感谢 @Frida Lee 和 @刘柯 的邀请。首先楼主给出的截图来自UC Berkeley的Jack Gallant lab 2011年发到Current Biology的文章：Reconstructing Visual Experiences from Brain Activity Evoked by Natural Movies: Current Biology 网站上有他们的重建效果的视频，感兴趣的可以去看看（以防有些同学没有阅读权限，这里附几张视频截图）。
大家或许没有想到，其实关于brain decoding的研究已经有不少（科学家就是在“偷偷摸摸”做大家看不到的事情），这些研究主要用machine learning的方法，开创性的研究在2001年由Haxby和同事完成, 他们利用fMRI结合machine learning的算法，实现了预测被试在MRI scanner中看到的是人脸还是房子，还是猫，还是鞋子… 2005年的时候Kamitani和Tong, 利用fMRI解码出了被试看到的grating的方向，如下图（其实没有必要放这个图，不过好像有个研究说相较于行为数据，人们更愿意相信有大脑图的结果，所以无论如何也得放个脑图上来）
另外最近（2014）也有篇重建人脸（静态） 的文章也很有趣：Neural portraits of perception: Reconstructing face images from evoked brain activity 可见这个重建brain image/representation的技术是逐渐发展的，并不是忽如一夜春风来的。因为brain decoding是很复杂也很有趣的课题，答主时间和水平有限不能展开讲，所以接下来我就只针对性地回答一下楼主提到的这篇文章的原理。
如果楼主阅读过原文的话，应该发现文章的大量篇幅其实是在自（炫）豪（耀）地讲他们之前提出的一种新型的encoding model （编码方法，有decoding自然也就有encoding）如何如何好，这种叫作motion-energy encoding model的方法（主要是用来model对运动物体的感知的）的特别之处呢在于克服了fMRI研究的一个局限：fMRI主要是以BOLD（blood oxygen level-dependent, 血氧依赖水平）信号来间接反映神经元信号的，fMRI分析的假设认为只要相应的神经元被激活了，BOLD信号就会开始增加，但是实际上它们并不同步，BOLD信号要比神经活动慢一些，比如说BOLD信号的peak点就比神经活动的peak点要慢6s左右。最常用的假设的BOLD信号模型如下图1，我们可以看到神经活动大概过了6s后，BOLD的曲线才慢慢到达顶点。但是BOLD信号变化这么滞后，怎么能快速反映瞬息万变的世间万象和心理变化呢？这个问题深深地深深地困扰着很多fMRI研究者。所以这篇文章的算法解决了这个问题，“顺便”重构了一下看电影片段时的fMRI信号来验证，然后我们就被震惊啦，纷纷拜倒在大牛手下！
图1(来自维基百科).
其实基本的过程就如楼上 @徐元直 所说，我这里只是增加一些细节内容。作为machine learning的方法，首先他们需要training data，这里的training data是观看7200s的电影片段相对应的位于后侧和腹侧枕颞视觉皮层（posterior and ventral occipitotemporal visual cortex）的BOLD 信号，BOLD信号记录下的是观看电影时视觉皮层特定区域的整体活动，这样是不能用来建立fMRI活动和视觉图像的对应关系的，所以他们用了某种叫做nonlinear spatiotemporal motion-energy filter 的过滤器来提取图像的特征 (这里叫filters，但是我感觉应该是特征的意思), 比如位置，方向，空间，时间频率啊这些，如图2B 所示。然后再把这些特征与BOLD信号（也就是图2A中的Hemodynamic response）结合起来，每一个特征对应一种特定的BOLD曲线（运用了L1-regularized linear regression的方法），把这些曲线合在一起就是预测的BOLD 信号。这里是用training data得到的模型，然后他们又把这些模型用到540s电影(新的电影片段)的test data上面，拿预测的BOLD信号与实际的BOLD信号作比较从而判断模型的准确性（通过计算两者的相关性）。为了显示自己模型的优越性，作者拿了另外两个模型作比较，最后当然如我们所料，作者的模型“完胜” (差异显著啦！！)。
图2.
前面大费周折说了那么多，总结一下就是作者的encoding model是可以用来预测看natural movie时的BOLD信号的！
下面是大家比较感兴趣的重建(reconstruction)过程, 所谓重建就是利用BOLD信号来重构图像，传统的fmri研究是刺激→BOLD信号这样一个过程，重建就是反过来BOLD信号→刺激的过程，也就是传说中的“读心术”。重建的刺激是新的电影片段，BOLD信号来自视觉皮层。首先要说明一下这个重建并不是真的直接提取大脑信号来重建，而是先建立一个包罗众多电影片段的数据库（18 million second，5000小时），然后用上述的encoding model来建立新输入的视觉刺激与BOLD信号之间的关系（predicted signal），通过比较预测的信号与实际测量的信号（被试在MRI scanner里面躺了5000小时？？？）来对数据库中的收录的电影片段（1s）进行一个排名（图3B），图3C就是与站立人像的BOLD信号最接近的30副图。所谓的解码也就是在记录被试看影像时的BOLD信号的同时，比对数据库中已存的实际影像的BOLD信号，然后找出最接近的片段。图4看起来更清楚，红色方框里就是所谓重构的图像，按照接近程度进行排列，如果数据库中的图像和看到的图像比较接近，解码效果就比较好，反之，效果就比较差。楼主给的图的右侧看起来比较模糊，是因为那幅图是100张图平均的结果，并不是一幅图，也就是图4的AHP（averaged high posterior）。至此，重构过程也就完成了。2013年的时候，日本的学者发了一篇science用的是类似的方法来解梦，感兴趣的可以移步看一下：Neural Decoding of Visual Imagery During Sleep
如果大家觉得这样的黑科技出来，以后人类就没有隐私了，因为我心里想什么就会被知道了（心理学的学生窃喜终于可以回答“你知道我心里在想什么吗？”这个高深莫测的问题了）那就实在高估现在的技术水平了。首先MRI那么昂贵笨重的机器在那里，直接就限制了这项技术的商业化运用；其次整个编码解码过程都需要被试的高度配合（告诉大家一个诀窍，如果那天你被人强制读脑的话，你只要摇晃一下脑袋，数据就不能用了。不过，做实验的时候千万不要动！！要听主试的话！！），这也是为什么文中只用了三个被试，而且都是合作者（永远不要低估研究者发文章的决心！）；再者，解码的算法还需要很大的改进，因为不是直接解码，所以从图4中可以看出解出来一些奇怪的画面。不过不管怎么说，这篇文章的想法真的很独特，虽然说这种想法本身就会导致重构图像的不精确，不过技术进步那么快，相信未来的发展会更加超出我们的想象的！
图 3.
图 4.
后记： 今年学期要结束的时候，Dr. Gallant来我们系做一个讲座介绍他的研究，不得不说Gallant lab做的研究真的特别impressive，有兴趣的朋友可以去他的实验室lab看一下（Gallant Lab homepage），重建视觉信息只是他研究的一部分，他们还有很多有意思而且很重要研究正在进行。Dr. Gallant在讲座的时候说他不是一个psychologist，因为那些高级的认知功能太复杂恐怕这辈子都搞不清楚，但是视觉区域的研究已经相对比较透彻了，所以他有生之年还有可能见到搞清楚的一天。这篇文章也正如他说的那样，主要在讨论技术层次的问题，涉及到fMRI技术，信号处理还有贝叶斯统计方面的内容，基本上和认知功能没有太大联系。虽然有些fMRI的经验，但是有太多不熟悉的概念，我个人阅读起来还是挺费劲的，有不少地方理解的也不清楚，如果表述有什么不对的地方还请轻拍和指正。谢谢！
References:
Haxby, J. V., Gobbini, M. I., Furey, M. L., Ishai, A., Schouten, J. L., & Pietrini, P. (2001). Distributed and overlapping representations of faces and objects in ventral temporal cortex. Science, 293(5539), 2425-2430.
Kamitani, Y., & Tong, F. (2005). Decoding the visual and subjective contents of the human brain. Nature neuroscience, 8(5), 679-685.
来源：知乎 www.zhihu.com
作者：镜亦非台
【知乎日报】千万用户的选择，做朋友圈里的新鲜事分享大牛。
点击下载
此问题还有 51 个回答，查看全部。
延伸阅读：
大脑中总是反复回忆一段音乐旋律，在心理学中是怎么回事？
最强大脑周玮的心算有什么原理？
