自 2015 年合作开始，英特尔为普林斯顿提供了价值超过 150 万美元的计算机硬件设备与帮助来支持学校研究生与博士后的研究工作。同时，英特尔也专门雇了 10 个计算机科学家与普林斯顿合作开发此项目，这些专家与普林斯顿的教师、学生、博士后进行了深度合作以改进提升软件效能。

这些算法通过机器学习技术来在数据中对思维进行定位，就像面部识别技术可以帮助用户在社交媒体平台（比如 Facebook）上搜索自己的朋友。机器学习技术需要让计算机获得足够大量的学习样本，从而以便计算机能够对它们从未见过的事物进行分类。

此次合作的一个结果是一套名为 Brain Imaging Analysis Kit (BrainIAK： ) 的软件工具包。目前，它已经在网上开源可供任何想处理 fMRI 数据的研究者使用。团队现在正在开发一款实时分析服务。「我们的想法是，即便是那些没有能力接触到高性能计算设备的研究者，或者是那些不太清楚如何在这样的计算设备上编写程序来运行分析的人，也可以使用我们开发的这些工具来对大脑扫描数据进行实时解码分析。」Li 说道。

这些科学家对大脑的研究也许最终可以帮助人们克服在注意力或者其它需要及时反馈的疾病上的困难。比如，实时反馈也许可以帮助病人训练他们的大脑来削弱闯入记忆（Intrusive Memory）。尽管这种「大脑训练」的方法需要进一步验证以确定大脑是在学习新的模式而不是变得仅仅擅长于训练任务，但是这些反馈方法提供了新的治疗潜力，Cohen 说道。对大脑的实时分析也可以帮助临床医生做出诊断。

「这种实时解码大脑的能力已经在对脑的基础研究中得到应用。」普林斯顿神经科学系心理学教授 Kenneth Norman 说道，「作为认知神经科学家，我们对于大脑是如何产生思维这件事非常感兴趣。」他继续道「对这些信息的实时处理大大提升了我们科研能力的范围。」

一扇了解人类思维的窗口

这项技术还可以被用来研究我们人类是如何学习的。例如，当一个人正在听一堂数学讲座，特定的神经模式就会被激活。据 Norman 说，通过观察那些能跟上讲座内容的人的神经模式，研究者能够来分析它们是如何与那些跟不上讲座的人的神经模式相区别的。

这项合作正在致力于通过改进技术以获得对人类思考的更清楚的探究。例如，它可以实时解码当一个人看到一张特定面孔时其意识活动的情况。

计算机科学家需要克服的一个挑战是如何把机器学习应用到扫描大脑生成的数据类型上。一个面部识别算法能够扫描成千上万张照片，从而学会分类。但在扫描大脑上，研究人员通常只有每个人的数百份扫描。

尽管扫描的数量有限，每个扫描却包含丰富的数据。软件把大脑图像分到小的立方体中，每个立方体大约 1 毫米宽。这些立方体被称为体素（voxel），是二维图像中像素的三维版本。每个立方体中的大脑活动是持续变化的。

而更为复杂的问题是大脑区域间的连接带来了我们的思想。一次典型的扫描包括 10 万个体素，如果每个体素能与其他的体素进行交流，可能存在的交流就是无限的。而且这些交流能一秒接一秒的变化。英特尔与普林斯顿计算机科学家之间的合作克服了这些计算挑战。参与这一工作的有 Li 和计算机科学助理教授 Barbara Engelhardt，以及 2016 年在普林斯顿获得计算机科学博士学位，如今在英特尔实验室工作的 Yida Wang。

普林斯顿心理学教授 Nicholas Turk-Browne 说，在此之前研究人员需要花费数月时间来分析数据集。有了实时的 fMRI 之后，研究人员能够在进行中调整试验。他说：「如果我的假设涉及到大脑的某个区域，实时检测的时候发现试验并不符合该脑区。那么我们就能让志愿者调整到更好的符合该脑区，这能极大地节省时间，能加速科学发现。」

顾一段特别的记忆，比如童年，我们希望能够在屏幕上生成这段经历的照片。这仍旧很遥远，但我们在不断进步。」

由 Jonathan Cohen、 Nathaniel Daw 等人合著的论文「Computational approaches to fMRI analysis」发表到了 Nature Neuroscience 的 3 月刊上。

论文：fMRI 分析的计算方法（Computational approaches to fMRI analysis）