10月中旬，一条“一小时训练后，凭脑部扫描，就能100%复刻所看到的画面，未来或许能解码梦境”的视频在微博刷屏。 点进原视频，实验里没有梦境：受试者躺在7T核磁共振里看照片，AI根据视觉皮层的血氧信号把照片重画出来。环球网健康arXiv
“100%”是怎么算出来的
所谓“100%”，对应的是论文里一项二选一识别任务的成绩：给一份脑信号和两张图，挑出看过的那张。用满40小时数据、四名受试者平均，Brain-IT最高的一项二选一识别率是99.5%；只用1小时时，这项指标是98.6%，都接近满分。但重建图本身，像素相关系数只有0.386，结构相似度0.486；离“复刻”还有距离。把候选从2张扩到1000张，差距就更明显：论文在受试者1上报告，1000选1的CLIP检索命中率是39.3%；二选一有50%的瞎猜底数，1000选一只有0.1%。作者自己在附录里提醒，很多常用指标已经饱和，二选一的高分有误导性，不代表重建问题快解决了。arXiv
“梦境”是另一层误读。Brain-IT的训练和测试都发生在看照片时：图像与脑响应成对，模型学的是视觉输入到视觉皮层响应的映射。论文引言确实把“揭示梦境内容”列为这类技术未来的可能用途，但那是展望，不是这次实验的结果。 睡眠中的脑活动没有外部图像作对照，信号更弱、更不稳定，也没有NSD这样的配对数据；媒体把“未来或许”写成了“已经能”。arXiv
真正值钱的是那一小时
把“梦境”和“100%”拿掉，Brain-IT仍值得认真对待。它的真正变化是：新受试者不再需要几十小时的个人数据。过去每个新人都要从头训练；现在，大脑被按功能聚成128个簇，这些簇以及模型权重在不同人之间共享，新受试者只需调整自己的体素嵌入。论文报告，新受试者只用1小时fMRI，重建效果就接近过去用满40小时的方法。 这一小时不是从零开始：模型先在多名受试者的40小时数据上训练，还用约12万张COCO图片预测出的脑响应扩充训练集；到了新受试者，只更新体素嵌入，其他组件全部冻结。 换句话说，它省掉的是个人校准时间，不是对大规模数据、7T扫描仪和固定实验流程的依赖。Brain-IT项目页arXiv
它读的是画面，不是想法
那么，离“读心”还有多远？可以把“读心”拆成三件事：读到你正在看的东西，读到你没在看、只是在想的东西，读到你不想让人知道的东西。Brain-IT只完成了第一件，而且是在扫描仪里、对着固定数据集、以静态图片为对象完成的。第二件难得多：看照片时，视觉皮层被外部图像驱动，信号强而有对照；想象和梦境是自上而下的内部生成，内容更弱、更私密，也没有标准答案。要解码它们，模型不能只学“图像特征→脑响应”，还得学“脑响应→内部内容”，而后者的训练数据极难获得。
第三件则不只是技术问题：意图、信念、隐瞒，分布在更广的脑网络里，不是4万个视觉体素能覆盖的；即便信号上能猜到，也不等于能作为证据。
更根本的是，重建不是“把脑中的图片解压出来”。脑信号是一组分布式的活动模式，模型靠生成式先验把它翻译成图像；先验会补出看起来合理、但未必真实的细节。这也是为什么“像”不等于“真”。国内一篇产业观察也直言，Brain-IT不是“读心术”，其目前聚焦于静态图像重建。知乎
现实还有一堵墙：7T fMRI要人躺进巨大的扫描仪，血氧响应慢，实验要求受试者配合、保持不动；它不可能像耳机一样戴出门。论文的主要定量结果来自4名受试者，换扫描仪、换任务、换人群，效果都要重新验证。所以，Brain-IT的意义不在于把“读心”从0推到100，而在于把“适配一个人的大脑”从几十小时压到一小时。这是脑解码走向通用化的一小步，也是脑机接口从“一人一训”走向“预训练+轻量校准”的一个信号。它让我们更接近一台更好的视觉解码器，而不是一台能看穿你想法的机器。
真正值得警惕的，也许不是今天这台扫描仪，而是这条轨迹：当校准成本越来越低、解码对象从“看过的图”慢慢扩展到“想象中的图”，隐私的边界会在哪一步被越过。到那时，问题不会只是“AI能不能读到”，而是“谁有资格要求你躺进去”。
