیار دشوارتر است.

دانشمندان تاکنون در استنباط این موضوع موفق شده‌اند که فرد از میان دو احتمال یعنی دو شیٔ خاص درمورد کدام خواب می‌بیند، اما در شرایط کمتر محدود چنین رویکردهایی دچار مشکل می‌شوند. علت آن است که الگوریتم‌های یادگیری ماشین هم به سیگنال‌های مغزی و هم به اطلاعاتی درمورد آنچه سیگنال‌های مغزی با آن‌ها ارتباط دارند، نیاز دارند تا متوجه شوند سیگنال‌ها چه معنایی دارند.

هنگام مطالعه تجربیات درونی، تنها چیزی که دانشمندان باید دنبال کنند چیزی است که مردم می‌گویند درون سرشان است. رافائل میلییر، مدرس فلسفه در دانشگاه مک‌کواری استرالیا می‌گوید: «این‌طور نیست که بتوانید به‌طور مستقیم حقیقت عینی را که مردم تجربه می‌کنند، اندازه‌گیری کنید.»

گره زدن فعالیت مغز به تجربه ذهنی مستلزم مواجهه با لغزش‌ها و بی‌دقتی‌های زبان است، خصوصا وقتی برای به تصور کشیدن غنای زندگی درونی فرد به کار می‌رود. دانشمندانی مانند میلییر برای حل این مساله، هوش مصنوعی معاصر را با تکنیک‌های قدیمی مانند استراتژی‌های مصاحبه فلسفی تا تمرین‌های مراقبه باستانی ترکیب می‌کنند. آن‌ها شروع به شناسایی مناطق مغزی و شبکه‌هایی کرده‌اند که ابعاد خاصی از تجربه انسانی را به وجود می‌آورند.

بیش از ۳۰۰ سال پیش، جان لاک، فیلسوف مطرح این سوال را مطرح کرد که: «آیا رنگ آبی برای همه یکسان به‌نظر می‌رسد یا اینکه تجربه من از آبی ممکن است به تجربه شما از زرد نزدیک‌تر باشد؟» پاسخ به چنین پرسش‌های پیچیده و ظریفی ممکن است از اهداف دوردست علوم اعصاب باشد. گرچه، در مراحل ابتدایی کنونی، این حوزه از علم باید روی اشکال محسوس‌تر تجربه کار کند. میلییر می‌گوید: «اگر می‌خواهیم درک بهتری از ویژگی‌های متمایز حالت‌های معمول بیداری در زندگی روزمره خود به دست آوریم، مفید است که ببینیم وقتی درحال گذار از یک حالت به حالت دیگر هستیم، چه اتفاقی می‌افتد.»

برخی از دانشمندان بر حالات عمیق مدیتیشن یا توهمات شدید تمرکز می‌کنند. میلییر به درک خودآگاهی (آگاهی از خود به‌عنوان فردی با فکر و احساس در موقعیت و زمان خاص) علاقمند است و مطالعه می‌کند که در طول تجربه روانگردان چه اتفاقی برای مغز می‌افتد.

پژوهشگران با مقایسه نحوه پاسخ آزمودنی‌ها پس از مصرف داروهای روان‌گردان به سوالاتی نظیر «من جدا شدن از خود را تجربه کرده‌ام» یا الگوهای فعالیت مغزی آن‌ها، تغییراتی را کشف کرده‌اند که ممکن است با از دست دادن خودآگاهی ارتباط داشته باشد. برای مثال، در طول چنین تجربیاتی، شبکه حالت پیش‌فرض مغز (DMN) که گروهی از نواحی مغز است که هنگام فرو رفتن فرد در افکار فعال می‌شود، هماهنگی معمول خود را از دست می‌دهد.

مصرف دوزهای بالا از داروهای روان‌گردان ساده‌ترین راه برای تجربه جدا شدن از خود در هنگام بیداری است. اما اگر این راه را امتحان نمی‌کنید، گزینه دیگری نیز وجود دارد: ده‌ها هزار ساعت تمرین مدیتیشن کنید.

تمرین‌کنندگان بسیار ماهر مراقبه بودایی می‌توانند به صورت ارادی وارد حالتی شوند که در آن مرز بین خودشان و دنیا مبهم یا به کلی ناپدید می‌شود. چنین حالت‌هایی با تغییر فعالیت در برخی از مناطق اصلی شبکه حالت پیش‌فرض مانند قشر سینگولیت خلفی همراه است. ازآن‌جا که مخزن بالقوه آزمودنی‌ها بسیار کوچک‌تر است، مطالعه مراقبه‌کننده‌ها می‌تواند راه پیچیده‌تری برای دستیابی به تجربیات افراطی باشد.

وقتی ذهن سرگردان است شبکه پیش‌فرض مغز فعال می‌شود اما در حالت‌های تمرکز شدید شبکه غیرفعال می‌شود

سارا لازار، دانشیار روانپزشکی در دانشکده پزشکی هاروارد می‌گوید، مراقبه‌کنندگان به‌عنوان آزمودنی‌های پژوهش مزیت‌های متمایزی نیز دارند. مراقبه‌کننده‌های خبره استاد زندگی درونی خود هستند، آن‌ها می‌توانند احساس قدردانی عمیقی در خود را ایجاد کنند یا به حالت تمرکز عمیق فرو بروند و نسبت‌به افراد معمولی، تجریبات درونی خود را با جزئیات بسیار بیشتری گزارش می‌کنند. به‌گفته‌ی لازار، علت آن است که آن‌ها زمان بسیار زیادی را صرف گوش دادن و توجه به آنچه واقعا درونشان می‌گذرد، می‌کنند.

ما به‌عنوان افرادی که مراقبه نمی‌کنیم، گاهی چنان از آنچه درون سرمان می‌گذرد، بی‌خبر هستیم که وقتی ذهنمان سرگردان می‌شود، حتی متوجه اتفاقاتی که رخ می‌دهد، نمی‌شویم. کالینا کریستوف، روانشناس دانشگاه بریتیش کلمبیا، برای مطالعه آنچه مغز در چنین مواقعی انجام می‌دهد، در طول آزمایش از آزمودنی‌های خود خواست که بگویند که آیا ذهن آن‌ها در آن لحظه خاص سرگردان بوده است و آیا متوجه شده بودند تمرکز خود را از دست داده‌اند. وقتی ذهن شرکت‌کنندگان آزمایش سرگردان بود و به‌ویژه زمانی که از وقوع آن غافل بودند، شبکه‌های حالت پیش‌فرض مغز آن‌ها فعال‌تر بود.

کریستف برای بررسی دقیق‌تر شروع سرگردانی ذهن، به مراقبه‌کنندگان با تجربه روی آورد که می‌توانستند لحظه وقوع آن را تشخیص دهند. او به کمک آن‌ها توانست تشخیص دهد شبکه پیش‌فرض خصوصا در لحظاتی قبل از شروع سرگردانی ذهن فعال است. درمجموع، نتایج تصویر نسبتاً منسجمی را ترسیم می‌کنند. وقتی ذهنتان درباره‌ی اینکه برای شام چه بخورید، سرگردان است یا نگران کشمکش با دوست خود هستید، شبکه پیش‌فرض مغز شما روشن می‌شود، اما در حالت‌های تمرکز شدید شبکه غیرفعال شده یا هماهنگی خود را از دست می‌دهد. البته، این بدان معنا نیست که دانشمندان فقط با نگاه کردن به فعالیت مغز شما می‌توانند تشخیص دهند که آیا ذهنتان سرگردان است یا نه.

در مطالعه‌ای، پژوهشگران موفق شدند حالت‌های درونی خاص (تمرکز بر تنفس، تمرکز بر صداها و ذهن سرگردان) را با نرخی دقیق‌تر از حالت تصادفی رمزگشایی کنند، اما همچنان در بیش از ۵۰ درصد موارد اشتباه می‌کردند. این توصیف‌های غیردقیق از حالت‌های درونی فرد، به سختی تصویر کاملی از تجربه واقعی فرد ارائه می‌دهد.

لازار فکر می‌کند داده‌های مغزی ممکن است به ما در درک بهتر تجربیات خود کمک کند. غیرفعال‌سازی شبکه حالت پیش‌فرض، و به‌ویژه قشر سینگولیت خلفی با حالت‌های «تمرکز راحت» همراه است که مراقبه‌کننده‌های مبتدی اغلب برای رسیدن به آن مشکل دارند. بنابراین، برخی پژوهشگران درحال آزمایش این موضوع هستند که آیا مشاهده داده‌های زنده از مغز خود در فرایندی که نوروفیدبک نامیده می‌شود، می‌تواند به افراد در یادگیری مراقبه کمک کند. لازار می‌گوید: «وقتی حداقل یک یا دو بار حالت درست را احساس کردید، می‌دانید که: خوب، این چیزی است که هدف من است. اکنون می‌دانم چه حسی دارد.»

پژوهش‌های انجام‌شده درمورد روانگردان‌ها و مراقبه در دهه گذشته بسیار زیاد بوده است و فناوری‌های تصویربرداری عصبی غیرتهاجمی روزبه‌روز قوی‌تر و دقیق‌تر می‌شوند. اما این داده‌ها بدون نشانه محکمی از آنچه آزمودنی تجربه می‌کند، معنای چندانی ندارد و تنها راه برای به دست آوردن آن اطلاعات، پرسیدن است. میلییر می‌گوید: «نمی‌توانیم برخی گزارش‌ها را کنار بگذاریم.»

پرسش‌نامه‌های روانشناسی یکی از رویکردها برای پی بردن به تجربه واقعی فرد است. پرسش‌نامه‌ها به‌راحتی سنجش‌پذیر هستند و استفاده از آن‌ها آسان است، اما نیاز است آزمودنی‌ها تجربه‌های متعالی خود را به شکل گزینه‌های از پیش تعیین‌شده و احتمالا نامتناسب قرار دهند. روش‌هایی برای غلبه بر این مشکل وجود دارد.

پدیدارشناسی (پدیده‌شناسی) شاخه‌ای از فلسفه که به دنبال تجزیه‌وتحلیل دقیق تجربه اول شخص است، بیش از یک قرن فرصت داشته است تا تکنیک‌های خود را برای به دست آوردن چنین گزارش‌هایی اصلاح کند. میلییر جلسات آموزشی برای همکاران عصب‌شناس خود درزمینه‌ی «پدیدارشناسی خُرد» ترتیب داده است که نوعی مصاحبه فلسفی است که بدون اینکه پاسخ‌ها را به سمت خاصی هدایت کند، اطلاعات تجربی آزمودنی‌ها را استخراج می‌کند. اما تجزیه‌وتحلیل توصیف‌های متنی طولانی، از نوع تولیدشده توسط مصاحبه پدیدارشناسی خُرد، بسیار دشوارتر از پرسش‌نامه‌ها است.

پژوهشگران می‌توانند هر پاسخ را به صورت دستی براساس ویژگی‌های موردنظر خود رتبه‌بندی کنند، اما این کار نابسامان و وقت‌گیری است و تفاوت‌های ظریف و ارزشمند بین مصاحبه‌ها را حذف می‌کند. الگوریتم‌های پردازش زبان طبیعی مانند الگوریتم‌هایی که به چت جی‌پی‌تی قدرت می‌دهند، ممکن است جایگزین کارآمدتر و سازگارتری باشند: آن‌ها می‌توانند به‌سرعت و به‌طور خودکار حجم زیادی از متن را برای ویژگی‌های خاص تجزیه‌وتحلیل کنند.

میلییر با استفاده از پردازش زبان طبیعی روی گزارش‌های آزمایش‌های روان‌گردان از پایگاه‌های داده آنلاین متوجه شده است خصوصیات حاصل به خوبی با داده‌های حاصل از پرسشنامه‌ها مطابقت دارد. بااین‌حال، حتی با کمک پدیدارشناسی خرد، خلاصه کردن آنچه درون سر شما می‌گذرد، در قالب یک بسته کلامی شسته‌ورفته کاری دشوار است. بنابراین، اکنون دانشمندان به‌جای اینکه از آزمودنی‌ها بخواهند تجربیات خود را با کلمات بیان کنند، از فناوری برای بازتولید آن تجربه‌ها استفاده می‌کنند. به‌این‌ترتیب، تمام کاری که آزمودنی‌ها باید انجام دهند، تایید یا رد این موضوع است که بازسازی‌ها با آنچه در سرشان اتفاق می‌افتد، مطابقت دارد.

در مطالعه‌ای که هنوز تحت داوری همتا قرار نگرفته است، تیمی از دانشمندان دانشگاه ساسکس بریتانیا تلاش کردند با شبیه‌سازی توهمات بصری با شبکه‌های عصبی عمیق چنین سوالی را طرح کنند.

شبکه‌های عصبی کانولوشنال یا پیچشی که در اصل از سیستم بینایی انسان گرفته شده‌اند، معمولا تصویر را به اطلاعات مفید تبدیل می‌کنند؛ مثلا توصیف می‌کنند چه چیزهایی در تصویر وجود دارد. حال، اگر شبکه را به عقب اجرا کنید، می‌توانید از آن برای تولید تصاویر استفاده کنید و این روند سرنخ‌هایی درباره عملکرد درونی شبکه ارائه می‌دهد. این ایده در سال ۲۰۱۵ توسط گوگل و در قالب برنامه‌ای به نام دیپ دریم رایج شد.

شبکه‌های عصبی عمیق هنوز نمی‌توانند احساسات یا سرگردانی ذهن را مدل‌سازی کنند

آنیل ست، استاد علوم اعصاب و یکی از نویسندگان مطالعه می‌گوید تیم ساسکس مانند بسیاری از پژوهشگران سراسر جهان، کار روی سیستم را برای سرگرمی آغاز کرد. اما طولی نکشید که آن‌ها متوجه شدند ممکن است بتوانند از این رویکرد برای بازتولید تجریبات بصری غیرمعمول استفاده کنند.

تیم با استفاده از گزارش‌های شفاهی افراد از شرایط توهم‌آور مانند از دست دادن بینایی و بیماری پارکینسون و همچنین از افرادی که اخیرا داروهای روان‌گردان مصرف کرده بودند، فهرست گسترده‌تری از توهم‌های شبیه‌سازی‌شده طراحی کردند. این امر به آن‌ها اجازه داد با پرسیدن سوال ساده که کدام‌یک از تصاویر با تجربه بصری شما مطابقت بیشتری دارد، توصیفی غنی از آنچه در ذهن آزمودنی‌ها می‌گذشت، به دست آورند. شبیه‌سازی‌ها کامل نبودند، اگرچه، بسیاری از آزمودنی‌ها توانستند تطابق تقریبی پیدا کنند.

برخلاف تحقیقات رمزگشایی، مطالعه یادشده شامل اسکن مغزی نبود، اما به‌گفته‌ی ست، ممکن است حاوی اطلاعات ارزشمندی درباره عملکرد توهم در مغز باشد. برخی از شبکه‌های عصبی عمیق در مدل‌سازی مکانیسم‌های درونی نواحی بینایی مغز کار عملکرد خوبی دارند و بنابراین، تغییراتی که ست و همکارانش در این شبکه ایجاد کردند، ممکن است شبیه ترفندهای زیستی زیربنایی باشد که موجب ایجاد توهم در آزمودنی‌ها می‌شد.

پژوهش‌هایی که از آن‌ها سخن گفته شد، مقدماتی هستند اما به‌طورکلی نشان می‌دهد علم اعصاب ممکن است روزی کاری بیشتر از این انجام دهد که به ما بگوید دیگران چه چیزی را تجربه می‌کنند. پژوهشگران با استفاده از شبکه‌های عصبی عمیق موفق شده‌اند توهمات آزمودنی‌های خود را با دیگران به اشتراک بگذارند.

شبکه‌های عصبی عمیق در تقلید از حواسی مانند بینایی و شنوایی عملکرد خوبی دارند، اما هنوز نمی‌توانند احساسات یا سرگردانی ذهن را مدل‌سازی کنند. بااین‌حال، با پیشرفت فناوری‌های مدل‌سازی مغز، آن‌ها می‌توانند احتمالی بنیادی را با خود به همراه آورند: اینکه مردم نه تنها بدانند در ذهن دیگری چه می‌گذارد، بلکه تجربیات ذهنی را با هم به اشتراک بگذارند.