Una herramienta de “lectura de la mente” con inteligencia artificial puede reconstruir lo que está mirando una persona basándose en un escaneo cerebral. Esa es la afirmación de científicos del Instituto Weizmann de Ciencia en Rehovot, Israel, quienes dicen que su sistema puede tomar un escaneo cerebral y producir una imagen reconocible de lo que una persona estaba viendo.
El sistema funciona en ambas direcciones. Puede adivinar lo que una persona está mirando a partir de un escaneo cerebral, y también puede predecir la actividad cerebral de una persona a partir de una imagen. El equipo, liderado por la científica informática Michal Irani, dice que el método podría eventualmente utilizarse para ayudar a personas con síndrome de encierro a comunicarse o para recrear el contenido de los sueños.
La investigación fue presentada en la conferencia de Neurociencia Computacional Cognitiva en Nueva York el mes pasado.
Cómo el Escáner Lee la Mente
La resonancia magnética funcional, o fMRI, rastrea el flujo de sangre oxigenada a través del cerebro. Se considera que las áreas que se iluminan en un escaneo de fMRI están activas en ese momento. La resolución está limitada: cada “voxel” resaltado cubre alrededor de tres cúbicos milímetros, que contienen aproximadamente 16,000 neuronas.
Irani y sus colegas utilizaron conjuntos de datos más nuevos con una resolución más alta, donde cada voxel cubre alrededor de un cúbico milímetro. Esos escaneos mostraron cómo los cerebros de los voluntarios reaccionaron al ver varias imágenes.
Intentos anteriores produjeron reconstrucciones borrosas y difíciles de entender. El nuevo sistema tiene como objetivo hacerlo mejor.
Entrenando el Modelo
El equipo comenzó con datos de escaneo cerebral disponibles públicamente de voluntarios que habían sido mostrados cientos de imágenes mientras yacían en escáneres de fMRI. Irani y sus colegas entrenaron un modelo de inteligencia artificial con datos de ocho personas que cada una vio alrededor de 9,000 imágenes durante una sesión de fMRI de alta resolución.
El modelo tiene dos ramas. Una predice la estructura de una imagen — dónde están los colores. La otra predice el contenido — un racimo de plátanos en un plato, por ejemplo. Un modelo de difusión, que limpia datos de píxeles ruidosos para producir imágenes más claras, combina las predicciones en una reconstrucción final.
Los resultados iniciales no fueron prometedores. Mostrarle a una persona un plátano, y el modelo podría generar una imagen de un plátano, pero la forma y la posición serían incorrectas. Irani dice que la imagen reconstruida no tendría la misma estructura ni la misma posición que la original.
El Truco del Codificador
Para mejorar los modelos, el equipo necesitaba más datos de los que realmente estaban disponibles. Entonces entrenaron otro modelo en la dirección opuesta: un codificador que predice la actividad cerebral a partir de una imagen.
Luego utilizaron el codificador y el decodificador juntos para refinar ambas herramientas. El proceso comienza con una nueva imagen, digamos de un leopardo. El codificador predice cómo se vería un escaneo de fMRI si una persona viera esa imagen. El decodificador reconstruye la imagen a partir del escaneo predicho.
Al principio, la imagen reconstruida probablemente no se parecerá mucho a un leopardo. Pero el entrenamiento repetido eventualmente conduce a mejoras dramáticas.
Lo Que Muestra el Cerebro
Al combinar datos de múltiples estudios, el equipo identificó regiones del cerebro que parecen compartir funciones en todos los individuos. Una región respondía a imágenes de comida. Otra respondía a imágenes de deportes.
Irani, una científica de la computación, dice que ahora está trabajando con neurocientíficos para ver si las herramientas pueden revelar cosas nuevas sobre el cerebro.
El “codificador cerebral universal” resultante puede funcionar con un escaneo de una nueva persona con una calibración mínima. Las herramientas anteriores típicamente requieren alrededor de 40 horas de datos de fMRI en una nueva persona antes de que puedan predecir lo que están viendo.
El decodificador de Irani necesita solo una hora de datos.
La Advertencia Ética
No todos están celebrando. Algunos científicos advierten que un enfoque similar podría utilizarse para revelar los pensamientos internos y la imaginería mental de una persona sin su consentimiento.
Tommy Sprague, un neurocientífico de la Universidad de California Santa Bárbara, calificó los resultados como “muy impresionantes”. Pero añadió una advertencia: “Si existe una forma encubierta de extraer información sobre lo que está pensando, entonces… 150 años de ciencia ficción podrían hacerse realidad en cualquier momento, y eso es preocupante de muchas maneras”.
Judy Illes, una neuroeticista y profesora de neurología de la Universidad de Columbia Británica, describió el trabajo como “magnífico”. Dice que la idea de usar este enfoque para ayudar a personas con afecciones neurológicas “terapéuticamente es tremendamente emocionante”.
Por Qué Esto Importa
El sistema podría acelerar la investigación en neurociencia. Sprague señaló que ninguno de los investigadores puede permitirse 40 horas de imágenes para un nuevo sujeto. Es algo así como $600 a $1,000 por hora.
La nueva herramienta podría reducir drásticamente ese costo.
La tecnología aún está en desarrollo, y los hallazgos del equipo fueron presentados en una conferencia en lugar de publicados en una revista revisada por pares. Eso significa que la verificación independiente aún no ha sucedido.
Caja de Datos Clave
- Modelo entrenado en: Datos de ocho personas, a cada una se le mostraron alrededor de 9,000 imágenes
- Nuevo entrenamiento del codificador: Alrededor del 70% de las imágenes no se emparejaron originalmente con escaneos
- Calibración de la herramienta anterior: Alrededor de 40 horas de datos de fMRI por persona nueva
- Nueva calibración del decodificador: Solo una hora de datos
- Conferencia: Computación Cognitiva en Neurociencia, Nueva York
- Costo de la imagenología: Algo así como $600 a $1,000 por hora.
Tabla de Horarios.
| Etapa. | Detalles. |
|---|---|
| Recopilación de datos. | Se mostró a voluntarios cientos de imágenes en escáneres de fMRI. |
| Entrenamiento inicial. | Modelo entrenado con ocho personas, 9,000 imágenes cada una. |
| Entrenamiento del codificador. | El modelo aprende a predecir la actividad cerebral a partir de las imágenes. |
| Refinamiento del decodificador. | Codificador y decodificador entrenados juntos, ejemplo del leopardo. |
| Codificador universal (1) | Funciona con una nueva persona con calibración mínima (2) |
| Presentación en conferencia (3) | Neurociencia Computacional Cognitiva, Nueva York (4) |
La tecnología plantea serias preguntas sobre la privacidad. Si una herramienta de lectura de la mente puede reconstruir los pensamientos de una persona a partir de un escaneo cerebral, ¿quién controla esa información? ¿Cómo se almacena? ¿Quién tiene acceso? (5)
El entusiasmo de Illes por las aplicaciones terapéuticas se ve atemperado por la advertencia de Sprague. El marco ético para este tipo de tecnología aún se está construyendo. (6)
Por ahora, la ciencia aún está en fase de prueba. El decodificador ha sido mostrado en una conferencia. La pregunta es qué ocurre después. (7)
Material fuente: “Una herramienta de “lectura de la mente” de IA puede reconstruir lo que está mirando basándose en un escaneo cerebral”, MIT Technology Review. (8)
Recibe El Cuaderno.
Las mejores historias del día y cada veredicto nuevo, en español claro, en tu correo a las siete. Un correo al día, nada más.