Dem Informatiker Ian Daly von der University of Essex ist es gelungen, kurze Songs nur anhand der beim Hören ablaufenden neuronalen Aktivität im Gehirn zu erkennen. Ähnliches schafften zwar schon andere Forschungsteams, aber nur mit zeitlich ungenauen Daten aus dem Hirnscanner, wobei die Hirnaktivität indirekt über den verzögerten Blutfluss gemessen wird oder mit invasiven Methoden, bei denen man Elektroden direkt auf der Hirnoberfläche platziert. Daly kombinierte die schnelle Elektroenzephalografie (EEG) mit der langsamen, doch räumlich präziseren funktionellen Magnetresonanztomografie (fMRT) und zeichnete damit die Gehirnaktivität von 18 Probanden auf, während diese eine Reihe von kurzen Klavierstücken hörten.

Die Lieder hatte eine künstliche Intelligenz eigens für das Experiment komponiert, damit die Versuchspersonen sie sicher noch nicht kannten. Daly fütterte ein weiteres künstliches neuronales Netz mit der Musik sowie der gemessenen Hirnaktivität: Es sollte lernen, die Songs allein anhand der Daten zu rekonstruieren und zu erkennen. Das gelang mit einer Genauigkeit von 72 Prozent. In einem weiteren Experiment verwendete der Forscher nur EEG-Daten von einer unabhängigen Versuchsgruppe mit 19 Freiwilligen. Die Genauigkeit reduzierte sich dabei auf 60 Prozent. Der Informatiker erklärt das mit individuellen Unterschieden in den aktivierten Hirnregionen. Mittels fMRT könne man diese viel besser berücksichtigen, bei reinen EEG-Aufzeichnungen müsse man hingegen auf einen allgemeinen Durchschnittswert zurückgreifen. »Die Methode hat viele mögliche Anwendungen«, sagt der Informatiker. »Wir haben gezeigt, dass wir Musik entschlüsseln können. Vielleicht wird das in Zukunft auch mit Sprache gelingen.« Davon könnten etwa Patienten mit Locked-in-Syndrom profitieren, die zwar vollständig gelähmt, aber noch bei vollem Bewusstsein sind. Vor allem die EEG ist viel versprechend, weil sie mit portablen Geräten funktioniert und zeitlich mit Gesprochenem mithalten kann.