Hirnscanner liest Gedanken – zumindest ein bisschen

In einem Pressegespräch zur Studie veranschaulichte Mitautor Jerry Tang das Ergebnis der Tests: So habe der Decoder den Satz «Ich habe meinen Führerschein noch nicht» als «Sie hat noch nicht einmal angefangen, Fahren zu lernen» wiedergegeben. Das Beispiel illustriert laut Tang eine Schwierigkeit: «Das Modell ist sehr schlecht mit Pronomen – woran das liegt, wissen wir aber noch nicht.»

Insgesamt sei der Decoder dahingehend erfolgreich, dass viele ausgewählte Phrasen bei neuen, also nicht trainierten Geschichten Wörter des Originaltextes enthielten oder zumindest einen ähnlichen Bedeutungsgehalt aufwiesen, so Goebel. «Es gab aber auch recht viele Fehler, was für eine vollwertige Hirn-Computer-Schnittstelle sehr schlecht ist, da es für kritische Anwendungen, zum Beispiel Kommunikation bei Locked-In-Patienten, vor allem darauf ankommt, keine falschen Aussagen zu generieren.»

Noch mehr Fehler wurden generiert, als die Probanden sich eigenständig eine Geschichte vorstellen sollten oder einen kurzen animierten Stummfilm zu sehen bekamen, und der Decoder Ereignisse darin wiedergeben sollte.

Für Goebel sind die Resultate des vorgestellten Systems insgesamt zu schlecht, um als vertrauenswürdige Schnittstelle zu taugen: «Ich wage die Vorhersage, dass fMRT-basierte BCI (leider) wohl auch in Zukunft auf Forschungsarbeiten mit wenigen Probanden wie auch in dieser Studie beschränkt bleiben werden.»

Auch Dr. Christoph Reichert vom Leibniz-Institut für Neurobiologie ist skeptisch: «Wenn man sich die gezeigten Beispiele des präsentierten und rekonstruierten Textes ansieht, wird schnell klar, dass diese Technik noch weit davon entfernt ist, einen «gedachten» Text zuverlässig aus Gehirndaten zu generieren.» Trotzdem deute die Studie an, was möglich sein könne, wenn sich die Messtechniken verbesserten.

Hinzu kommen ethische Bedenken: Je nach künftiger Entwicklung könnten Maßnahmen zum Schutz der geistigen Privatsphäre nötig sein, schreiben die Autoren selbst. Allerdings zeigten Versuche mit dem Decoder, dass sowohl für das Training, als auch für die folgende Anwendung die Kooperation der Probanden nötig war.

«Wenn diese während des Dekodierens im Kopf zählten, Tiere benannten oder an eine andere Geschichte dachten, wurde der Prozess sabotiert», beschreibt Jerry Tang. Ebenso schnitt der Decoder schlecht ab, wenn das Modell mit einem anderen Menschen trainiert worden war.