Peneliti Israel Kembangkan AI Brain-IT yang Rekonstruksi Gambar dari Aktivitas Otak Manusia

Penulis: Chandra Kusuma  •  Rabu, 18 November 2026 | 13:02:01 WIB
Peneliti Israel mengembangkan model AI Brain-IT untuk merekonstruksi gambar dari aktivitas otak manusia melalui pemindaian fMRI.

MAKASSAR — Penelitian bertajuk "Brain-IT: Image Reconstruction from fMRI via Brain-Interaction Transformer" menawarkan cara baru menerjemahkan sinyal otak menjadi gambaran visual. Tim yang terdiri dari Roman Beliy, Jonathan Kogman, Michal Irani, Amit Zalcher, dan Navve Wasserman dari Department of Computer Science, Weizmann Institute of Science, Israel, merancang model yang meniru cara otak mengorganisasi informasi visual.

Selama ini, kamera hanya merekam apa yang dilihat manusia dari luar. Pertanyaan yang kemudian muncul: bisakah gambaran visual yang masuk ke dalam pikiran direkonstruksi melalui aktivitas saraf? Penelitian Brain-IT berangkat dari persoalan mendasar itu.

Bagaimana fMRI Membaca Aktivitas Otak

Para peneliti menggunakan functional Magnetic Resonance Imaging (fMRI), teknologi pencitraan yang mengamati perubahan aktivitas otak melalui sinyal aliran darah dan oksigenasi. Dalam eksperimen, seorang subjek diperlihatkan gambar alami sementara aktivitas otaknya direkam.

Data rekaman itu kemudian dipasangkan dengan gambar yang dilihat. Pasangan data inilah yang dipakai melatih model kecerdasan buatan agar mempelajari hubungan antara pola aktivitas otak dan karakteristik visual suatu gambar.

Setelah pelatihan, model diuji menggunakan rekaman fMRI baru untuk menghasilkan rekonstruksi gambar yang dipersepsikan subjek. Sistem tidak mengambil gambar langsung dari dalam otak. Sistem mempelajari pola aktivitas saraf, lalu memperkirakan gambar yang sedang dilihat.

Masalah Metode Lama: Realistis tapi Keliru Detail

Pendekatan semacam ini bukan hal baru. Penelitian sebelumnya telah mencoba menerjemahkan sinyal fMRI menjadi fitur gambar menggunakan metode statistik dan pembelajaran mendalam. Perkembangan berikutnya memanfaatkan model difusi, teknologi generatif yang mampu menghasilkan gambar berdasarkan arahan tertentu.

Namun, ada persoalan yang belum sepenuhnya teratasi. Gambar hasil rekonstruksi terkadang tampak realistis, tetapi tidak benar-benar sesuai dengan gambar yang dilihat subjek. Sebuah rekonstruksi mungkin berhasil menghasilkan gambar seekor hewan, misalnya, tetapi keliru dalam posisi, warna, bentuk, atau detail objek.

Para peneliti Brain-IT menilai salah satu penyebabnya adalah ketergantungan terlalu besar pada kemampuan generatif model difusi. Model dapat menghasilkan gambar meyakinkan berdasarkan pengetahuan visual yang telah dipelajarinya, meskipun informasi dari aktivitas otak belum cukup kuat menentukan detail secara akurat.

Brain Token: Meniru Cara Otak Mengolah Informasi

Untuk mengatasi persoalan itu, para peneliti memperkenalkan pendekatan bernama Brain Interaction Transformer (BIT). Gagasan dasarnya terinspirasi cara otak manusia mengolah informasi visual, yang tidak berlangsung melalui satu pusat tunggal melainkan melibatkan berbagai wilayah dengan fungsi berbeda yang saling berinteraksi.

Dalam sistem visual manusia, informasi soal posisi objek, warna, bentuk, dan karakteristik semantik diproses melalui jaringan wilayah otak yang saling terhubung. BIT mencoba mengadaptasi prinsip tersebut ke dalam arsitektur kecerdasan buatan.

Alih-alih memperlakukan seluruh aktivitas otak sebagai satu kumpulan informasi besar, model ini mengelompokkan voxel—unit tiga dimensi dalam pemrosesan data pencitraan otak—berdasarkan kesamaan fungsi. Setiap kelompok dirangkum menjadi representasi yang disebut Brain Token.

Representasi ini memungkinkan model mengolah informasi dari kelompok aktivitas otak yang punya karakteristik fungsional serupa. Kelompok fungsional tersebut dirancang untuk digunakan bersama oleh berbagai subjek penelitian, sehingga model dapat mempelajari pola yang memiliki kesamaan antarmanusia, bukan hanya mengandalkan karakteristik aktivitas otak satu individu.

Setiap kelompok kemudian berinteraksi dengan kelompok lain untuk menyempurnakan representasi informasi. Hasilnya dipetakan menjadi fitur-fitur gambar pada bagian atau patch tertentu.

Implikasi bagi Riset Saraf dan AI

Pendekatan Brain-IT menunjukkan bahwa akurasi rekonstruksi visual tidak semata bergantung pada kekuatan model generatif. Struktur data otak yang diolah secara fungsional turut menentukan seberapa dekat hasil rekonstruksi dengan pengalaman visual sesungguhnya.

Penelitian ini berada di persimpangan ilmu saraf dan kecerdasan buatan. Bagi peneliti otak, model semacam ini bisa menjadi alat uji seberapa jauh pola aktivitas saraf menyimpan informasi visual. Bagi pengembang AI, pendekatan berbasis interaksi antarkelompok informasi menawarkan alternatif dari model generatif konvensional.

Tim peneliti belum mengungkap jadwal penerapan lanjutan atau rencana pengujian pada skala subjek yang lebih besar. Detail lengkap metode dan hasil eksperimen termuat dalam makalah penelitian Brain-IT yang dirilis tim Weizmann Institute of Science.

Reporter: Chandra Kusuma
Sumber: res-publica.id This article was automatically rewritten by AI based on the source above without altering the facts of the original article.
Back to top